一种D-RMS构型设计多目标优化方法发明专利

专利名称：一种D-RMS构型设计多目标优化方法

专利类型：发明专利

专利申请号：CN202110844393.4

专利申请（专利权）人：北京理工大学
权利人地址：北京市海淀区中关村南大街5号

专利发明（设计）人：黄思翰,王国新,谭佳欣,郝佳,阎艳

专利摘要：本公开D‑RMS构型设计多目标优化方法，基于工件族信息确定D‑RMS构型设计多目标优化的分界点约束条件；根据D‑RMS构型设计的分界点对D‑RMS优化目标的影响，确定D‑RMS构型设计的优化边界；根据D‑RMS构型设计多目标优化参数和优化边界构建D‑RMS构型设计多目标优化模型；采用NSGA‑II对D‑RMS多目标优化模型进行求解，得到帕累托前沿；随机选取所述帕累托前沿中的点作为D‑RMS构型设计的优化方案，完成基于多目标优化的D‑RMS构型设计。本发明综合考虑D‑RMS构型设计因素对延迟重构分界点进行优化，充分发挥D‑RMS优势，以提高D‑RMS的重构效率和运行效率。

主权利要求：
1.一种D‑RMS构型设计多目标优化方法，其特征在于，所述方法包括：基于工件族信息确定D‑RMS构型设计多目标优化的分界点约束条件；
根据分界点约束条件和所述分界点对D‑RMS构型设计优化目标的影响，确定D‑RMS构型设计多目标优化边界；
根据D‑RMS构型设计多目标优化参数和优化边界构建D‑RMS构型设计多目标优化模型；
所述D‑RMS构型设计多目标优化模型如式(1)、(2)、(3)、(4)所示：maxDelayedreconiguration＝x式(4)；
其中，Investmentcost为投资成本，ICnm表示基本投资成本，n是工序数量，Mn为工序n包含的功能数，N为D‑RMS的工序数，Reconfigurationcost为重构成本，RCnmm'是基本重构成本，Reconfiguratintime为重构时间，RTnpp'为在第n个工序，从p工件到p’工件的重构时间，x为工件族所对应D‑RMS构型的分界点的位置，Delayedreconiguration为延迟重构的特征；
采用NSGA‑II对D‑RMS构型设计多目标优化模型进行求解，得到帕累托前沿；
随机选取所述帕累托前沿中的点作为D‑RMS构型设计多目标优化方案，完成基于多目标优化的D‑RMS构型设计。
2.根据权利要求1所述的D‑RMS构型设计多目标优化方法，其特征在于，所述分界点约束条件为1＜x＜N，其中，x为工件族所对应D‑RMS构型的分界点位置，N为D‑RMS构型的工序数量。
3.根据权利要求1所述的D‑RMS构型设计多目标优化方法，其特征在于，所述多目标优化参数包括机床投资成本、机床重构成本、机床重构时间和延迟重构特性。
4.根据权利要求3所述的D‑RMS构型设计多目标优化方法，其特征在于，所述机床包括刚性机床、柔性机床和可重构机床。
5.根据权利要求4所述的D‑RMS构型设计多目标优化方法，其特征在于，所述分界点用于平衡所述机床投资成本、机床重构成本、机床重构时间和延迟重构之间的关系。
6.根据权利要求1所述的D‑RMS构型设计多目标优化方法，其特征在于，所述采用NSGA‑II对D‑RMS构型设计多目标优化模型进行求解，得到帕累托前沿，包括：步骤P1：初始化NSGA‑II参数和参数范围；
步骤P2：采用二进制编码生成具有Q个个体的父代群体；
步骤P3：计算所述父代群体中的每个个体的D‑RMS构型设计多目标优化模型的值和每个个体支配解的数量，所述每个个体根据支配解的数量被分配到不同前沿上，对于每个前沿，根据拥挤度对所述前沿上的个体进行排序；
步骤P4：当达到预定的最大迭代代数时，完成D‑RMS构型设计多目标优化，并得到帕累托前沿，否则，执行步骤P5；
步骤P5：采用精英策略对父代群体进行选择、交叉和变异得到后代群体；
步骤P6：将所述父代群体和后代群体合并为两倍后代群体大小的新群体，返回到步骤P3。
7.根据权利要求6所述的D‑RMS构型设计多目标优化方法，其特征在于，所述步骤P5包括：选择位于第一前沿的个体，如果不满足分界点约束条件，则将该个体淘汰；
