1.一种基于原胞机的高熵制造低熵调度方法，其特征在于包括以下步骤：

1)匹配高熵制造系统的问题原型特征与动态约束根据高熵制造特点刻画典型局部细节，将非线性、伴随物性变化的多维动态系统简化为个体自组织的离散事件，实现从模型微观结构和自组织演化规则到宏观系统的跨层次描述；对约束问题进行[0,1]数学处理，以适应元胞机基本规则；

2)高熵制造系统的多维度时空解构和层划分在平面空间长、宽约束为第一、二维度离散化参数划分基础上，明确单元布局和物流路径设计的动态约束；以零件加工开始时间为划分点，进行加工时间约束的第三维度时间切片，以加工时间作为时间约束，在每一层的时间切片内映射单元布局，由三维空间问题转换为有限数量二维空间的布局问题；引入加工设备、物流设备的资源能力约束作为多维度时空的第四维度，设备资源能力影响生产调度工序和时间，多维相互约束和博弈；其中设备资源包括生产设备和物流设备；

3)建立高熵制造元胞机网络模型

将整个生产作业车间设定为一个包含移动粒子的二维网络，以零件和设备作为粒子，层划分后的每一层视为一个元胞，代表一个二维场地空间，设备资源作为移动元胞，构建设备资源调度模型；

对某一时空层元胞状态属性进行描述，包括元胞状态描述、设置生产调度元胞机模型的初始条件和边界条件，以及设定演化规则；

4)设计低熵多目标函数与适应度函数

对车间调度系统内部、外部环境影响的熵指标进行系统定义和描述，定义抗干扰度和参考抗干扰度，设计包括低碳和抗扰动的低熵优化的目标函数及其约束条件，建立低熵调度基础模型和稳健性评价。

2.如权利要求1所述的一种基于原胞机的高熵制造低熵调度方法，其特征在于步骤4)中，对系统内外部熵变指标分析推导和描述主要包含以下过程：车间系统的总熵变方程表示为：

其中，SO是系统外部熵，SI为系统内部熵；

车间在某一状态(N,s)的概率为：

其中，N为系统中的设备数量；Es为粒子数量N的粒子处在s状态下所拥有的能量即生产能力；

车间生产系统内部熵表示为：

车间系统内部熵评价指标表示为：

SI＝‑K∑N,sPN,slnPN,s其中：N表示空间大小；E表示时间长短；V表示设备多少；

对生产系统的物理熵SI进行微分处理：

dSI＝αdN+βdE+χdV

SI分为车间可用生产空间、生产时间和设备资源三部分；

车间系统外部熵可以表示为：

进一步描述为：

'

SO抗干扰度描述为：

为参考抗干扰度：

目标函数设计中包含的低熵指标分为低碳和抗扰动能力两部分，包括最小化装配体完工时间、最小化产品总完工时间、最大化面积利用率、最小化蜂窝损失率和最大化物流设备综合效率最小化最大装配体完工时间FJ：

最小化最大装配体完工时间FZ：

最大化单元面积利用率S1：

平均设备综合效率

对车间低熵调度建立以下模型：

EI1＝(1‑S1)×a

EI2＝(FJ+FZ)×b

minEI＝EI1+EI2+EI3

式中：a,b,c为加权因子，EI1为空间资源利用率指标，EI2为时间资源利用率指标，EI3为设备利用率指标；

低熵调度稳健设计中构建车间熵评价指标公式：单元内部的稳健性h为：

复杂车间的整体稳健性为：

pi代表设备内第i台设备出现崩溃的概率，假设单元内有x台设备：

3.如权利要求1所述的一种基于原胞机的高熵制造低熵调度方法，其特征在于步骤4)中包括建立高熵制造低熵导航模型的过程，具体如下：①二维布局模型构建：

在fj层上，将B|fj中的部件随机排序，获得一个调度序列；第k个待布置部件的编号为k，解集记为：SSk|fj＝F(bk|fj)，其中，SB＝{b1,b2,…,bk‑1}；

