基于量子蝙蝠算法的铸造造型及熔炼批量计划获取方法与流程

本发明属于铸造企业调度相关
技术领域：
，更具体地，涉及一种基于量子蝙蝠算法的铸造造型及熔炼批量计划获取方法。
背景技术：
造型-熔炼批量计划是铸造企业生产管理的重要组成部分，在考虑制定生产计划时，应该将造型与熔炼这两个工序制约因素同步考虑，以达到工序间的流畅与不堆积。科学的批量计划应合理分配优先级高的铸件优先生产和提高熔炼设备利用率。科学的熔炼批量计划对铸造企业优化资源配置、提高设备利用率、降低成本等具有重要意义。蝙蝠算法为熔炼批量计划的解决提供了可能性，蝙蝠算法(batalgorithm,ba)是2010年由剑桥大学的yang教授首次提出的一种新型的群智能进化算法，其具有模型简单、潜在并行性及分布式等特点。目前，蝙蝠算法已经在很多领域有着良好的应用，比如工程优化问题、车间调度、图像匹配、旅行商问题等等，并且取得了一定的应用效果。然而，算法的收敛较慢，且易在迭代过程中丢失优化解。相应地，本领域存在着发展一种收敛速度较快的基于量子蝙蝠算法的铸造造型及熔炼批量计划获取方法的技术需求。技术实现要素：针对现有技术的以上缺陷或改进需求，本发明提供了一种基于量子蝙蝠算法的铸造造型及熔炼批量计划获取方法，其基于量子蝙蝠算法的工作特点，研究及设计了一种基于量子蝙蝠算法的铸造造型及熔炼批量计划获取方法。所述获取方法构建了造型-熔炼计划铸件优先级模型，并以此为基础在模具约束、砂箱约束和熔炼炉容量约束的基础上构建了造型-熔炼批量计划模型，对造型-熔炼批量计划模型启发式简化为多约束0-1背包问题，设计了量子蝙蝠算法进行求解，由此获得造型-熔炼批量计划优化解，提高了算法收敛速度及寻优能力，避免了优化解的遗失。为实现上述目的，本发明提供了一种基于量子蝙蝠算法的铸造造型及熔炼批量计划获取方法，该获取方法主要包括以下步骤：(1)采集铸造造型及熔炼批量计划铸件的基本信息，并基于所述基本信息构建造型及熔炼批量计划铸件优先级模型，以得到各个铸件优先级值；(2)以铸件优先级值为权重值，基于模具约束、砂箱约束及熔炼约束构建以加权熔炼重量为目标函数的造型及熔炼批量计划模型；(3)采用启发式策略对所述造型及熔炼批量计划模型进行简化处理，以将所述造型及熔炼批量模型转化为多约束0-1背包问题；(4)采用量子蝙蝠算法求解所述多约束0-1背包问题以得到优化解，即造型及熔炼批量计划优化解。进一步地，所述基本信息包括铸件材质种类、铸件编号、铸件毛重、铸件交货期、客户信誉等级、熔炼炉容量及每天熔炼炉熔次数；所述造型及熔炼批量计划铸件优先级模型是基于所述客户信誉等级和铸件交货期构建的。进一步地，所述造型及熔炼批量计划铸件优先级模型的数学表达式为：pi＝pix·w1+pid·w2(1)式中，i为铸件编号；pi为i铸件的优先级值；pix为i铸件的客户信誉等级优先级值；pid为i铸件的交货期优先级值；w1和w2分别是客户信誉等级和铸件交货期的权重值，且两者加和为1。进一步地，客户信誉等级优先级值pix采用以下步骤获得：首先，通过模糊评价理论，以区间[0,1]连续分布实数作为论域，并结合打分给出客户信誉等级的隶属函数，由此量化客户信誉等级；接着，采用重心法将模糊区间去模糊，使得客户信誉等级在所述造型及熔炼批量计划铸件优先级模型中定量使用。进一步地，交货期优先级值pid采用以下公式计算：式中，di为铸件i距离交货期的天数，max(d)为当前所需计划铸件中距离交货期天数最大的值，min(d)为当前所需计划铸件中距离交货期天数最小的值。进一步地，所述造型及熔炼批量计划模型的目标函数的表达式为：式中，l为一天总炉次数；l为一天中的某一炉次；n为铸件编号总数，mi为铸件i的毛重；xil为铸件i在第il炉次生产数量。