(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111565494.4 (22)申请日 2021.12.20 (71)申请人 中国海洋大学 地址 266000 山东省青岛市崂山区松岭路 238号 (72)发明人 宫会丽　侯瑞春　于树松　丁香乾　 (74)专利代理 机构 青岛联智专利商标事务所有 限公司 37101 专利代理师 张福华 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 30/02(2012.01) G06Q 50/04(2012.01) G06N 3/00(2006.01) (54)发明名称 一种面向多工序混合 生产的联合优化方法 (57)摘要 本发明公开一种面向多工序混合生产的联 合优化方法， 包括以下步骤； 选取对轮胎制造全 流程优化目标起关键作用的操作变量为全流程 优化算法模型的决策变量， 获得约束条件； 针对 橡胶轮胎生产过程， 构建全流程优化算法模型； 对全流程优化算法模型的所述决策变量的参数 进行优化， 并迭代更新至收敛于全局最优解； 通 过已有未用数据验证全流程优化算法模型在混 合生产中的生产能耗和经济效益。 本发明提供一 种多工序联合优化方法， 通过建造多工序全流程 优化算法模型及根据已有产品的质量标准及操 作变量得出新产品的质量标准及操作变量， 保证 产品质量及经济效益 最优。 权利要求书3页 说明书10页 附图1页 CN 114707686 A 2022.07.05 CN 114707686 A 1.一种面向多工序混合 生产的联合优化方法， 其特 征在于， 包括以下步骤： 步骤S101： 选取对轮胎制造全流程优化目标起关键作用的操作变量为全流程优化算法 模型的决策变量， 获得约束条件； 步骤S102： 针对橡胶轮胎生产过程， 构建所述全流 程优化算法模型； 步骤S103： 对全流程优化算法模型的所述决策变量的参数进行优化， 并迭代更新至收 敛于全局最优解； 步骤S104： 通过已有未用数据验证所述全流程优化算法模型在混合生产中的生产能耗 和经济效益。 2.根据权利要求1所述的面向多工序混合 生产的联合优化方法， 其特 征在于， 所述全流 程优化算法模型为： 其中， fi为第i个工序的模型， 为状态向量， Ni为状态向量的维 数， ui为第i个工序的所述操作向量， zi为第i个工序的关联向量， Aij为第i个工序和第j个工 序的关联矩阵， 它是一个Nj×Nj方阵。 3.根据权利要求2所述的面向多工序混合 生产的联合优化方法， 其特 征在于， 为第j个工序的第k个状态变量对第i个工序的影 响因子， 为0或者 1； 无影响为0， 有影响为1。 4.根据权利要求3所述的面向多工序混合 生产的联合优化方法， 其特 征在于， 目标函数为： maxJ＝P(u) ‑C(u) 其中， J为全流 程综合生产指标； P为收益； C为 生产成本； u为所述决策变量； u＝[u1T,u2T,…,unT]T。 5.根据权利要求 4所述的面向多工序混合 生产的联合优化方法， 其特 征在于， 所述约束条件为： xi＝fi(ui,zi) ui,min≤ui≤ui,max,i＝1,2,,3…,n zi,min≤zi≤zi,max,i＝1,2,,3…,n‑1 其中， 向量xi,min和xi,max为工序质量指标取值范 围； 向量ui,min和ui,max为第i个工序操作 变量取值范围的上限和下限； 向量zi,min和zi,max为第i个工序关联变量的上限和下限。权　利　要　求　书 1/3 页 2 CN 114707686 A 26.根据权利要求1至5任一项所述的面向多工序混合生产的联合优化方法， 其特征在 于， 采用麻雀搜索算法对 全流程优化算法模型的所述决策变量进行优化。 7.根据权利要求6所述的面向多工序混合 生产的联合优化方法， 其特 征在于， 将各道所述工序上的所述决策变量u通过麻雀搜索算法生成种群位置矩阵C的的初始 值； 工序数为 n； 所述种群位置矩阵C为 n维矩阵， 并计算各位置点处的适应度值， 获得适应度矩阵F(C)， 8.根据权利要求7所述的面向多工序混合生产的联合优化方法， 其特征在于， 设定所述 麻雀搜索算法种群进化的次数E， 将种群划分为加入者、 发现者、 侦察者三个群体； 运用惩罚 函数的约束处 理策略， 通过对不可 行的解施加某种惩罚， 使得全流 程逐渐收敛。 9.根据权利要求8所述的一种面向多工序混合生产的联合优化方法， 其特征在于， 所述 观察者为种群提供食物资源信息， 引导种群觅食方向， 每一轮种群进化过程中位置变化 为： t代表当前迭代次数， ci,j表示第i只麻雀在第j维中的位置； R2(R2∈[0,1])和ST(ST∈ [0.5,1])分别表示预警值和安全值， 即每道所述工序的生产参数的阈值范围； R2≥ST表示 位置安全能够 进行搜索， 反之发出预警并离开当前位置； E max是一个 常数， 表示最大的迭代 次数； Q是服从正态分布的随机数； L表示 一个1×d的矩阵， 其中该矩阵内每 个元素全部为1； 所述加入者通过侦听所述发现者的位置信息更新觅食方向， 争夺优质资源， 所述加入 者位置更新如下： cp是所述发现者所处的局部最优位置， cworst表示全局最差的位置。 A表示一个1 ×d的矩 阵， 其中每个元素随机赋值为1或 ‑1， 并且A+＝AT(AAT) ‑1； 当 时， 表明第i个所述加入 者仍没有获得食物且适应度较低， 需找寻 其他位置获得食物资源；权　利　要　求　书 2/3 页 3 CN 114707686 A 3