基于群智能体学习的特种铝合金生产调度建模与优化

The modeling and optimization for production scheduling with objective variety, process dynamic and uncertainty has been the problems that non-ferrous metal industry tries hard to solve nowadays. To establish the cognitive structure between crowd agent behaviors and complex manufacturing process using the idea of biological learning psychology and the interaction mechanism between crowd agent and environment, and then to explore new approaches for scheduling and optimization in manufacturing process of non-ferrous metal, are effective ways to solve this problem. The project will research on the dynamics that drive crowd agent learning behaviors and scheduling modeling approaches of complex manufacturing process in special aluminum alloy production by means of historical and real-time online data based on research results of complex intelligent system and biological learning psychology. In this project, a series of efficient and robust multi-objective algorithms are designed to solve optimization problems in special aluminum production scheduling using the similarity between crowd agent and production scheduling on the micro level. This project has important significance in theory and practice for discovering the law of control and optimization patterns in the complex production process from the pattern of crowd agent learning behaviors, improving the performance of production scheduling in the manufacturing execution system, exploring application patterns of crowd agent learning behaviors in manufacturing process of non-ferrous metal.

具有目标多样性、过程不确定性和动态性的生产调度建模和优化是当今有色金属制造领域一直亟待解决的问题。借鉴生物学习心理学的思想，利用群智能体的学习特性以及其与周围环境相互作用机制，建立群智能体行为模式与复杂制造过程间的认知结构，进而设计有色金属制造过程中的调度优化新方法是解决该问题的可行途径。为此，本课题以有色金属行业中特种铝合金生产调度问题为研究背景，以历史和实时在线数据为媒介，在充分借鉴复杂智能系统和生物学习心理学研究成果的基础上，对驱动智能群体学习行为的动力学和复杂制造过程中的调度建模方法进行研究，利用两者微观层面上的相似性，设计一套高效可靠的多目标智能算法用于解决特种铝合金生产调度中的优化问题。此项研究在发现群智能体学习行为模式下的复杂生产制造控制与优化模式规律，改善制造执行系统和生产过程的效能，探索群智能体学习行为在复杂有色金属制造过程的应用模式等方面具有重要的理论意义和实用价值。

具有目标多样性、过程不确定性和动态性的生产调度建模和优化是当今有色金属制造领域一直亟待解决的问题。借鉴生物学习心理学的思想，利用群智能体的学习特性以及其与周围环境相互作用机制，建立群智能体行为模式与复杂制造过程间的认知结构，进而设计有色金属制造过程中的优化新方法是解决该问题的可行途径。本项目以有色金属行业中特种铝合金生产问题为研究背景，设计一套高效可靠的多目标智能算法用于解决特种铝合金生产过程中的优化问题。主要研究成果包括：1) 建立面向群智能体属性特征的环境感应模型，以及群智能体与环境间作用关系描述与规则模型；2) 建立针对特种铝合金熔炼过程的配料优化模型和组炉优化模型；3) 针对各个模型特点，提出融入分布式估计策略的多目标优化算法求解配料优化模型，提出改进的粒子群算法和基于分解策略的多目标人工蜂群算法求解组炉优化模型；4) 利用实际生产数据对所提出的所提出的优化算法进行验证, 并与经典多目标优化算法进行比较，验证了所提算法的有效性；5) 针对特种铝合金行业的各类问题求解方法存在的缺陷，提出一种目标空间映射到决策空间的多目标约束优化方法，用于解决特种铝合金行业存在的多目标优化问题；6) 在蜂群智能行为的基础，设计多目标人工蜂群算法对极限学习机的参数进行优化，可以用于有色金属行业中基于数据驱动的生产优化。本项目的研究在发现群智能体学习行为模式下的复杂生产制造控制与优化模式规律，改善制造执行系统和生产过程的效能，探索群智能体学习行为在复杂有色金属制造过程的应用模式等方面具有重要的理论意义和实用价值。