进一步地，简化后的造型及熔炼批量计划模型的目标函数及约束条件的数学表达式分别为：式中，pi为铸件i的优先级值；mi为铸件i的毛重；xi为二元决策变量；cap为熔炼炉容量；w为砂箱种类总数；w为某一砂箱种类编号；aiw为铸件造型i所需砂箱w种类的数量；cw为w种类砂箱可用数量。进一步地，采用量子蝙蝠算法求解所述多约束0-1背包问题具体包括以下子步骤：s51，设定量子蝙蝠算法参数，所述量子蝙蝠算法参数包括最大迭代次数g、种群规模n、问题的维度l、脉冲率ri、响度ai、最大频率fmax、最小频率fmin以及常数α和λ；s52，采用01二元编码方式随机初始化种群，同时初始化种群的量子向量；s53，检查随机初始化解的可行性，对不满足约束的解采用修复操作修复为合法解，或者在不违反约束条件的情况下将合法解提高为更优解，并计算初始化种群的适应度值；s54，基于量子向量确定全局搜索策略和局部搜索策略，并根据脉冲率ri选择采用全局搜索策略或者局部搜索策略来生成新解；s55，检查新生成解的可行性，利用修复操作对不满足约束的解修复为合法解，或者在不违反约束条件的情况下将合法解提高为更优解，从而保证新解的可行性，并计算新解的适应度值；s56，如果新解优于旧解则接受新解，并更新脉冲率及响度值，否则不接受新解；s57，对当前新种群适应度值进行排序，以更新和记录当前种群最优解和最优解的量子向量；s58，判断是否满足算法迭代终止条件，若不满足，则转到步骤三，否则结束并输出最优解。进一步地，步骤s52包括以下子步骤：(a)随机生成一个n×l的矩阵p，矩阵中每一个数均在0到1之间随机生成，其中(b)采用公式(9)来求解初始化种群解；其中，记初始化种群解为x；种群的量子向量为n×l的矩阵，且矩阵中每一个数均在0到1之间随机生成；进一步地，所述量子向量为：l(t)＝{l1(t),l2(t),...ln(t)}(13)其中，为第t代迭代个体i的第j维量子值，量子值表征了个体i的第j维量子值成为0的可能性。总体而言，通过本发明所构思的以上技术方案与现有技术相比，本发明提供的基于量子蝙蝠算法的铸造造型及熔炼批量计划获取方法主要具有以下有益效果：1.所述获取方法将造型与熔炼这两个工序制约因素同步考虑，以达到两个工序间的流畅与不堆积；同时设计了客户信誉等级、交货期和熔炼炉容量为优化目标，可以实现铸造企业优化资源配置、提高设备利用率的目的。2.所述获取方法采用启发式策略对所述造型及熔炼批量计划模型进行简化处理，降低了求解的复杂性，求解更为快速，实用性更强。3.所述获取方法采用量子蝙蝠算法求解多约束0-1背包问题，引入量子向量构造全局搜索和局部搜索策略以在二元空间搜索；改进了接受新解的策略，由原始蝙蝠算法以一定概率接受新的更优解改为新解比旧解更优则接受，避免了算法在迭代过程中丢失优化解，提高了算法收敛速度及寻优能力。附图说明图1是本发明提供的基于量子蝙蝠算法的铸造造型及熔炼批量计划获取方法的流程图。图2是图1中的基于量子蝙蝠算法的铸造造型及熔炼批量计划获取方法涉及的求解多约束0-1背包问题的量子蝙蝠算法的流程示意图。图3是图1中的基于量子蝙蝠算法的铸造造型及熔炼批量计划获取方法涉及的量子蝙蝠算法全局搜索示意图。图4是图1中的基于量子蝙蝠算法的铸造造型及熔炼批量计划获取方法涉及的量子蝙蝠算法局部搜索示意图。具体实施方式为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。请参阅图1及图2，本发明提供的基于量子蝙蝠算法的铸造造型及熔炼批量计划获取方法，所述获取方法主要包括以下步骤：步骤一，采集铸造造型及熔炼批量计划铸件的基本信息，并基于所述基本信息构建造型及熔炼批量计划铸件优先级模型。