利用二进制锦标赛选择方法选择P个个体，对所述P个个体进行交叉和多项式变异得到后代群体，其中，P为正整数。 说明书 : 一种D‑RMS构型设计多目标优化方法技术领域[0001] 本发明属于先进制造技术领域，具体涉及一种D‑RMS(延迟重构制造系统)构型设计多目标优化方法。背景技术[0002] 为了缓解重构对传统可重构制造系统(Reconfigurablemanufacturingsystem，RMS)的冲击，充分考虑重构复杂性，提出延迟重构的概念，尝试创造条件将重构活动推迟到制造系统后端的工序中。将延迟重构与RMS相结合，形成延迟重构制造系统(Delayedreconfigurablemanufacturingsystem，D‑RMS)。D‑RMS能够降低重构难度和重构导致的停产损失，从而提高了传统RMS的实践能力。D‑RMS是RMS的一个子类，继承了RMS的特性，需要在设计之初就考虑可重构性，并进一步考虑延迟重构特性。D‑RMS也是面向特定工件族的一种制造系统，通过将特定工件族的功能需求映射为一组机床以及机床间的连接关系，完成构形设计。构形设计决定了延迟重构特性的实施情况和对应制造系统构建完成后的运行效率。[0003] 目前有很多研究人员都在关注构形设计问题的研究。最初，RMS以低成本、快响应的产能伸缩引起了研究人员的注意。例如，Koren等分析了RMS可伸缩性的价值创造，提出了面向可伸缩性的RMS构形设计方法。Moghaddam等考虑单产品流水线进行构形设计，利用可重构机床应对需求波动，并在后续工作中扩展到工件族。除了可伸缩性，在RMS构形设计过程中还需要考虑很多因素。Shang等(2021)提出了一种考虑在线检测影响的基于关键特征的RMS构形设计方法。Huang等(2020)在延时重构的约束下，同时考虑零件族的形成和机床的选择，进行构形设计。Gauss等(2019)试图解决从机床层次到基于模块化机械的模块化机床族的构形设计问题。此外，为了提高构形设计的效率和有效性，一些研究者还将研究重点放在构形选择/评价上。Goyal等(2012)提出了一种基于可重构机床可重构性和可重构机床操作能力的构形选择方法。Ashraf和Hasan提出了一种考虑操作约束的可重构制造流水线的构形选择框架。PalSingh等尝试找到一个涉及九个行业相关重要因素的RMS产品流程构形选择的新指标。Wang等提出了一种基于PROTHMEE的考虑RMS关键特征的构形评估方法，通过数学模型强调关键特征的重要性。类似地，Benderbal等提出了一种考虑模块化的构形评估方法。Puik等从资源、交货期等方面对RMS的构形设计方案进行了评估。Andersen等通过对现有方法的分析和综合，尝试总结出RMS的通用设计方法。此外，构形设计也可以看作是一个优化过程。 等通过考虑不同的目标和约束条件，找到最优解。Yelles‑Chaouche等从优化的角度综述了构形设计研究。 等提出了一种基于组合优化模型设计RMS构形的决策支持工具。Zhang等提出了一种基于需求矩集的优化方法来支持RMS的构形设计。通常，构形设计优化的目标不止一个。Bensmaine等采用非支配排序遗传算法(NSGA)求解优化问题。Dou等提出了一种基于非支配排序遗传算法II(NSGA‑II)的可重构流水线构形生成与调度一体化的双目标优化方法，并进一步研究中扩展到多目标。Bortolini等在构形设计中采用双目标优化做过类似的工作。Benderbal等研究了不可用约束条件下RMS构型设计的多目标优化方法。[0004] 但是，基于现有RMS/D‑RMS构形设计研究，存在下列技术缺陷：(1)现有构形设计研究基本上是面向传统RMS进行探索，几乎没有考虑延迟重构特点进行构形设计研究，无法充分体现D‑RMS的优势。(2)分界点决策是D‑RMS构形设计的关键内容，直接决定了D‑RMS两个子系统所包含的加工工序。仅有的D‑RMS构形设计研究中基于主观模型对分界点进行决策，无法保证结果的最优性。发明内容[0005] 本发明克服了现有技术的不足之一，提供了一种D‑RMS构型设计多目标优化方法，通过充分考虑机床投资成本、重构成本、重构时间和延迟重构，构建多目标优化模型，对分界点进行优化；引入NSGA‑II算法求解多目标优化模型，充分发挥D‑RMS优势以保证D‑RMS运行和重构的高效，提高D‑RMS的重构效率和运行效率。