目标级联分析法

目标级联分析法

目标级联分析法(Analytical/Analysis Target Cascading , ATC),是由Kim H M,Michelena NF等人在2003年提出的一种用于解决复杂系统中目标优化问题的新方法。
其特征在于:(1)目标级联,即系统中的父级系统为子系统设置目标并将目标传递给子系统;(2)每个子系统都有一个分析模块来计算子系统的响应;(3)通过调节子系统之间的偏差来解决子系统之间的一致性问题,在协同优化中,每一级子系统在设计优化时暂时不考虑同级子系统之间的联系,自主决策独立进行优化,优化目标是使该子系统的设计优化结果与上一级系统优化提供的目标差异最小,各个子系统设计优化结果的不一致性通过上一级系统优化来协调。是一种采用并行思想解决非集中式、层次结构协调问题的设计方法。

结构与原理

ATC的的分析对象是多层次系统i,从上到下进行分解,各层响应从下向上不断反馈,以三层级系统为例进行说明。
三层系统的层析结构

图 1 三层系统的层次结构

优化模型数据流输入输出原理图

图 2 优化模型数据流输入输出原理图

ATC是基于模块的、层次性的优化方法,如图2所示,超级系统层将联系变量与子系统层的设计目标传递给子系统。子系统级被分为优化设计模块P和分析模块r。设计模块P负责元素目标的优化,分析模块r用于计算元素的响应。局部设计变量、联系变量、子层级系统响应作为分析模块r的输入,输出则为该子系统的实际响应传递给优化设计模块。优化设计模块在自主进行该子系统模块的优化后,将子系统的实际响应与联系变量传回超级系统层。
原始设计优化问题可以描述为:在满足约束条件下,找到一个设计方案使设计目标与实际的响应之间的差距最小。数学模型为:

系统设计数学模型
其中,T代表设计目标,R代表实际响应,x代表设计变量。约束简略不提。
转变为ATC问题后,超级系统的数学模型则可以表示为:
在这里插入图片描述
其中需要注意的是设计变量x被划分为局部设计变量xsup和联系变量y(与子系统级相关),增加的约束为复杂系统分解时耦合变量的一致性约束。
子系统级的数学模型和设备级的数学模型在此简略不提,如有需要可阅读原论文。

举例分析

此处对作者电磁MATLAB文章中的例子做一个进一步解释,帮助理解,不知道自己的理解对不对,如果有错误或者不恰当的地方,请指正。

初始目标函数:
求f(x1) = a1(x1-a2)^2最小值; 从下面的设计变量的关系可以将之分为两层的系统
其中 x = [x1, x2],可以认为是两个设计变 X1为局部设计变量,X2为联系变量
约束条件:
g1(x) = b1x1 + b2x2 + b3 <= 0
g2(x) = c1x1 + c2x2 + c3 <= 0
其中
a = [2, 3];
b = [2, 4, 1];
c = [4, -1, 1];

转换成目标级联分析法( Analytical Target Cascading , ATC )模型为:
1求P1 = f(x1_1) + phi_1(x1_1,x1_2,v,w)最小值, 可以看作第一层系统的目标函数
其中 x1_2, v, w 是固定参数, phi_1是增广拉格朗日罚函数,即耦合变量的一致性约束,在设计优化模块进行设计优化
该函数可以参看作者@颹蕭蕭的文章
2求P2 = phi_2(x1_1,x1_2,v,w)最小值,作为第二层系统的目标函数
其中x1_1, v, w 是固定参数, phi_2是增广拉格朗日罚函数
约束条件:
g1(x) <= 0
g2(x) <= 0

对于此方法的代码实现,由于时间和能力原因还没有完成,如果以后能够完成再补充吧

参考资料

  1. Kim H M , Michelena N F , Papalambros P Y , et al. Target cascading in optimal system design. J Mech Des (Trans ASME)[J]. Journal of Mechanical Design, 2003.
  2. 黄英杰. 基于目标级联法和智能优化算法的车间调度问题研究[D]. 华南理工大学, 2012.
  3. 王涵. 基于目标级联的废旧机械装备多目标优化再设计方法研究[D]. 武汉科技大学, 2019.
  4. 电磁MATLAB.目标级联分析法
  5. 颹蕭蕭.增广拉格朗日函数法(ALM)
  6. 孙砚秋.拉格朗日函数
  • 2
    点赞
  • 11
    收藏
    觉得还不错? 一键收藏
  • 5
    评论
摘要:为求解大规模的车间调度问题,基于层次性优化的目标级联,建立一种带层次性的车间调度模型,并以由两个零件族制造单元组成的车间调度为例,验证所建立的车间调度模型的有效性.实验结果表明,该车间调度模型不仅能解决大规模车间的分层调度问题,而且能根据加工时间和工件数量动态、合理地分配各制造单元的机器数量和工件的加工路径     随着市场竞争的加剧,制造业逐渐向多品种小批量的生产方式发展,企业的生产作业计划与调度问题也因此变得越来越复杂.对制造过程的合理调度,可有效地提高资源的利用率,提高生产企业整体的生产效率,作业车间调度(JSP是许多实际生产调度问题的简化模型,目前,已己经有枚举方、基于优先规则的构造性方肩发式算法和神经网络等优化方应用于小规模的车间调度,并取得了比较好的优化效果.然而由于JSP是一个典型的组合优化问题,随着问题规模n的不断增加,建模和求解的难度不断增大,当n的值超过20时,求解的时间已不能满足生产调度实时性的要求,而且在实际的车间调度中,车间调度往往是分层进行的,如何将车间调度分级以求总体的优化,需要作进一步的研究.目标级联又称为日标级联分析法(ATC),是解决非集中式、层次结构协调问题的一种新方,它允许层次结构中各元素自主决策,父代元素对子代元素的决策进行协调优化而获得问题的整体最优解.与其它优化方相比,目标级联具有可并行优化、级数不受限制和经过严格的收敛证明2等优点,因此常应用于解决大规模的系统优化问题.遗传算法是一类借鉴生物界的进化规律遁适者生存、优胜劣汰的遗传机制)演化而来的随机搜索算法,因具有良好的全局搜索性能及内在的并行处理能力而在JSP类的组合优化问题中获得了成功的应用.因此,文中拟通过ATC方和遗传算法来解决车间作业调度问题,实现大型车间调度系统的整体最优化

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 5
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值