本技術(shù)涉及跨組織車間調(diào)度，特別涉及一種跨組織機(jī)加車間的數(shù)模雙驅(qū)智能調(diào)度方法及裝置。

背景技術(shù)：

1、機(jī)械加工車間是航空產(chǎn)品的工藝路線中重要生產(chǎn)環(huán)境，機(jī)加車間負(fù)責(zé)將熱壓后的復(fù)合材料切割加工成所需形狀大小?，F(xiàn)代制造企業(yè)，采用多園區(qū)分布式制造模式，訂單下達(dá)到總部后，指令中心指揮運(yùn)輸車隊(duì)將原材料從倉(cāng)庫(kù)送往不同園區(qū)，不同的園區(qū)的加工能力不同，但可并行加工，為了提高產(chǎn)能，企業(yè)選擇將原材料分配到多個(gè)園區(qū)加工，增加了問(wèn)題的復(fù)雜性。

2、目前考慮跨組織的車間調(diào)度問(wèn)題的現(xiàn)有技術(shù)在方法層面仍存在明顯不足。

3、在方法層面，目前分布式車間調(diào)度問(wèn)題的求解方式可分為數(shù)據(jù)驅(qū)動(dòng)型和知識(shí)驅(qū)動(dòng)型。其中，知識(shí)驅(qū)動(dòng)型算法一般使用智能優(yōu)化算法結(jié)合知識(shí)驅(qū)動(dòng)的局部搜索操作，該方法可以實(shí)現(xiàn)快速全局搜索，但無(wú)法記錄每一代的搜索知識(shí)，算法在種群更新迭代完成后直接淘汰舊的種群，但被淘汰的種群包含了歷史的搜索經(jīng)驗(yàn)，可以有效利用其為算法后續(xù)搜索提供知識(shí)；數(shù)據(jù)驅(qū)動(dòng)的算法一般使用強(qiáng)化學(xué)習(xí)算法，該類算法使用神經(jīng)網(wǎng)絡(luò)來(lái)存儲(chǔ)每一代的搜索策略，但該類算法搜索速度慢，策略搜索方向隨機(jī)，缺乏引導(dǎo)性。

4、綜上所述，現(xiàn)有的跨組織車間調(diào)度方法難以在實(shí)現(xiàn)快速高效搜索的同時(shí)，記錄歷史搜索經(jīng)驗(yàn)，對(duì)資源分組復(fù)雜機(jī)加工車間調(diào)度問(wèn)題的求解效率較低，亟待解決。

技術(shù)實(shí)現(xiàn)思路

1、本技術(shù)提供一種跨組織機(jī)加車間的數(shù)模雙驅(qū)智能調(diào)度方法及裝置，以解決現(xiàn)有的跨組織車間調(diào)度方法難以在實(shí)現(xiàn)快速高效搜索的同時(shí)，記錄歷史搜索經(jīng)驗(yàn)，對(duì)資源分組復(fù)雜機(jī)加工車間調(diào)度問(wèn)題的求解效率較低等問(wèn)題。

2、本技術(shù)第一方面實(shí)施例提供一種跨組織機(jī)加車間的數(shù)模雙驅(qū)智能調(diào)度方法，包括以下步驟：對(duì)實(shí)際的機(jī)加車間生產(chǎn)場(chǎng)景進(jìn)行建模，建立所述機(jī)加車間生產(chǎn)場(chǎng)景對(duì)應(yīng)的跨組織機(jī)加車間調(diào)度模型，并對(duì)所述跨組織機(jī)加車間調(diào)度模型進(jìn)行向量編碼，以得到所述跨組織機(jī)加車間調(diào)度模型對(duì)應(yīng)的工廠向量、工序向量和機(jī)器向量；根據(jù)預(yù)設(shè)協(xié)同初始化策略生成所述跨組織機(jī)加車間調(diào)度模型對(duì)應(yīng)的第一父代種群和第二父代種群，且對(duì)所述第一父代種群執(zhí)行遺傳進(jìn)化搜索操作，以獲取所述第一父代種群的第一子代種群，同時(shí)基于所述第二父代種群和預(yù)設(shè)數(shù)據(jù)驅(qū)動(dòng)的鄰域搜索策略，獲取第二子代種群，并記錄所述第二子代種群對(duì)應(yīng)的第一搜索知識(shí)；基于所述第一父代種群和所述第二子代種群，生成新的第一父代種群，同時(shí)根據(jù)所述第二父代種群和所述第一子代種群，得到新的第二父代種群，并對(duì)所述新的第一父代種群執(zhí)行多算子協(xié)同鄰域搜索操作，以獲取所述新的第一父代種群對(duì)應(yīng)的第二搜索知識(shí)；根據(jù)所述第一搜索知識(shí)和所述第二搜索知識(shí)橫向拼接所述工廠向量、所述工序向量和所述機(jī)器向量得到一維張量，并將所述一維張量輸入至預(yù)先訓(xùn)練的鄰域動(dòng)作推薦神經(jīng)網(wǎng)絡(luò)模型，以得到所述機(jī)加車間生產(chǎn)場(chǎng)景對(duì)應(yīng)的滿足預(yù)設(shè)要求的調(diào)度方案。

