买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉合肥工业大学申请的专利考虑工序不确定性的高端装备试制与试验协同调度方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114881446B 。

龙图腾网通过国家知识产权局官网在2025-07-11发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210466556.4，技术领域涉及：G06Q10/0631；该发明授权考虑工序不确定性的高端装备试制与试验协同调度方法是由裴军;陈翔;周娅;严平设计研发完成，并于2022-04-29向国家知识产权局提交的专利申请。

本考虑工序不确定性的高端装备试制与试验协同调度方法在说明书摘要公布了：本发明提供一种考虑工序不确定性的高端装备试制与试验协同调度方法，涉及任务调度技术领域。本发明考虑的试验的计划完成时间是一个时间区间，即工序时间不确定的。在工序时间不确定的情形下，对高端装备试制与试验过程进行协同调度，并将零件工艺要求和零件的加工顺序进行综合考虑，动态且准确地求得问题的近似最优解，能够在考虑工序不确定的情形下，有力地对高端装备试制和试验两个阶段的资源进行协同优化与配置，从而最大限度地降低试制与试验过程的投入成本，提升高端装备企业的资源利用效率和协作效率。

本发明授权考虑工序不确定性的高端装备试制与试验协同调度方法在权利要求书中公布了：1.一种考虑工序不确定性的高端装备试制与试验协同调度方法，其特征在于，包括： S1、根据高端装备试制过程中零件数据、工厂数据、试验过程中的任务数据以及试验过程中技术人员数据设置基于邻域搜索的混合遗传算法的输入参数，其中，输入参数包括：试验的计划完成时间区间et，每种零件的制造工艺C＝{c1,c2,…,cs}；零件的首件加工周期及后续加工周期di； S2、根据所述输入参数与基于邻域搜索的混合遗传算法，获取全局最优解，根据所述全局最优解获得试制阶段分配到各个工厂中的零件集合、零件在工厂内的加工顺序、后续试验任务的执行顺序，并对各项试验任务指派技术人员； 其中，所述根据所述输入参数与基于邻域搜索的混合遗传算法，获取全局最优解，包括： S21、设置基于邻域搜索的混合遗传算法的执行参数； S22、生成初始种群，初始种群中的个体由两阶段编码PS-FS和TS-PN表示，对所述两阶段编码进行解码获得个体的适应度值，得到并记录当前最优解； S23、基于种群中各个体的适应度值，采用轮盘赌方式执行选择操作； S24、基于交叉概率对S23所选择出来的种群个体执行交叉操作，获得与初始种群规模相同的新种群； S25、对当前种群中的个体进行解码，得到各个体的适应度值Cmax，将其中最好的个体记为π，基于轮盘赌方式选择一种邻域结构NSk，根据该邻域结构NSk生成π的一个邻域解π'；考虑到高端装备试制与试验过程的复杂性以及约束关系的要求，为使得每次变换产生的解都是可行解，设计了以下6种邻域结构： 邻域结构1：定义变量a、b，在区间中随机产生两个整数，赋值给a、b，其中，ab；将序列PS和FS中在位置a和位置b之间的编码进行倒序处理；在区间[1,k]中随机产生两个整数，将这两个整数值赋值给变量a、b，使得ab，将序列PN在位置a、b之间的编码进行倒序处理； 邻域结构2：定义变量a、b，在区间中随机产生两个整数，赋值给a、b，其中，ab；将序列PS和FS中位置a左侧和位置b右侧的编码互换；在区间[1,k]中随机产生两个整数，将这两个整数值赋值给变量a、b，使得ab，互换序列PN中位置a左侧和位置b右侧的编码； 邻域结构3：定义变量a、b，从PS中任意选取两个制造工艺相同的零件编码，将编码位置赋值给变量a、b，使得ab，将序列FS中处于位置a和位置b的编码互换；在区间[1,k]中随机产生两个整数，赋值给a、b，其中ab，将PN中位置a和位置b的编码进行互换； 邻域结构4：定义变量a、b，从PS中任意选取两个制造工艺相同的零件编码，将编码位置赋值给变量a、b，使得ab，将序列PS中处于位置a和位置b的编码互换；在区间[1,k]中随机产生两个整数，赋值给a、b，其中ab，将PN中位置a和位置b的编码进行互换； 邻域结构5：定义变量a、b、c，在区间中随机产生三个不相同的整数值，赋值给变量a、b、c，使得abc，将序列PS和FS中位置a左侧和a、b之间的编码互换，将位置c右侧和b、c之间的编码互换；在区间[1,k]中随机产生三个不相同的整数值，赋值给a、b、c，其中，abc，将序列PN中位置a左侧和a、b之间的编码互换，将位置c右侧和b、c之间的编码互换； 邻域结构6：定义变量a、b、c，在区间中随机产生三个不相同的整数值，赋值给变量a、b、c，使得abc，将序列PS和FS中位置a、b和b、c之间的编码互换，将a左侧以及c右侧的编码分别进行倒序处理；在区间[1,k]中随机产生三个不相同的整数值，赋值给a、b、c，其中，abc，将序列PN中位置a、b和b、c之间的编码互换，将a左侧以及c右侧的编码分别进行倒序处理； S26、使用邻域结构NSK对解π'进行局部搜索，获得局部最优解π”，将局部最优解π”与变邻域搜索算法最优解π进行比较，若π”优于π，则让π＝π”，同时记录该邻域结构搜索到局部最优解的成功次数，否则，增加该邻域结构搜索到局部最优解的失败次数，更新邻域结构NSK的选择概率，判断gen2≤Gen2是否成立，若是，则将gen2+1赋值给gen2，返回步骤S25，否则执行步骤S27； S27、将变邻域搜索算法的最优解π与初始种群X0中的最差个体进行比较，若π优于最差初始种群中的最差个体，则用π替换该解，并将π与全局最优解πbest进行比较，若π优于πbest，则让πbest＝π； S28、判断gen1≤Gen1是否成立，若是，则将gen1+1赋值给gen1，并将更新后的种群作为下次迭代的输入，返回步骤S23，否则，输出全局最优解πbest； 所述生成初始种群，计算每个个体的适应度值，得到并记录当前最优解，包括： 基于遗传和变邻域搜索混合算法，对所述高端装备试制过程中的零件和工厂数据以及试验过程中的任务和技术人员数据进行编码，获得由PopSize个初始解构成的初始种群X0，X0中的每个解均由PS-FS和TS-PN两个序列组合构成，其中PS-FS编码表示试制阶段零件与工厂对应关系与先后顺序，TS-PN表示试验阶段的试验任务与技术人员的指派顺序；对初始种群中的每个初始解进行解码，获得种群个体的适应度值Cmax，该值代表试制与试验过程的总时间跨度；将其中最好的个体记为当前的全局最优解πbest，并设定混合优化算法初始迭代次数gen1＝1，设定变邻域搜索的初始迭代次数gen2＝1。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人合肥工业大学，其通讯地址为：230009 安徽省合肥市包河区屯溪路193号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。