部件k在各层上的解集表示为：{SSk|f1,SSk|f2,…,SSk|fm}，其中部件k的最终可布置解集：SSk＝(SSk|f1)∩(SSk|f2)∩…∩(SSk|fm)，同理可得到其他部件的解集；SSi是多个相互独立部件的可布置解集；

求解流程为：对于第i个部件的可布置解集SSi，判断b1,b2,…,bi‑1是否属于B|bi，若有b1,b2,…,bi∈B|bi，则在SSi中去除在b1,b2,…,bi‑1布置解影响范围内的解集，更新SSi，从更新的SSi中随机选取一个解作为bi的初始二维布置点(xi,yi)；重复上述步骤，直至调度序列为空，即所有部件布置完毕；

②三维生产调度模型构建

工位组x的加工时间矩阵为T，Ti表示行矩阵，Ai表示列矩阵，矩阵中Tijxy表示工件i的工序j在工位组x的工位y上所需的加工时间，调度目标函数：s.t.

资源约束：

同一设备同一时刻至多加工一个工件；

一个工件只能被在一道工序的一台设备上加工；

各工件加工一旦开始就不能暂停；

工艺约束：

同一工件工序之间存在先后约束关系；

不同工件工序之间不存在先后约束关系；

③第四维度物流设备调度模型构建

物流设备调度目标是完成所有工序的搬运任务所用的时间最短，假设速度一定，即设备k搬运任务w的距离总和最小，调度目标函数：在同一时刻出现物流路径拥堵时，低优先级避让高优先级。

4.如权利要求1所述的一种基于原胞机的高熵制造低熵调度方法，其特征在于步骤4)中还包括问题求解方法，具体如下：采用双层遗传算法在唯一占用、任务处理优先级约束下寻找设备资源最优调度方案；

外层遗传算法确定加工设备调度集成方案，对应一个内层遗传算法得到的最优物流设备调度集成方案，内、外层遗传算法交互迭代、博弈达到平衡；内层遗传算法为了评价物流调度求解效果，采用SPEA2寻求Pareto解；其中算法流程如下：①获取层fi二维部件布局结果和fi的部件工序集合；

②编码外层生产调度，初始化种群P(a)，设置迭代次数；

③解码P(a)个体，获得任务与物流设备匹配关系、任务时间约束；

④编码内层物流设备调度，初始化内层种群，设置与外层相同迭代次数；

⑤用内层遗传算法求解外层种群P(a)中每个个体对应的内层调度最优解；

⑥对返回的内层最优解，外层获得对应生产调度染色体，为每个个体赋予适应度函数，保留优秀个体进入下一代种群集合；

⑦检查如果满足终止条件，则算法终止，否则继续执行步骤②。

5.如权利要求4所述的一种基于原胞机的高熵制造低熵调度方法，其特征在于结合生产调度特点，对外层算法采用如下设计：静态调度单元中，每个工件只包含一道工序，工件数等于单元调度中的工序数n，工位染色体长度等于工序染色体长度n；各道工序可选择的加工工位和物流搬运工位的子集分别为{g1,g2,…,gm},{c1,c2,…,ci},{p1,p2,…,pj}；工序染色体基因子集为{g1',g2',…,'gn'}，其中gn∈{1,2,…,n}；

目标函数设为适应度函数

采用轮盘赌选择法，若某个体i的适应度为fi，则其被选择的概率为对内层算法采用SPEA2寻求Pareto解；

物流设备调度采用整数编码机制，每四位为一组，表示某辆叉车从某原点出发前往某起始节点执行搬运任务前往某目标节点的分配；选择总搬运时间和路程两目标和的倒数为适应度函数：每代个体产生后，需要对个体进行检验和淘汰，约束条件如下：若该值为0，则该染色体与实际约束不符，应该淘汰此个体并重新选择。