[0006] 根据本公开的一方面，本发明提供一种D‑RMS构型设计多目标优化方法，所述方法包括：[0007] 基于工件族信息确定确定D‑RMS构型设计多目标优化的分界点约束条件；[0008] 根据分界点约束条件和所述分界点对D‑RMS构型设计的优化目标的影响，确定D‑RMS构型设计多目标优化边界；[0009] 根据D‑RMS构型设计多目标优化参数和优化边界构建D‑RMS构型设计多目标优化模型；[0010] 采用NSGA‑II对D‑RMS构型设计多目标优化模型进行求解，得到帕累托前沿；[0011] 随机选取所述帕累托前沿中的点作为D‑RMS构型设计多目标优化方案，完成基于多目标优化的D‑RMS构型设计。[0012] 在一种可能的实现方式中，所述分界点约束条件为1＜x＜N，其中，x为工件族所对应D‑RMS构型的分界点的位置，N为D‑RMS构型的工序数量。[0013] 在一种可能的实现方式中，所述多目标优化参数包括机床投资成本、机床重构成本、机床重构时间和延迟重构特性。[0014] 在一种可能的实现方式中，所述机床包括刚性机床、柔性机床和可重构机床。[0015] 在一种可能的实现方式中，所述分界点用于平衡所述机床投资成本、机床重构成本、机床重构时间和延迟重构之间的关系。[0016] 在一种可能的实现方式中，所述采用NSGA‑II对D‑RMS构型设计多目标优化模型进行求解，得到帕累托前沿，包括：[0017] 步骤P1：初始化NSGA‑II参数和参数范围；[0018] 步骤P2：采用二进制编码生成具有Q个个体的父代群体；[0019] 步骤P3：计算所述父代群体中的每个个体的D‑RMS构型设计多目标优化模型的值和每个个体支配解的数量，所述每个个体根据支配解的数量被分配到不同前沿上，对于每个前沿，根据拥挤度对所述前沿上的个体进行排序；[0020] 步骤P4：当达到预定的最大迭代代数时，完成D‑RMS构型设计多目标优化，并得到帕累托前沿，否则，执行步骤P5；[0021] 步骤P5：采用精英策略对父代群体进行选择、交叉和变异得到后代群体；[0022] 步骤P6：将所述父代群体和后代群体合并为两倍后代群体大小的新群体，返回到步骤P3。[0023] 在一种可能的实现方式中，所述步骤P5包括：[0024] 选择位于第一前沿的个体，如果不满足分界点约束条件，则将该个体淘汰；[0025] 利用二进制锦标赛选择方法选择P个个体，对所述P个个体进行交叉和多项式变异得到后代群体；其中，P为正整数。[0026] 本公开的D‑RMS构型设计多目标优化方法，通过充分考虑机床投资成本、重构成本、重构时间和延迟重构，构建D‑RMS构型设计多目标优化模型，为D‑RMS构形设计提供模型支撑，指导D‑RMS的实践过程，并对分界点进行优化；引入NSGA‑II算法求解多目标优化模型，引入精英保留策略，兼顾算法求解准确度和计算效率，提高D‑RMS的重构效率和运行效率。附图说明[0027] 附图用来提供对本申请的技术方案或现有技术的进一步理解，并且构成说明书的一部分。其中，表达本申请实施例的附图与本申请的实施例一起用于解释本申请的技术方案，但并不构成对本申请技术方案的限制。[0028] 图1示出了根据本公开一实施例的D‑RMS构型设计的结构图；[0029] 图2示出了根据本公开一实施例的D‑RMS构型设计多目标优化方法流程图；[0030] 图3示出了根据本公开一实施例的已有工件族的工艺路线示意图；[0031] 图4示出了根据本公开一实施例的采用NSGA‑II求解应试验情境1的帕累托前沿结果示意图；[0032] 图5示出了根据本公开一实施例的采用NSGA‑II求解应试验情境2的帕累托前沿结果示意图；[0033] 图6示出了根据本公开一实施例的采用NSGA‑II求解应试验情境1的最优方案的D‑RMS构型设计示意图；[0034] 图7示出了根据本公开一实施例的采用NSGA‑II求解应试验情境2的最优方案的D‑RMS构型设计示意图。具体实施方式[0035] 以下将结合附图及实施例来详细说明本发明的实施方式，借此对本发明如何应用技术手段来解决技术问题，并达到相应技术效果的实现过程能充分理解并据以实施。