3、可選地，在本技術(shù)的一個(gè)實(shí)施例中，所述預(yù)設(shè)協(xié)同初始化策略，包括：利用所述跨組織機(jī)加車間調(diào)度模型中每個(gè)工件選擇加工時(shí)間最小的并行機(jī)；或者，累計(jì)所述每個(gè)工件在不同工廠的加工時(shí)間，得到所述每個(gè)工件對(duì)應(yīng)的累計(jì)值，并對(duì)所有工件的所述累計(jì)值進(jìn)行降序排列，生成累計(jì)值序列，以根據(jù)所述累計(jì)值序列將所述每個(gè)工件分配至對(duì)應(yīng)的工廠中；或者，所述每個(gè)工件選擇所有工廠中具有最小完工時(shí)間的并行機(jī)；或者，根據(jù)所述跨組織機(jī)加車間調(diào)度模型每個(gè)工序的交貨期，對(duì)所述每個(gè)工序進(jìn)行升序排列，得到工序序列，并基于所述工序序列和預(yù)設(shè)的工廠碼，將所述每個(gè)工件分配至對(duì)應(yīng)的工廠中。

4、可選地，在本技術(shù)的一個(gè)實(shí)施例中，所述根據(jù)預(yù)設(shè)協(xié)同初始化策略生成所述跨組織機(jī)加車間調(diào)度模型對(duì)應(yīng)的第一父代種群和第二父代種群，包括：根據(jù)所述工廠向量、所述工序向量和所述機(jī)器向量計(jì)算所述機(jī)加車間生產(chǎn)場(chǎng)景對(duì)應(yīng)的總拖期和最大完工時(shí)間；隨機(jī)初始化多個(gè)目標(biāo)子種群，并通過(guò)預(yù)設(shè)的多個(gè)初始化策略中的任一初始化策略調(diào)整所述多個(gè)目標(biāo)子種群中的每個(gè)目標(biāo)子種群對(duì)應(yīng)的所述工廠向量、所述工序向量和所述機(jī)器向量；根據(jù)調(diào)整后的所述工廠向量、所述工序向量和所述機(jī)器向量合并所述多個(gè)目標(biāo)子種群，以得到所述第一父代種群和所述第二父代種群。

5、可選地，在本技術(shù)的一個(gè)實(shí)施例中，所述對(duì)所述第一父代種群執(zhí)行遺傳進(jìn)化搜索操作，以獲取所述第一父代種群的第一子代種群，包括：基于雙人錦標(biāo)賽算法，獲取所述第一父代種群對(duì)應(yīng)交配池，并通過(guò)所述第一父代種群中的每個(gè)個(gè)體隨機(jī)從所述交配池中選擇親本；根據(jù)基于工序的交叉策略和所述親本交換所述跨組織機(jī)加車間調(diào)度模型的工序加工順序，并利用一般交叉策略交換所述跨組織機(jī)加車間調(diào)度模型的機(jī)器選擇信息和工廠信息，以生成所述第一父代種群的第一子代種群。