所述基本信息包括铸件材质种类、铸件编号、铸件毛重、铸件交货期、客户信誉等级、熔炼炉容量及每天熔炼炉熔次数。具体地，基于所述客户信誉等级和铸件交货期构建造型及熔炼批量计划铸件优先级模型；所述造型及熔炼批量计划铸件优先级模型的数学表达式为：pi＝pix·w1+pid·w2(1)式中，i为铸件编号；pi为铸件i的优先级值；pix为铸件i的客户信誉等级优先级值；pid为铸件i的交货期优先级值；w1和w2分别是客户信誉等级和铸件交货期的权重值，且两者加和为1。客户信誉等级优先级值pix采用以下方式获得：首先，通过模糊评价理论，以区间[0,1]连续分布实数作为论域，并结合企业专家打分给出客户信誉等级“a”、“b”、“c”、“d”、“e”对应的隶属函数，由此量化客户信誉等级。“a”、“b”、“c”、“d”、“e”信誉等级依次下降接着，采用重心法将模糊区间去模糊以化为一个精确值，使得可以在模型中定量精确使用信誉等级。信誉等级结果如表1所示。表1序号信誉等级模糊区间精确量(px)1a[0.8,1]14/152b[0.6,0.8]11/153c[0.4,0.6]8/154d[0.2,0.4]1/35e[0,0.2]2/15交货期优先级值pid的计算公式为：式中，di为铸件i距离交货期的天数；max(d)为当前所需计划铸件中距离交货期天数最大的值；min(d)为当前所需计划铸件中距离交货期天数最小的值。步骤二，基于模具约束、砂箱约束及熔炼约束构建以加权熔炼重量为目标函数的造型及熔炼批量计划模型。所述造型及熔炼批量计划模型的目标函数的表达式为：式中，l为一天总炉次数；l为一天中的某一炉次；n为铸件编号总数，mi为铸件i的毛重；xil为铸件i在第il炉次生产数量。所述熔炼炉容量约束的数学表达式为：式中，k为某一材质种类编号；k是材质种类的总数；s(k)为使用k材质编号的铸件集合；cap为熔炼炉容量；ykl为0或者1的二元决策变量；ykl＝1表示第l炉次熔炼材质k；ykl＝0表示第l炉次不熔炼材质k。此约束确保每一批次计划中铸件总毛重不超过熔炼炉容量，且铸件材质与该炉次熔炼合金材质种类保持一致。其中，l＝1...l以确保每一批次熔炼合金材质种类唯一。所述砂箱约束的数学表达式为：其中，w为砂箱种类总数；w为某一砂箱种类编号；aiw铸件i造型所需w砂箱种类的数量；cw为w种类砂箱可用数量；此约束为砂箱数量约束，即计划生产的铸件所用砂箱数量不超过当前可用砂型数量，其中，i＝1...n以保证计划生产的铸件总数量不超过当前待计划总数量。所述模具约束的数学表达式为：式中，bi为单个模具单天造型铸件i的数量上限，此约束为模具对造型数量的制约。步骤三，采用启发式策略对所述造型及熔炼批量计划模型进行简化处理，以将所述造型及熔炼批量计划模型转化为多约束0-1背包问题。具体地，按照材质种类对铸件进行分类以形成多个待计划铸件任务区，同时考虑模具对造型的制约因素，并将每个待计划铸件任务区进行筛减，使得每个待计划铸件任务区中每类铸件个数不超过单个模具单天造型的上限。此外，以单件形式对铸件进行编号，即下述简化模型中i＝1...n均以单件形式编号。简化后的造型及熔炼批量计划模型的目标函数及约束条件的数学表达式分别为：式中，xi为二元决策变量。步骤四，采用量子蝙蝠算法求解所述多约束0-1背包问题以得到优化解，即造型及熔炼批量计划优化解。请参阅图3及图4，采用量子蝙蝠算法求解所述多约束0-1背包问题具体包括以下步骤：s51，设定量子蝙蝠算法参数，所述量子蝙蝠算法参数包括最大迭代次数g、种群规模n、问题的维度(即个体长度l)、脉冲率ri(i＝1...np)、响度ai(i＝1...n)、最大频率fmax、最小频率fmin以及常数α和λ。