本申请实施例以及实施例中的各个特征，在不相冲突前提下可以相互结合，所形成的技术方案均在本发明的保护范围之内。[0036] 另外，附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机中执行。并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。[0037] 图1示出了根据本公开一实施例的D‑RMS构型设计的结构图。[0038] 根据Huang等的定义，D‑RMS(延迟可重构制造系统)是RMS的一个子类，更关注可转换性以适应产品种类波动。D‑RMS的核心理念是将重构活动尽可能推迟到制造系统后端工序。在这种情况下，重构活动只会发生在后端，在重构过程中，制造系统前端可以保持正常的生产活动。D‑RMS能够减少制造系统重构停产而造成的生产损失，具有重要意义。在D‑RMS前端通过提供多于当前生产需求的功能，以维持重构期间的部分生产活动。[0039] 如图1所示，典型的D‑RMS构形一般包括两个子系统(子系统1和子系统2)，子系统1包括刚性机床和柔性机床，子系统2包括可重构机床。[0040] 子系统1在重构期间保持不变，子系统2在需要时通过重构提供精确的功能，以提高生产效率。分界点划分子系统1和子系统2，类似于延迟产品差异化的解耦点。分界点是一个抽象的概念，可以与子系统1的最后一个阶段绑定，以方便计算。在D‑RMS的构形设计中包括三种机床可供选择，分别是刚性机床、柔性机床和可重构机床。刚性机床和柔性机床可供子系统1选择，刚性机床实现子系统1中的单一功能，柔性机床可以实现多个功能，以消除子系统1中潜在的重构活动。可重构机床是D‑RMS在子系统2中执行重构活动的核心设备，可重构机床可以通过重构提供多种功能。分界点位置的不同会影响机床的投资策略，最终影响D‑RMS的生产效率。在D‑RMS结构设计中需要优化分界点的位置。[0041] 图2示出了根据本公开一实施例的D‑RMS构型设计多目标优化方法流程图。[0042] 如图2所示，该方法可以包括：[0043] 步骤S1：基于工件族信息确定D‑RMS构型设计多目标优化的分界点约束条件。[0044] 其中，工件族信息可以包括：分界点位置约束、D‑RMS工序数量、工件数量、每个工序包含的功能数等。多目标优化参数可以包括机床投资成本、机床重构成本、机床重构时间和延迟重构特性。[0045] D‑RMS构型设计的目标即优化分界点，分界点可以用于平衡所述机床投资成本、机床重构成本、机床重构时间和延迟重构之间的关系，因此如何确定D‑RMS的最优分界点是本文要解决的问题。根据上述分界点的定义，在探索分界点的最佳位置时，会改变如图1所示的子系统1和子系统2的区域大小。而分界点位置的不同，导致刚性机床、柔性机床和可重构机床的组合方式不同。在分界点优化时，应考虑不同机床组合的影响。[0046] 根据D‑RMS的理念将分界点尽量推迟到D‑RMS系统后端，重构活动将会减少。与柔性机床相比，可重构机床的投资成本相对低廉，比刚性机床更灵活。另外，重构过程中的生产活动受益于构形设计过程中的附加功能投资(可以选择柔性机床来实现多个功能需求)。一般来说，柔性机床的投资成本比刚性机床和可重构机床要昂贵得多。[0047] 因此，本文的分界点决策优化问题旨在寻求附加功能投资与重构效果之间的平衡，即寻求机床投资成本、机床重构成本、机床重构时间和延迟重构特性之间的平衡，由此得到如式(1)所示的分界点约束条件，1＜x＜N式(1)，其中，x为工件族所对应D‑RMS构型的分界点的位置，N为D‑RMS构型的工序数量。[0048] 步骤S2：根据分界点约束条件和分界点对D‑RMS优化目标的影响，确定D‑RMS构型设计的多目标优化边界。[0049] 其中，可以以现有工件族为输入，基于分界点约束条件1＜x＜N分析分界点对D‑RMS构型设计多目标优化参数的影响确定D‑RMS构型设计多目标优化边界。[0050] 例如，为了推导出一个简单而深刻的D‑RMS构型设计多目标优化模型，做以下假设：[0051] (1)D‑RMS围绕一个特定的零件族进行设计和构建。[0052] (2)采用刚性机床、柔性机床和可重构机床三种机床。