6、可選地，在本技術(shù)的一個(gè)實(shí)施例中，所述預(yù)設(shè)數(shù)據(jù)驅(qū)動(dòng)的鄰域搜索策略，包括：查找所述跨組織機(jī)加車間調(diào)度模型中拖期最大的關(guān)鍵工件，并向前搜索滿足預(yù)設(shè)交貨期要求的第一目標(biāo)工件，交換所述關(guān)鍵工件和所述第一目標(biāo)工件的位置，或者，將所述關(guān)鍵工件向前插入至所述第一目標(biāo)工件前方位置處；或者，隨機(jī)選取所述跨組織機(jī)加車間調(diào)度模型中任一工件，并搜索滿足所述預(yù)設(shè)交貨期要求的第二目標(biāo)工件，且交換所述第二目標(biāo)工件和所述任一工件的位置；或者，根據(jù)所述最大完工時(shí)間查找所述跨組織機(jī)加車間調(diào)度模型的關(guān)鍵工廠和所述關(guān)鍵工廠對(duì)應(yīng)的關(guān)鍵路徑，同時(shí)隨機(jī)選取一個(gè)關(guān)鍵工序，并掃描所有機(jī)器的完工時(shí)間，得到滿足預(yù)設(shè)完工時(shí)間要求的目標(biāo)機(jī)器，以將所述關(guān)鍵工序插入至所述目標(biāo)機(jī)器中。

7、可選地，在本技術(shù)的一個(gè)實(shí)施例中，所述將所述一維張量輸入至預(yù)先訓(xùn)練的鄰域動(dòng)作推薦神經(jīng)網(wǎng)絡(luò)模型，以得到所述機(jī)加車間生產(chǎn)場(chǎng)景對(duì)應(yīng)的滿足預(yù)設(shè)要求的調(diào)度方案，包括：提取所述一維張量的當(dāng)前狀態(tài)，并將所述當(dāng)前狀態(tài)輸入至所述鄰域動(dòng)作推薦神經(jīng)網(wǎng)絡(luò)模型的評(píng)價(jià)網(wǎng)絡(luò)中，以獲取當(dāng)前狀態(tài)的q值，同時(shí)根據(jù)所述選擇的鄰域動(dòng)作確定當(dāng)前策略的q值；提取所述一維張量的下一個(gè)狀態(tài)，并將所述下一個(gè)狀態(tài)輸入至所述鄰域動(dòng)作推薦神經(jīng)網(wǎng)絡(luò)模型的目標(biāo)網(wǎng)絡(luò)中，以得到下一個(gè)狀態(tài)所有動(dòng)作的q值；基于所述下一個(gè)狀態(tài)所有動(dòng)作的q值，獲取所述下一個(gè)狀態(tài)所有動(dòng)作中最大q值，并根據(jù)所述最大q值、預(yù)設(shè)折扣因子和所述一維張量的獎(jiǎng)勵(lì)信息計(jì)算目標(biāo)值；根據(jù)所述當(dāng)前動(dòng)作的q值和所述目標(biāo)值計(jì)算所述鄰域動(dòng)作推薦神經(jīng)網(wǎng)絡(luò)模型的均方根誤差，并通過(guò)預(yù)設(shè)反向傳播算法優(yōu)化評(píng)價(jià)網(wǎng)絡(luò)參數(shù)，同時(shí)在目標(biāo)網(wǎng)絡(luò)參數(shù)滿足預(yù)設(shè)更新要求的情況下，利用優(yōu)化后的評(píng)價(jià)網(wǎng)絡(luò)參數(shù)更新所述目標(biāo)網(wǎng)絡(luò)參數(shù)；通過(guò)更新后的目標(biāo)網(wǎng)絡(luò)參數(shù)調(diào)節(jié)所述均方根誤差，并在所述均方根誤差滿足預(yù)設(shè)誤差條件的情況下，得到所述機(jī)加車間生產(chǎn)場(chǎng)景對(duì)應(yīng)的滿足預(yù)設(shè)要求的調(diào)度方案。