s52，采用01二元编码方式随机初始化种群，同时初始化种群的量子向量。具体地，首先，随机生成一个n×l的矩阵p，矩阵中每一个数均在0到1之间随机生成。接着，采用公式(9)来求解初始化种群解。其中，记初始化种群解为x；种群的量子向量为n×l的矩阵，矩阵中每一个数均在0到1之间随机生成。s53，检查随机初始化解的可行性，对不满足约束的解采用修复操作修复为合法解，或者在不违反约束条件的情况下将合法解提高为更优解，并计算初始化种群的适应度值。多约束0-1背包问题的代理松弛数学表达如下：最大化约束xj∈{0,1},j＝1,2,...,n其中，所述初始化解即为0-1背包问题中的物品；n和m分别为物品个数和约束个数；pj为物品j的价值；bi代表约束i的总容量；每个物品j消耗约束i的rij的资源单位；xj是一个二元决策变量，其中为1时代表j物品被选入背包，为0时代表j物品未被选入背包；ωi为一个正实数的代理乘数(即权值)，权值可通过原多约束0-1背包问题的代理松弛问题的对偶问题求得。则伪价值为：修复操作为基于使用贪婪类启发式的值来删除和增加每个物品。首先，检查解是否违反了背包的约束，如果违反了约束，采用删除操作(drop)，即按照伪价值递增顺序，检查装入背包的物品，将其位置值从1变为0，直到满足约束不违背为止；如果解满足了所有约束，采用增加操作(add)，即按照伪价值递减顺序检查每个未装入物品，在不违反任意一个约束的条件下，将其位置值从0变为1，直到不能装入为止。s54：基于量子向量确定全局搜索策略和局部搜索策略，并根据脉冲率ri(i＝1...np)选择采用全局搜索策略或者局部搜索策略来生成新解。首先定义量子向量如下：l(t)＝{l1(t),l2(t),...ln(t)}(13)其中，为第t代迭代个体i的第j维量子值，量子值表征了个体i的第j维量子值成为0的可能性。接着，若rand﹥脉冲率ri成立，则基于量子向量通过局部搜索来求得新解；否则基于量子向量通过全局搜索来求得新解，其中，rand是一个0～1之间的随机数。对于全局搜索策略，从量子值获得解的转换采用以下公式：其中，在第t次迭代中表示个体i的第j维值。更新量子向量的公式为：其中，β1+β2＝1,0＜β1,β2＜1表征对量子变量的控制程度，x*(t)为当代最优解，fi为个体i频率值。对于局部搜索，从量子值获得解的转换采用以下公式：式中，函数为求得括号中最接近的整数值；randperm(j,c)为在j个元素中随机挑选出的c个不同的元素值；sub表示被选择局部搜索的位置值；指的是个体i的第j维值为0的概率。s55：检查新生成解的可行性，利用修复操作对不满足约束的解修复为合法解，或者在不违反约束条件的情况下将合法解提高为更优解，从而保证新解的可行性，并计算新解的适应度值；s56：如果新解优于旧解则接受新解，并采用公式(18)及公式(19)更新脉冲率及响度值，否则不接受新解。s57：对当前新种群适应度值进行排序，以更新和记录当前种群最优解和最优解的量子向量。s58：判断是否满足算法迭代终止条件，若不满足，则转到步骤三，否则结束并输出最优解。本发明提供的基于量子蝙蝠算法的铸造造型及熔炼批量计划获取方法，该获取方法将造型及熔炼批量计划问题转化为多约束0-1背包问题，并设计量子蝙蝠算法进行求解，以达到在二元空间搜索最优解且提高算法收敛速度及寻优能力，继而提高造型及熔炼批量计划的获取效率及准确性。本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。当前第1页12