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！

龙图腾网获悉北京理工大学申请的专利基于离散粒子群算法的异构伯努利流水线任务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：CN116719281B 。

龙图腾网通过国家知识产权局官网在2025-12-12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：202310644588.3，技术领域涉及：G05B19/418；该发明授权基于离散粒子群算法的异构伯努利流水线任务调度方法是由石家伟;贾之阳;左冠中;王钢设计研发完成，并于2023-06-02向国家知识产权局提交的专利申请。

本基于离散粒子群算法的异构伯努利流水线任务调度方法在说明书摘要公布了：本发明公开的基于离散粒子群算法的异构伯努利流水线任务调度方法，属于生产线任务调度领域。本发明实现方法为：对具有有限缓冲区的异构伯努利机器流水线制造系统进行建模，实现对多伯努利机器流水线生产有限工件的暂态分析。通过构建三组辅助生产线的方式，保证在高精度的前提下降低马尔科夫方法中状态转移矩阵所需计算的状态空间维数，提高计算效率。基于异构流水线模型，通过周期映射系数以实现对真实异构生产线的加工时间计算，定义生产系统中所有生产线的最大完工时间为系统完工时间。通过将粒子向全局最优情况的靠拢实现在当前全局最优解的周围搜索更优的解，实现对最小化系统完工时间的任务调度方案的搜索优化。

本发明授权基于离散粒子群算法的异构伯努利流水线任务调度方法在权利要求书中公布了：1.基于离散粒子群算法的异构伯努利流水线任务调度方法，其特征在于：包括如下步骤， 步骤1：对具有有限缓冲区的异构伯努利机器流水线制造系统进行系统建模；所述系统为具有不定数量的有限缓冲区和伯努利机器依次串行而成的柔性生产线，单条生产线的结构为每两个连续的生产机器间拥有一个有限容量的缓冲区，末端机器后无缓冲区，默认为无限容量；所述系统建模包括确定系统结构、系统参数、系统状态、生产顺序；所述系统参数包括异构生产系统结构、系统加工周期与周期映射系数、伯努利机器可靠性模型、有限缓冲区参数；系统状态包括伯努利机器饥饿状态、伯努利机器阻塞状态、系统运行状态；通过分配工件到各流水线并确定先后加工顺序，计算各流水线所需的加工周期期望； 步骤2：根据工件在生产线的暂态加工过程，每一周期内机器已加工数量均以概率分布形式表示，机器与生产线的运行状态也以概率分布形式体现；通过定义机器加工周期确定机器实时运行状态，定义加工结束周期与完工时间确定生产线结束运行状态； 步骤3：对于单条生产线，构建由Ml个机器组成的辅助生产线1，其中辅助生产线1的工件供给数为无限，但各机器的期望生产效率根据有限的加工任务进行动态调整；通过在生产任务无限的辅助生产线1上计算有限生产任务所需的加工完成时间期望，等价于直接计算有限生产任务在原生产线模型上的加工完成时间期望； 步骤4：为实现步骤3中的辅助生产线1的生产过程的相关参数计算，进一步对辅助生产线1进行分解，分解为Ml个单机生产线，称为辅助生产线2，和Ml-1个双机生产线，称为辅助生产线3；其中辅助生产线2中伯努利机器效率为其生产有限数量的工件，用于计算单个机器的加工完成状态；辅助生产线3中伯努利机器的效率为和其生产无限数量的工件，用于计算缓冲区的状态； 步骤5：根据步骤4所述的辅助生产线2、辅助生产线3，使用马尔可夫方法计算所述辅助生产线2和辅助生产线3的参数；通过马尔可夫状态转移矩阵确认机器加工完成的工件数量与缓冲区内暂存工件数量随周期增长的状态变化，依据两种状态变化迭代更新两条生产线的参数，所述参数包括辅助生产线2中伯努利机器的效率和辅助生产线3中伯努利机器的效率和 步骤6：基于步骤5得到的辅助生产线3中的伯努利机器效率和概率计算第l条生产线结束加工的周期CTl； 步骤7：为实现对异构流水线加工效率的提升，以步骤6所构建的生产线加工结束指标CTl为优化目标，构建异构伯努利机器流水线任务调度优化问题； 步骤8：根据步骤7所构建的异构伯努利机器流水线任务调度优化问题，需要确定的任务内容为并行生产线间工件分配与单条生产线内加工顺序安排，属于离散变量问题；因此，基于离散粒子群算法，使用两种子粒子分别代表所有生产线工件总加工顺序与各生产线加工数量，在解集空间进行搜索以寻找最优组合达成降低生产系统整体完工时间的优化目标； 步骤9：开始进行粒子群算法迭代更新；令当前迭代次数为t,迭代终止次数为G； 步骤10：对种群中的每一个x1根据个体历史最优x1pt-1更新其当前位置，即将当前的加工顺序向该粒子历史整体加工时间最短的情况下的加工顺序靠拢；对种群中的每一个x2根据个体历史最优x2pt-1更新其当前位置，即将当前的各生产线加工数向该粒子历史整体加工时间最短的情况下的各生产线加工数靠拢；通过将粒子向个体历史最优情况靠拢实现在次优解周围搜索更优的解； 步骤11：对种群中的每一个x'1t根据全局历史最优x1gt-1更新其当前位置，即将当前的加工顺序向全局历史整体加工时间最短的情况下的加工顺序靠拢；对种群中的每一个x'2t根据个体历史最优x2gt-1更新其当前位置，即将当前的各生产线加工数向全局历史整体加工时间最短的情况下的各生产线加工数靠拢；通过将粒子向全局最优情况的靠拢实现在当前全局最优解的周围搜索更优的解； 步骤12：比较当前各粒子对应的任务分配的整体完工时间值，选取完工时间小的组合更新x1与x2的个体历史最优解pbest与全局最优解gbest对应的生产线加工顺序与各工厂加工数量； 步骤13：检查是否满足t＝G；若不满足，则t＝t+1返回步骤9继续计算；若满足终止条件则结束离散粒子群算法，输出离散粒子群算法的全局最优整体完工时间的优化迭代图，最终全局最优情况下的任务调度结果。

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北京理工大学，其通讯地址为：100081 北京市海淀区中关村南大街5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”。

以上内容由龙图腾AI智能生成。