8、本技術(shù)第二方面實(shí)施例提供一種跨組織機(jī)加車間的數(shù)模雙驅(qū)智能調(diào)度裝置，包括：建模模塊，用于對(duì)實(shí)際的機(jī)加車間生產(chǎn)場(chǎng)景進(jìn)行建模，建立所述機(jī)加車間生產(chǎn)場(chǎng)景對(duì)應(yīng)的跨組織機(jī)加車間調(diào)度模型，并對(duì)所述跨組織機(jī)加車間調(diào)度模型進(jìn)行向量編碼，以得到所述跨組織機(jī)加車間調(diào)度模型對(duì)應(yīng)的工廠向量、工序向量和機(jī)器向量；數(shù)據(jù)驅(qū)動(dòng)模塊，用于根據(jù)預(yù)設(shè)協(xié)同初始化策略生成所述跨組織機(jī)加車間調(diào)度模型對(duì)應(yīng)的第一父代種群和第二父代種群，且對(duì)所述第一父代種群執(zhí)行遺傳進(jìn)化搜索操作，以獲取所述第一父代種群的第一子代種群，同時(shí)基于所述第二父代種群和預(yù)設(shè)數(shù)據(jù)驅(qū)動(dòng)的鄰域搜索策略，獲取第二子代種群，并記錄所述第二子代種群對(duì)應(yīng)的第一搜索知識(shí)；知識(shí)驅(qū)動(dòng)模塊，用于基于所述第一父代種群和所述第二子代種群，生成新的第一父代種群，同時(shí)根據(jù)所述第二父代種群和所述第一子代種群，得到新的第二父代種群，并對(duì)所述新的第一父代種群執(zhí)行多算子協(xié)同鄰域搜索操作，以獲取所述新的第一父代種群對(duì)應(yīng)的第二搜索知識(shí)；拼接模塊，用于根據(jù)所述第一搜索知識(shí)和所述第二搜索知識(shí)橫向拼接所述工廠向量、所述工序向量和所述機(jī)器向量得到一維張量，并將所述一維張量輸入至預(yù)先訓(xùn)練的鄰域動(dòng)作推薦神經(jīng)網(wǎng)絡(luò)模型，以得到所述機(jī)加車間生產(chǎn)場(chǎng)景對(duì)應(yīng)的滿足預(yù)設(shè)要求的調(diào)度方案。

9、可選地，在本技術(shù)的一個(gè)實(shí)施例中，所述數(shù)據(jù)驅(qū)動(dòng)模塊包括：第一初始化策略單元，用于利用所述跨組織機(jī)加車間調(diào)度模型中每個(gè)工件選擇加工時(shí)間最小的并行機(jī)；或者，第二初始化策略單元，用于累計(jì)所述每個(gè)工件在不同工廠的加工時(shí)間，得到所述每個(gè)工件對(duì)應(yīng)的累計(jì)值，并對(duì)所有工件的所述累計(jì)值進(jìn)行降序排列，生成累計(jì)值序列，以根據(jù)所述累計(jì)值序列將所述每個(gè)工件分配至對(duì)應(yīng)的工廠中；或者，第三初始化策略單元，用于所述每個(gè)工件選擇所有工廠中具有最小完工時(shí)間的并行機(jī)；或者，第四初始化策略單元，用于根據(jù)所述跨組織機(jī)加車間調(diào)度模型每個(gè)工序的交貨期，對(duì)所述每個(gè)工序進(jìn)行升序排列，得到工序序列，并基于所述工序序列和預(yù)設(shè)的工廠碼，將所述每個(gè)工件分配至對(duì)應(yīng)的工廠中。

10、可選地，在本技術(shù)的一個(gè)實(shí)施例中，所述數(shù)據(jù)驅(qū)動(dòng)模塊還包括：計(jì)算單元，用于根據(jù)所述工廠向量、所述工序向量和所述機(jī)器向量計(jì)算所述機(jī)加車間生產(chǎn)場(chǎng)景對(duì)應(yīng)的總拖期和最大完工時(shí)間；調(diào)整單元，用于隨機(jī)初始化多個(gè)目標(biāo)子種群，并通過(guò)預(yù)設(shè)的多個(gè)初始化策略中的任一初始化策略調(diào)整所述多個(gè)目標(biāo)子種群中的每個(gè)目標(biāo)子種群對(duì)應(yīng)的所述工廠向量、所述工序向量和所述機(jī)器向量；合并單元，用于根據(jù)調(diào)整后的所述工廠向量、所述工序向量和所述機(jī)器向量合并所述多個(gè)目標(biāo)子種群，以得到所述第一父代種群和所述第二父代種群。