其中，柔性机床投资成本最贵，刚性机床投资成本最便宜，可重构机床的投资成本介于柔性机床和刚性机床之间。[0053] (3)D‑RMS更关注可转换性，D‑RMS构型设计多目标优化将忽略可伸缩性相关因素，即只考虑D‑RMS构形中每个工序的机床类型，而不考虑每个工序的机器数量。[0054] (4)工件族的形成超出本文的范围。假设工件族信息已知，且包含延迟重构特征。为了保持通用性，所选工件族的所有工件具有相同的工艺路线长度。[0055] (5)D‑RMS的某个构形只用来生产工件族中的某个工件，并且可以通过重构成其他构形来生产其他工件。[0056] (6)重构活动只发生在子系统2中的可重构机床，即在提出的D‑RMS构型设计多目标优化模型中只考虑机床级重构。[0057] (7)为简单起见，将D‑RMS构形中的一个工序与分界点绑定，分界点后的工序划分到子系统2。[0058] 通过上述假定可以确定D‑RMS构型设计多目标优化模型的优化边界，即将该分界点与如图1所示的子系统1的最后一个工序与分界点绑定，分界点后的工序划分到子系统2中。[0059] 步骤S3：根据D‑RMS构型设计多目标优化参数和优化边界构建D‑RMS构型设计多目标优化模型。[0060] 根据分界点的定义和上述假设，分界点优化过程将在投资成本、重构成本、重构时间和延迟重构之间进行平衡，这是一个典型的多目标优化问题。[0061] D‑RMS构型设计多目标优化模型如式(2)、(3)、(4)、(5)所示，力求同时最小化投资成本、重构成本、重构时间，最大化延迟重构。D‑RMS构型设计多目标优化模型的唯一分界点约束条件如式(1)所示，其中，决策变量x为整数。[0062][0063][0064][0065] maxDelayedreconiguration＝x式(5)。[0066] 其中，D‑RMS构型设计多目标优化模型的第一个目标如式(2)所示，用来分析分界点变化对机床投资成本的影响。式(2)第1项计算子系统1中刚性机床和柔性机床的投资成本。将刚性机床的投资成本定为机床的基本投资成本，即参数ICnm表示，n是工序数量。Mn为工序n包含的功能数，可以根据对应的工件族计算得到。例如，对于子系统1来说，Mn＝1表示该工序为刚性机床，Mn>1表示该工序为柔性机床。同样地，式(2)第二项计算的是子系统2中可重构机床的投资成本，其中Mn除以2取整表示可重构机床相对于刚性机床和柔性机床的中等投资成本。[0067] D‑RMS构型设计多目标优化模型的第二个目标如式(3)所示，用于分析机床重构成本问题。例如，在构形设计阶段不知道系统的具体重构需求，则在机床重构成本优化过程中计算子系统2中工件族内工件间的所有重构活动。RCnmm'是两个功能之间的重构成本，即为基本重构成本。每个工序的重构成本与功能数相关，可以基于Mn计算，参数N为D‑RMS的工序数。[0068] D‑RMS构型设计多目标优化模型的第三个目标式(4)所示，旨在最小化D‑RMS构形过程中的重构时间，与重构成本计算类似。但是，工件族内的两个工件之间的重构活动可以同时执行。因此，虽然重构活动可能发生在子系统2的任意工序，但在两个工件之间重构时，应只计算最大的重构时间，即max{RTnpp│' n}，其中，RTnpp'为在第n个工序，从p工件到p’工件的重构时间。[0069] D‑RMS构型设计多目标优化模型的第四个目标如式(5)所示，用于分析分界点优化过程中延迟重构的特征，也是唯一追求最大值的目标，即尽量推迟分界点，其中，参数P为工件族包含的工件数量。[0070] 上述式(2)‑式(5)即为构建D‑RMS构型设计多目标优化模型，能够对D‑RMS构型设计多目标优化模型的多个目标进行分析，以优化分界点使D‑RMS构型设计多目标优化模型的四个目标(机床投资成本、机床重构成本、机床重构时间和延迟重构特性)达到平衡。该模型融合机床投资成本、机床重构成本、机床重构时间和延迟重构特性，为D‑RMS构形设计提供模型支撑，指导D‑RMS的实践过程，提高D‑RMS的重构效率和运行效率。[0071] 步骤S4：采用NSGA‑II对D‑RMS构型设计多目标优化模型进行求解，得到帕累托前沿。