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！

龙图腾网获悉江苏杰瑞科技集团有限责任公司;江苏杰瑞信息科技有限公司;中国船舶重工集团公司第七一六研究所;中船重工信息科技有限公司申请的专利基于改进交叉熵算法的多目标柔性作业车间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：CN114936739B 。

龙图腾网通过国家知识产权局官网在2026-03-31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：202210366703.0，技术领域涉及：G06Q10/0631；该发明授权基于改进交叉熵算法的多目标柔性作业车间调度方法是由刘鑫宇;张贝贝;徐鹏;朱彤;徐炜翔;全先江;孟凡文;江浩设计研发完成，并于2022-04-08向国家知识产权局提交的专利申请。

本基于改进交叉熵算法的多目标柔性作业车间调度方法在说明书摘要公布了：本发明针对现阶段求解多目标柔性作业车间调度问题存在的问题，提出了一种基于改进交叉熵算法的多目标柔性作业车间调度方法，包括步骤：初始化迭代次数M和策略切换阈值n_switch，初始化种群P、工序概率分布矩阵、机器概率分布矩阵与外部记忆库E，根据工序搜索算子与机器搜索算子得到新种群，对于具有相同目标向量的个体使用突变算子进行去重，采用基于SPEA2的环境选择算子筛选优良个体，采用种群P更新外部记忆库E；采用层次化多目标邻域搜索对种群P与外部记忆库E进行搜索优化，迭代M次；对外部记忆库E使用非支配排序得到最终的非支配解集。本发明可有效求解相关非支配解集，同时具有较好的多样性与收敛性。