11、可選地，在本技術(shù)的一個(gè)實(shí)施例中，所述數(shù)據(jù)驅(qū)動(dòng)模塊還包括：選擇單元，用于基于雙人錦標(biāo)賽算法，獲取所述第一父代種群對(duì)應(yīng)交配池，并通過(guò)所述第一父代種群中的每個(gè)個(gè)體隨機(jī)從所述交配池中選擇親本；交換單元，用于根據(jù)基于工序的交叉策略和所述親本交換所述跨組織機(jī)加車間調(diào)度模型的工序加工順序，并利用一般交叉策略交換所述跨組織機(jī)加車間調(diào)度模型的機(jī)器選擇信息和工廠信息，以生成所述第一父代種群的第一子代種群。

12、可選地，在本技術(shù)的一個(gè)實(shí)施例中，所述數(shù)據(jù)驅(qū)動(dòng)模塊還包括：第一鄰域搜索單元，用于查找所述跨組織機(jī)加車間調(diào)度模型中拖期最大的關(guān)鍵工件，并向前搜索滿足預(yù)設(shè)交貨期要求的第一目標(biāo)工件，交換所述關(guān)鍵工件和所述第一目標(biāo)工件的位置，或者，將所述關(guān)鍵工件向前插入至所述第一目標(biāo)工件前方位置處；或者，第二鄰域搜索單元，用于隨機(jī)選取所述跨組織機(jī)加車間調(diào)度模型中任一工件，并搜索滿足所述預(yù)設(shè)交貨期要求的第二目標(biāo)工件，且交換所述第二目標(biāo)工件和所述任一工件的位置；或者，第三鄰域搜索單元，用于根據(jù)所述最大完工時(shí)間查找所述跨組織機(jī)加車間調(diào)度模型的關(guān)鍵工廠和所述關(guān)鍵工廠對(duì)應(yīng)的關(guān)鍵路徑，同時(shí)隨機(jī)選取一個(gè)關(guān)鍵工序，并掃描所有機(jī)器的完工時(shí)間，得到滿足預(yù)設(shè)完工時(shí)間要求的目標(biāo)機(jī)器，以將所述關(guān)鍵工序插入至所述目標(biāo)機(jī)器中。

13、可選地，在本技術(shù)的一個(gè)實(shí)施例中，所述拼接模塊包括：第一提取單元，用于提取所述一維張量的當(dāng)前狀態(tài)，并將所述當(dāng)前狀態(tài)輸入至所述鄰域動(dòng)作推薦神經(jīng)網(wǎng)絡(luò)模型的評(píng)價(jià)網(wǎng)絡(luò)中，以獲取當(dāng)前狀態(tài)的q值，同時(shí)根據(jù)所述選擇的鄰域動(dòng)作確定當(dāng)前策略的q值；第二提取單元，用于提取所述一維張量的下一個(gè)狀態(tài)，并將所述下一個(gè)狀態(tài)輸入至所述鄰域動(dòng)作推薦神經(jīng)網(wǎng)絡(luò)模型的目標(biāo)網(wǎng)絡(luò)中，以得到下一個(gè)狀態(tài)所有動(dòng)作的q值；獲取單元，用于基于所述下一個(gè)狀態(tài)所有動(dòng)作的q值，獲取所述下一個(gè)狀態(tài)所有動(dòng)作中最大q值，并根據(jù)所述最大q值、預(yù)設(shè)折扣因子和所述一維張量的獎(jiǎng)勵(lì)信息計(jì)算目標(biāo)值；優(yōu)化單元，用于根據(jù)所述當(dāng)前動(dòng)作的q值和所述目標(biāo)值計(jì)算所述鄰域動(dòng)作推薦神經(jīng)網(wǎng)絡(luò)模型的均方根誤差，并通過(guò)預(yù)設(shè)反向傳播算法優(yōu)化評(píng)價(jià)網(wǎng)絡(luò)參數(shù)，同時(shí)在目標(biāo)網(wǎng)絡(luò)參數(shù)滿足預(yù)設(shè)更新要求的情況下，利用優(yōu)化后的評(píng)價(jià)網(wǎng)絡(luò)參數(shù)更新所述目標(biāo)網(wǎng)絡(luò)參數(shù)；調(diào)節(jié)單元，用于通過(guò)更新后的目標(biāo)網(wǎng)絡(luò)參數(shù)調(diào)節(jié)所述均方根誤差，并在所述均方根誤差滿足預(yù)設(shè)誤差條件的情況下，得到所述機(jī)加車間生產(chǎn)場(chǎng)景對(duì)應(yīng)的滿足預(yù)設(shè)要求的調(diào)度方案。