[0072] 在一示例中，该步骤可以包括：[0073] 步骤P1：初始化NSGA‑II参数和参数范围；[0074] 步骤P2：采用二进制编码生成具有Q个个体的父代群体。根据提出的D‑RMS构型设计多目标优化模型是一个单决策变量问题，可以对其唯一决策变量x(x为整数)采用二进制编码。例如，如果x＝2，对应的二进制编码为[0010]；如果x＝5，对应的二进制编码为[0101]。然后，基于二进制编码生成一个具有Q个体的随机父代群体，Q为整数。[0075] 步骤P3：计算所述父代群体中的每个个体的D‑RMS构型设计多目标优化模型的目标值和每个个体支配解的数量，所述每个个体根据支配解的数量被分配到不同前沿上，对于每个前沿，根据拥挤度对所述前沿上的个体进行排序。[0076] 步骤P4：当达到预定的最大迭代代数时，完成D‑RMS构型设计多目标优化，并得到帕累托前沿，否则，执行步骤P5。其中，帕累托最优解即为帕累托前沿中的点。[0077] 步骤P5：采用精英策略对父代群体进行选择、交叉和变异得到后代群体。[0078] 例如，可以选择位于第一前沿的个体，如果不满足分界点约束条件1[0079] 步骤P6：将所述父代群体和后代群体合并为两倍后代群体大小的新群体，返回到步骤P3。例如，步骤P5得到P个大小的后代群体，将父代群体和子代群体合并，可以形成一个2P大小的新群体。然后将该新群体作为父代群体返回到步骤P3再次进行快速非支配排序，直到达到预定的最大迭代代数时，完成D‑RMS构型设计多目标优化，并得到帕累托前沿。[0080] 步骤S5：随机选取所述帕累托前沿中的点作为D‑RMS构型设计多目标优化方案，完成基于多目标优化的D‑RMS构型设计。[0081] 举例说明，如图3所示的已有工件族的工艺路线，分界点(解耦点)位于工序3的后方。[0082] 不同试验情境(包括试验情境1和试验情境2)下的优化模型相关参数值，如表1所示：[0083] 表1[0084][0085] 采用NSGA‑II求解对试验情境1的帕累托前沿给出对应的解决方案如图4所示。如图4所示，共包括三种方案，方案1，机床投资成本为18，机床重构成本为9，机床重构时间为3，延迟重构特性为3；方案2，机床投资成本为20，机床重构成本为6，机床重构时间为3，延迟重构特性为4；方案3，机床投资成本为22，机床重构成本为3，机床重构时间为3，延迟重构特性为5。[0086] 采用NSGA‑II求解对试验场景2的帕累托前沿给出对应的解决方案如图5所示。如图5所示，共包括三种方案，方案1，机床投资成本为90，机床重构成本为27，机床重构时间为9，延迟重构特性为3；方案2，机床投资成本为100，机床重构成本为18，机床重构时间为8，延迟重构特性为4；方案3，机床投资成本为110，机床重构成本为9，机床重构时间为6，延迟重构特性为5。[0087] 随机选取帕累托前沿上的点作为最优方案，例如以试验情境1的方案2和试验情境2的方案3为例，对应的D‑RMS构形设计分别如图6和图7所示。[0088] 本公开的D‑RMS构型设计多目标优化方法，基于工件族信息确定D‑RMS构型设计多目标优化的分界点约束条件；根据分界点约束条件和所述分界点对D‑RMS构型设计多目标优化的影响，确定D‑RMS构型设计多目标优化边界；根据D‑RMS构型设计多目标优化参数和优化边界构建D‑RMS构型设计多目标优化模型；采用NSGA‑II对D‑RMS构型设计多目标优化模型进行求解，得到帕累托前沿；随机选取所述帕累托前沿中的点作为D‑RMS构型设计多目标优化方案，完成D‑RMS构型设计多目标优化。本发明综合考虑D‑RMS构型设计因素对延迟重构分界点进行优化，充分发挥D‑RMS优势，以提高D‑RMS的重构效率和运行效率。[0089] 虽然本发明所揭露的实施方式如上，但所述的内容只是为了便于理解本发明而采用的实施方式，并非用以限定本发明。任何本发明所属技术领域内的技术人员，在不脱离本发明所揭露的精神和范围的前提下，可以在实施的形式上及细节上作任何的修改与变化，但本发明的专利保护范围，仍须以所附的权利要求书所界定的范围为准。

专利地区：北京

专利申请日期：2021-07-26

专利公开日期：2024-07-26

专利公告号：CN113627078B