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！

龙图腾网获悉青岛科技大学申请的专利橡胶轮胎生产车间含多腔硫化约束的柔性同机并行批优化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：CN121303473B 。

龙图腾网通过国家知识产权局官网在2026-03-13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：202511860465.9，技术领域涉及：G06Q10/04；该发明授权橡胶轮胎生产车间含多腔硫化约束的柔性同机并行批优化调度方法是由李少远;林雪;王婷婷;尹凯丽设计研发完成，并于2025-12-11向国家知识产权局提交的专利申请。

本橡胶轮胎生产车间含多腔硫化约束的柔性同机并行批优化调度方法在说明书摘要公布了：本发明公开了一种橡胶轮胎生产车间含多腔硫化约束的柔性同机并行批优化调度方法，具体为：获取橡胶轮胎生产车间的基础数据，建立含多腔硫化约束的柔性作业车间调度模型；对客户订单集合进行解析，生成订单‑任务‑批次数据；构建调度数据结构，对每一个候选调度方案在多项约束条件下进行解码，生成对应的可行调度方案并评价，执行迭代优化，生成新的候选调度方案并评价；当满足预设终止条件时，取值最优的作为最优调度方案。本发明的有益效果是：本发明能够在多腔硫化约束下显著降低橡胶轮胎生产车间的最大完工时间，提升设备利用率和订单按期交付率，并在订单结构、批量需求和设备负载变化时保持较好的鲁棒性和适应性。

本发明授权橡胶轮胎生产车间含多腔硫化约束的柔性同机并行批优化调度方法在权利要求书中公布了：1.橡胶轮胎生产车间含多腔硫化约束的柔性同机并行批优化调度方法，其特征在于，所述优化调度方法为： 步骤S1：获取橡胶轮胎生产车间的基础数据，基于所述基础数据建立含多腔硫化约束的柔性作业车间调度模型，得到用于描述工件工序优先关系、设备能力约束及批处理约束的车间模型数据； 步骤S2：根据步骤S1获取的基础数据中客户订单集合和车间模型数据，对所述客户订单集合进行解析，将各订单转换为一个或多个对应的生产任务，并在考虑多腔硫化设备的腔室容量参数和各工件可允许批量的基础上，对所述生产任务进行批次划分，生成包含订单、生产任务及其批次关系的订单-任务-批次数据； 步骤S3：基于步骤S2得到的订单-任务-批次数据以及步骤S1的车间模型数据，构建用于表示候选调度方案的调度数据结构，按照预设规则生成多个候选调度方案，形成候选调度方案集合；所述调度数据结构用于表征各批次在各工序上的加工顺序及在不同设备上的分配方式；所述调度数据结构采用双层编码结构，包括子批调度分配编码和工序排序编码； 步骤S4：对步骤S3获得的所述候选调度方案集合中的每一个候选调度方案，在满足步骤S1中所述车间模型数据中的工艺路线约束、多腔硫化约束和批处理约束的前提下进行解码，确定各批次在各工序上的开始时间、完成时间及其分配的具体设备，生成对应的可行调度方案，并根据步骤S1中设置的预设目标函数对所述可行调度方案进行评价，得到各可行调度方案的评价结果； 步骤S5：基于步骤S4中各可行调度方案的评价结果，对步骤S3形成的所述候选调度方案集合执行迭代优化过程，按照预设的更新规则对所述候选调度方案进行选择和调整，生成新的候选调度方案并返回步骤S4进行评价；当满足预设终止条件时，依据所述评价结果选取目标函数取值最优的可行调度方案作为最优调度方案； 所述步骤S1中的基础数据包括车间内各工序的工艺路线信息、各类生产设备及其中多腔硫化设备的运行参数、以及客户订单集合；其中： 所述工艺路线信息至少包括各类工件在原材料准备、密炼、挤出、压延裁断、成型和硫化工序上的加工顺序及各工序对应的工艺参数； 所述各类生产设备及其中多腔硫化设备的运行参数至少包括设备可执行工序、单位时间加工能力、计划可用时间以及所述多腔硫化设备的腔室数量和每一腔室的容量参数； 所述客户订单集合中每一订单的工件类型和需求数量与所述工艺路线信息中对应工件的工艺路线一一对应； 所述含多腔硫化约束的柔性作业车间调度模型，采用带批处理和多腔硫化约束的柔性作业车间调度模型，以车间内所有工件的最大完工时间为优化目标，并在该优化目标下设置工件工序优化约束、设备能力约束以及批处理约束； 所述步骤S5中的迭代优化过程采用多层自适应选择机制，在每一次迭代中包括以下步骤： 1计算适应度方差并判定进化阶段： 对步骤S4得到的可行调度方案构成的种群进行适应度统计，利用各可行调度方案的适应度值fi为基础，计算种群平均适应度及适应度方差，其中适应度方差计算公式为： 其中，Ps为种群规模，fi为第i个个体的适应度，为种群平均适应度； 2计算多样性度量： 在当前种群上，以适应度轴的给定划分宽度为基础，对每一个个体的适应度计算适应度密度函数，计算公式为： 其中，为指示函数，为预设的适应度窗口宽度； 将适应度轴划分为个区间，对第i个区间内个体占比计为，计算信息熵H： 对任意两条候选调度方案的基因型序列、计算编辑距离，并基于最大编辑距离构造相似性矩阵，相似性矩阵计算公式如下： 其中，为将序列所需的最小编辑操作次数，为当前种群内任意两个个体之间的最大编辑距离； 3构造动态选择压力函数： 依赖当前迭代次数为t，总迭代次数T获取当前迭代的选择压力函数值： 其中，和分别为预设的最小和最大选择压力参数，当t接近0时以增强全局搜索能力，当t接近T时接近以加快收敛； 4基于多层自适应规则执行分层选择： 利用步骤2得到的适应度密度函数、信息熵H和相似性矩阵对种群进行统计，将种群划分为精英层、优良层、普通层和待改进层；在此基础上结合步骤3得到的选择压力函数，按约30%的精英保留比例、约30%的基于多样性度量的选择比例以及约40%的自适应竞赛选择比例，对候选调度方案执行分层选择，得到新的候选调度方案集合，用于下一次迭代中步骤S4的评价； 并且，所述步骤S5中的迭代优化过程在更新候选调度方案集合时，对步骤S3构建的双层编码结构分别采用交叉算子和变异算子进行扰动，其中，所述交叉算子针对子批调度分配编码，按照预设的交叉位置从两个父代染色体中重组对应生产任务的批次划分方案，将父代一在交叉区间内的批次信息按原顺序保留，父代二中剩余批次按其在父代中的相对顺序依次填入空缺位置，并对重组后的批次序列进行工序链完整性检查，在不满足同一轮胎批次连续性约束时重新执行交叉操作；所述变异算子在满足工艺路线约束和设备能力约束的前提下，对子批调度分配编码和工序排序编码进行邻域扰动，包括随机选取目标子批或工序编码，并通过位置交换、插入或局部重排的方式改变其在染色体中的排列顺序，以生成新的候选调度方案。

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青岛科技大学，其通讯地址为：266061 山东省青岛市崂山区松岭路99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。