14、本技術(shù)第三方面實(shí)施例提供一種電子設(shè)備，包括：存儲(chǔ)器、處理器及存儲(chǔ)在所述存儲(chǔ)器上并可在所述處理器上運(yùn)行的計(jì)算機(jī)程序，所述處理器執(zhí)行所述程序，以實(shí)現(xiàn)如上述實(shí)施例所述的跨組織機(jī)加車間的數(shù)模雙驅(qū)智能調(diào)度方法。

15、本技術(shù)第四方面實(shí)施例提供一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)存儲(chǔ)計(jì)算機(jī)程序，該程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)如上的跨組織機(jī)加車間的數(shù)模雙驅(qū)智能調(diào)度方法。

16、由此，本技術(shù)的實(shí)施例具有以下有益效果：

17、本技術(shù)的實(shí)施例可通過(guò)對(duì)實(shí)際的機(jī)加車間生產(chǎn)場(chǎng)景進(jìn)行建模，建立機(jī)加車間生產(chǎn)場(chǎng)景對(duì)應(yīng)的跨組織機(jī)加車間調(diào)度模型，并對(duì)跨組織機(jī)加車間調(diào)度模型進(jìn)行向量編碼，以得到跨組織機(jī)加車間調(diào)度模型對(duì)應(yīng)的工廠向量、工序向量和機(jī)器向量；根據(jù)預(yù)設(shè)協(xié)同初始化策略生成跨組織機(jī)加車間調(diào)度模型對(duì)應(yīng)的第一父代種群和第二父代種群，且對(duì)第一父代種群執(zhí)行遺傳進(jìn)化搜索操作，以獲取第一父代種群的第一子代種群，同時(shí)基于第二父代種群和預(yù)設(shè)數(shù)據(jù)驅(qū)動(dòng)的鄰域搜索策略，獲取第二子代種群，并記錄第二子代種群對(duì)應(yīng)的第一搜索知識(shí)；基于第一父代種群和第二子代種群，生成新的第一父代種群，同時(shí)根據(jù)第二父代種群和第一子代種群，得到新的第二父代種群，并對(duì)新的第一父代種群執(zhí)行多算子協(xié)同鄰域搜索操作，以獲取新的第一父代種群對(duì)應(yīng)的第二搜索知識(shí)；根據(jù)第一搜索知識(shí)和第二搜索知識(shí)橫向拼接工廠向量、工序向量和機(jī)器向量得到一維張量，并將一維張量輸入至預(yù)先訓(xùn)練的鄰域動(dòng)作推薦神經(jīng)網(wǎng)絡(luò)模型，以得到機(jī)加車間生產(chǎn)場(chǎng)景對(duì)應(yīng)的滿足預(yù)設(shè)要求的調(diào)度方案。本技術(shù)通過(guò)考慮各類資源配置和約束條件，將實(shí)際機(jī)加車間的生產(chǎn)場(chǎng)景建模為跨組織機(jī)加車間調(diào)度問(wèn)題，從而從資源優(yōu)化的角度提升航空產(chǎn)品在機(jī)加工車間的制造產(chǎn)能，提高了資源分組復(fù)雜機(jī)加工車間調(diào)度問(wèn)題的求解效率，降低了航空產(chǎn)品的制造成本。由此，解決了現(xiàn)有的跨組織車間調(diào)度方法難以在實(shí)現(xiàn)快速高效搜索的同時(shí)，記錄歷史搜索經(jīng)驗(yàn)，對(duì)資源分組復(fù)雜機(jī)加工車間調(diào)度問(wèn)題的求解效率低下等問(wèn)題。

18、本技術(shù)附加的方面和優(yōu)點(diǎn)將在下面的描述中部分給出，部分將從下面的描述中變得明顯，或通過(guò)本技術(shù)的實(shí)踐了解到。