[0004] 本发明的目标是针对啤酒生产调度优化中的一些难题，提出一种具有应对大规模离散时间模型的计算能力以及全局优化能力的调度优化方法，该优化方法具有开放性、鲁棒性、全局收敛性、高效性以及优化结果精确可靠等特点。
[0005] 本发明的技术方案是将啤酒工业连续的流程工业调度问题转变成基于离散时间表达的混合整数优化问题，然后采用自适应的协同优化算法改善算法寻优性能，缩短计算时间，最终确立了一种啤酒生产调度优化方法。
[0006] 本发明的具体步骤是：
[0007] 步骤1：获取啤酒生产设备的加工时间、加工能力上下限、存储容量上限、以及作业产出/消耗比例系数，这些设备性能指标通过设备商或者通过生产过程中统计获取；啤酒生产设备包括糊化锅、糖化锅、过滤槽、煮沸锅和发酵罐；
[0008] 步骤2：根据市场需求以及啤酒企业的生产计划确定生产调度目标，即各类型啤酒的成品需求量、以及所需总调度时段T。确定生产目标的同时确定当前各设备生产状态以及已有存储量。
[0009] 步骤3：通过步骤1与步骤2获得的设备性能指标以及生产调度目标建立基于离散时间表达的啤酒调度生产模型，确定约束条件与目标函数。
[0010] ①设备分配约束条件：
[0011]
[0012]
[0013] 式中：0/1变量Xlit表示在调度时段t是否在设备i上开始任务l，I为加工设备合集，L为设备的任务合集，一种啤酒类型就代表一种任务，T为调度时段的合集，τli为设备i处理任务l的所需时间，M为大于10000的整数。
[0014] ②设备加工能力约束条件：
[0015]
[0016] 式中：变量Blit表示在调度时段t设备i对应任务l的加工量， 与 依次表示设备i对应任务l的最小加工量与最大加工量，为保证啤酒设备生产效率以及能源使用率， 不可低于 的80％；
[0017] ③存储容量约束条件：
[0018]
[0019] 式中：变量SIjt表示调度时间段t末物料j的库存量， 为物料j的存储容量上限。
[0020] ④物料平衡约束条件：
[0021]
[0022] 式中：θjl为任务l产出物料j的比例系数， 为任务l消耗物料j的比例系数。
[0023] ⑤优化目标函数：
[0024] 啤酒工业生产调度的主要目的是在完成指定各啤酒类型需求生产量的前提下使在制品最少，即各时间段各物料j的库存量最小，以此提高生产效率，减少原料浪费。故设定以下目标函数作为评估模型：
[0025]
[0026] 式中：Wl表示任务l的需求产量，j'表示各任务最末工序的物料(即清酒)，i'表示最末工序设备，t'表示最后一个时间段。
[0027] 步骤4：利用自适应协同优化算法的方法对啤酒生产调度模型进行优化，最终求解生产调度方案。具体步骤如下：
[0028] ①对啤酒生产调度模型进行分解生成学科级与系统级模型：
[0029] 以单日生产调度为单位划分为各学科级模型，生产调度总日数即为学科级个数，具体模型如下：
[0030]
[0031] 式中：Fk(Xk)表示学科级模型目标函数，fk表示子学科目标函数，即为步骤3-⑤所列出的优化目标函数。Jk表示一致性约束由系统级分配。k表示各学科级，n由学科级个数决定。s.t.gk(Xk)≤0表示所有约束，即为步骤3-①、步骤3-②、步骤3-③、步骤3-④所列出的等式与不等式约束。其中ω1k,ω2k为自适应加权因子：
[0032]
[0033] 其中c为一常数， 为协同不一致性因子由步骤4-③求得。
[0034] 系统级模型具体如下：
[0035]
[0036] 式中：F(Z)表示系统级目标函数，变量w表示耦合变量的集合、变量z表示非耦合变量的集合。在啤酒工业生产调度中，耦合变量即为单日最末时段加工量Bli't'，其余变量为非耦合变量。sk表示第k个子学科耦合设计变量的个数，wq表示表示第q个耦合变量， 表示第k个子学科的第q个耦合设计变量的优化结果。εk表示动态松弛因子由步骤4-③求得。
[0037] ②设置系统级初始点，即耦合变量w与非耦合变量z，初始变量设为零；
[0038] ③计算协同不一致性因子 以及动态松弛因子εk：
[0039]
[0040] w*(m-1)表示第m-1次迭代后系统级最优设计点， 代表第m次迭代后第k个学科的最优设计点；
[0041]
[0042]
[0043]
[0044] 在第m次迭代，定义学科间最大不一致性d(m)， 代表第m次迭代后第q个耦合设计变量的最优点；以 作为先验信息得到第m次迭代中的 a、b为常数。
[0045] ④将步骤4-③中计算所得的协同不一致性因子 带入步骤4-①中所得的各学科级模型，并进行优化求解，求解算法使用成熟稳定的分枝定界法。
[0046] ⑤将步骤4-③中计算所得的动态松弛因子εk带入步骤4-①所得的系统级模型，同时将步骤4-④中所得的学科级最优设计点 传递至系统级中。得到系统级优化方程后进行求解，求解算法同样使用分枝定界法。
[0047] ⑥求解协同不一致性因子均值
[0048]
[0049] 其中n为学科级个数。
[0050] 对求得的协同不一致性因子均值 进行判断，若 则转至步骤4-⑦，否则继续循环进行步骤4-③～步骤4-⑥。D为常数。
[0051] ⑦修改步骤4-①中的模型为带松弛因子的标准协同优化算法继续优化，去除学科级目标函数fk以及动态松弛因子εk。修改后的模型如下：
[0052] 系统级：
[0053]
[0054] 学科级：
[0055]
[0056] 其中ε为常数取0.0001。
[0057] 将修改好的模型迭代求解，求解方法与第步骤4-④⑤步相同。
[0058] ⑧将两次迭代间系统级目标函数的值进行对比，若 则满足收敛条件停止求解，F(Z)m表示第m次迭代后系统级目标函数值，此时求得的各学科级最优解即为啤酒工业生产调度方案。其中e为常数取值为10-6。
[0059] 与现有技术相比，本发明的有益效果是取代了传统依靠人工经验进行啤酒生产调度的方法，减少了在调度计划中投入的人力与时间，同时产生的调度方案精确有效，提高了啤酒工业设备利用率，降低了原料消耗，减少了中间产品的存储量。本优化方法具有开放性、鲁棒性、全局收敛性、高效性以及优化结果精确可靠的特点，尤其对于大规模离散时间模型有很强的求解能力。