本发明授权基于改进交叉熵算法的多目标柔性作业车间调度方法在权利要求书中公布了：1.一种基于改进交叉熵算法的多目标柔性作业车间调度方法，其特征在于，包括： 步骤1，初始化迭代次数M和策略切换阈值n_switch，初始化种群P、车间工序概率分布矩阵S、车间机器概率分布矩阵Q与外部记忆库E，采用交叉熵算法搜索，根据车间工序搜索算子与车间机器搜索算子得到新种群H，对于具有相同目标向量的个体使用突变算子进行去重，采用基于SPEA2的环境选择算子筛选优良个体，采用种群P更新外部记忆库E； 步骤2，采用层次化多目标邻域搜索对种群P与外部记忆库E进行搜索优化，迭代M次； 步骤3，对外部记忆库E使用非支配排序得到最终的非支配解集； 所述车间工序概率分布矩阵S、车间机器概率分布矩阵Q的初始化为： 另S∈RN×N为用于生成车间工序向量的车间工序概率分布矩阵，Q∈RN×M为用于生成车间机器向量的车间机器概率分布矩阵，其中N为总车间工序数，M为总车间机器数，则S[x,y]表示车间工序向量的第x个位置分配车间工序y的概率，在初始状态下令S[x,y]＝1N，Q[x,u]表示车间机器向量的第x个位置分配车间机器u的概率，其中my表示可以加工车间工序y的车间机器数，初始状态为： 所述外部记忆库E初始化为空集； 所述根据车间工序搜索算子得到新种群具体包括步骤： 判断m与n是否相同，如果相同则随机交换两道不属于同一任务的车间工序得到新个体并直接返回； 设当前任务数为N，对N个任务进行编号，从其中随机选择若干个任务到集合u，定义v为集合u的补集，如果选择的任务数为0或者等于N，则重新进行选择； 子代p个体中属于集合u中的车间工序从父代个体m中依次拷贝到对应位置，剩余属于集合v中的车间工序则依次从父代个体n中依次拷贝到对应位置； 相反的，子代q个体中属于集合u中的车间工序从父代个体n中依次拷贝到对应位置，剩余属于集合v中的车间工序则依次从父代个体m中依次拷贝到对应位置； 所述根据车间机器搜索算子得到新种群具体包括步骤： 设当前车间工序数为N，从N道车间工序中，随机选择k道组成集合u，如果集合u中元素的个数为0或者等于N，则重新进行选择； 将父代个体m和n中属于集合u中的车间工序，对其分配的车间机器进行交换得到后代个体p、q； 所述采用种群P更新外部记忆库E具体包括： 将种群P每一个优良个体与外部记忆库中的每一个个体的目标函数向量进行比较； 如果支配外部记忆库中的个体则替换； 如果二者的目标函数向量相同，则计算车间机器向量的海明距离，如果为0则使用变异策略直到含有不同的目标函数值并查看是否有可替换的个体；否则继续向后比较； 所述步骤2具体包括： 步骤2-1，根据变量flag选择进化策略：通过采样车间工序矩阵S与车间机器矩阵Q或者使用动态交叉算子，得到新种群H；基于动态交叉概率的方式产生后代个体，设当前迭代次数为Iteration，总共迭代次数为Total_Iteration，则对应的交叉概率为Pc＝1-IterationTotal_Iteration，表示当前从记忆库和种群各选择一个个体进行交叉的概率为Pc，均从当前种群选择个体进行交叉的概率为1-Pc； 步骤2-2，使用层次化多目标邻域搜索策略对H进行局部搜索得到新个体K； 步骤2-3，更新P←P∪H∪K，并使用突变算子去除重复个体； 步骤2-4，更新P←对P使用基于SPEA2的环境选择算子筛选优良个体； 步骤2-5，更新E’←使用层次化多目标邻域搜索策略对E进行局部搜索； 步骤2-6，更新E←E’∪E，并使用突变算子去除重复个体； 步骤2-7，更新E←对E使用基于SPEA2的环境选择算子筛选优良个体； 步骤2-8，更新E←使用P更新外部记忆库E； 步骤2-9，更新S、Q←根据flag使用外部记忆库更新概率矩阵； 步骤2-10，更新变量flag←如果持续策略切换阈值n_switch代没有更新外部记忆库则切换进化策略； 所述层次化多目标邻域搜索策略包括面向多目标的搜索策略与层次化搜索策略，所述面向多目标的搜索策略包括： 首先对调度解G，定义ψG＝{co1,co2,...,con}为当前所有关键车间工序组成的集合，定义πG＝{coi→Mk|i＝1,2,...,n}为所有邻域动作组成的集合，称为动作集，其中每一个邻域动作由车间工序与车间目标机器两个元素组成，其表示将关键车间工序重新分配到另一台车间机器上，其中n表示关键车间工序的个数，Mk表示车间目标机器，对分别用车间机器总负载变化量Δt与最大车间机器负载Δc来表示，定义分别如下式所示： 其中，m*表示车间目标机器，m表示源车间机器，表示车间机器m*加工该车间工序所需的时间，tco,m表示车间机器m所需的加工时间，表示m*的总负载； 进行基于资源切换的邻域搜索； 对当前调度解G所对应的所有动作，分别对Δt与Δc进行非降序排序，使得在最晚完工时间可能改进的条件下，优先考虑具有更小Δt，其次考虑Δc； 对排序完毕后得到的动作集πG依次使用基于资源切换的邻域搜索，如果找到一个可行的动作，则结束搜索；否则，使用基于关键车间工序的邻域搜索，在找到一个可行动作后结束搜索； 所述层次化搜索策略具体为：采用面向多目标的搜索策略对跨车间机器的空闲时间进行优化，基于空闲时间的邻域搜索，在空闲时间优化结果的基础上，对当前车间工序的加工顺序进行进优化，并采集一种随机生成权重向量的聚合函数方式来完成新解替换旧解：随机产生权重向量λ，如果新解的目标向量与λ的点积小于旧解与λ的点积，则替换；否则不替换。

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江苏杰瑞科技集团有限责任公司;江苏杰瑞信息科技有限公司;中国船舶重工集团公司第七一六研究所;中船重工信息科技有限公司，其通讯地址为：222061 江苏省连云港市海州区圣湖路18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。