-
题名基于深度学习的柔性流水车间排产优化问题研究
被引量：2
- 1
-
-
作者
韩忠华
黎恺嘉
周晓锋
王继娜
孙亮亮
-
机构
沈阳建筑大学信息与控制工程学院
中国科学院沈阳自动化研究所数字工厂研究室
辽宁省先进装备制造业基地建设工程中心辽宁省信息安全与软件测评认证中心
-
出处
《智能系统学报》
CSCD
北大核心
2023年第3期468-479,共12页
-
基金
国家自然科学基金项目(61873174)
辽宁省重点研发计划项目(2020JH2/10100039)
+1 种基金
辽宁省教育厅高等学校基本科研项目重点项目(LJKZ0583)
沈阳市科技项目(Z18-5-015).
-
文摘
求解柔性流水车间排产优化问题的全局优化算法常采用群体进化算法或数学规划算法,但对新的投产任务进行排产优化过程中,这些优化方法每次都需重新进行耗时的迭代寻优计算,因此提出了一种基于深度学习的智能排产优化方法,通过历史生产数据训练基于门控循环单元构建的序列到序列深度学习模型,重点研究排产数据中生产任务信息、工艺信息与排产结果的相关性,并将其作为模型编码器的输入;模型解码器的输出为工件的上线序,依据该上线序可以快速给出有效的排产结果,并通过引入注意力机制进一步提高寻优的精度和速率。仿真实验结果表明,基于深度学习的柔性流水车间排产优化方法可以快速获取较好的排产优化结果。
-
关键词
深度学习
排产优化
加工上线序
柔性流水车间
门控循环单元
序列到序列
注意力机制
历史生产数据
-
Keywords
deep learning
production scheduling optimization
processing on-line sequence
flexible flow shop
gated recurrent unit
sequence-to-sequence
attention mechanism
historical production data
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
-
