CN114066122A - 一种基于多策略水波优化算法的调度方法 - Google Patents
一种基于多策略水波优化算法的调度方法 Download PDFInfo
- Publication number
- CN114066122A CN114066122A CN202010785566.5A CN202010785566A CN114066122A CN 114066122 A CN114066122 A CN 114066122A CN 202010785566 A CN202010785566 A CN 202010785566A CN 114066122 A CN114066122 A CN 114066122A
- Authority
- CN
- China
- Prior art keywords
- algorithm
- strategy
- water wave
- scheduling
- search
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000004422 calculation algorithm Methods 0.000 title claims abstract description 64
- 238000005457 optimization Methods 0.000 title claims abstract description 54
- 238000000034 method Methods 0.000 title claims abstract description 37
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 25
- 230000008569 process Effects 0.000 claims abstract description 12
- 230000003044 adaptive effect Effects 0.000 claims abstract description 6
- 239000011159 matrix material Substances 0.000 claims abstract description 6
- 230000006870 function Effects 0.000 claims description 11
- 238000009826 distribution Methods 0.000 claims description 5
- 238000002922 simulated annealing Methods 0.000 claims description 5
- 230000006378 damage Effects 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 claims description 2
- 230000008859 change Effects 0.000 claims description 2
- 238000011423 initialization method Methods 0.000 claims description 2
- 230000002787 reinforcement Effects 0.000 claims description 2
- 208000034656 Contusions Diseases 0.000 claims 1
- 230000001066 destructive effect Effects 0.000 claims 1
- 238000012804 iterative process Methods 0.000 claims 1
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 238000010801 machine learning Methods 0.000 abstract description 2
- 238000006467 substitution reaction Methods 0.000 abstract 1
- 238000004519 manufacturing process Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 5
- 230000008901 benefit Effects 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Marketing (AREA)
- Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Primary Health Care (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Manufacturing & Machinery (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明一种基于多策略水波优化算法的调度方法。根据水波优化算法的运行机制以及算法中三大操作的问题特性,主要内容包括:对于连续优化问题,提出基于反向学习和协方差矩阵自适应进化方法的水波算法,将原始水波算法的折射操作用协方差矩阵更新种群提高种群多样性替代。在零空闲流水车间调度问题中,针对初始化种群提出了偏度与变异系数相结合的方法产生初始序列种群来提高种群稳定性,提出基于三大操作运行属性不同邻域搜索方法。带装配过程的分布式零空闲流水车间调度问题,引入机器学习和变邻域搜索,使提出算法在迭代更新的过程中通过训练和奖励在有限的时间内得到优质解。本发明有益效果:框架简单、易于实现且逻辑清晰。
Description
技术领域
本发明属于制造业生产调度领域,具体涉及一种基于多策略水波优化算法的调度方法。
背景技术
生产调度问题是为实现企业生产效益的最大化,要求在有限时间内合理利用并安排现有资源的流程。通常情况下,经典流水车间调度问题将设备能力视为无限,然而在实际生活中,需要在设备有限时间内合理地安排生产使得工件在调度时受到设备能力的约束,所以,具有设备能力约束的车间调度问题比经典流水车间调度问题更复杂。目前,解决提高资源利用率和生产效益这一问题的核心是构造高效的车间调度模型和有效的调度算法,继而研究者们提出了许多优化器作为求解该类问题的主流。然而,由无免费午餐定理可知,许多算法和优化器在某一领域的具体优化问题上很难表现出最优性能。水波优化算法是一种新型的群智能优化算法,算法框架简单且可以修改的参数较多。水波优化算法有三个搜索策略,传播操作是全局搜索行为,折射操作是局部搜索过程,碎浪操作是更进一步的局部搜索,只在最优位置附近搜索。由于水波优化算法结构简单,被用于求解许多组合优化问题。本发明基于多策略水波优化算法,针对不同的问题,通过不同的策略依据问题的相关属性进行优化求解。
发明内容
本发明提供了一种可应用于制造业生产调度领域的基于多策略水波优化算法的调度方法。实现方法如下:一种基于多策略水波优化算法的调度方法,该调度方法针对制造业生产调度领域中不同的调度问题,选用不同的模块进行优化求解,包括连续函数优化问题求解模块、零空闲流水车间调度求解模块以及带装配过程的分布式零空闲流水车间调度求解模块。
对于连续函数优化问题模块,提出了基于反向学习和协方差矩阵自适应进化策略的增强版水波优化算法(EWWO)。
对于零空闲流水车间调度问题模块,将水波优化算法与不同的邻域搜索结构结合构建了零空闲流水车间调度问题优化算法(HWWO)。
对于分布式装配零空闲流水车间调度问题模块,在水波优化算法中引入了机器学习策略和模拟退火算法构造了带装配过程的分布式零空闲流水车间调度问题优化算法(CWWO)。
本发明公开了一种基于多策略水波优化算法的调度方法,该方法包括以下步骤:
步骤1、针对连续函数优化问题优化模块,构造EWWO算法作为内嵌模块;
步骤2、针对零空闲流水车间调度问题优化模块,构造HWWO算法作为内嵌模块;
步骤3、针对分布式装配零空闲流水车间调度问题优化模块,构造CWWO算法作为内嵌模块。
优选地,在步骤1中,针对连续函数优化问题优化模块,集成不同的搜索策略形成EWWO算法并在CEC2017测试集中进行效果测试。
优选地,在步骤2中,零空闲流水车间调度问题优化模块以最小化总延迟为评价标准,其终止准则为运行时间,在不同τ(松紧系数)下的优化结果不同。
优选地,在步骤3中,分布式装配零空闲流水车间调度问题优化模块是基于Q-learning和模拟退火策略进行有效求解的。
本发明的有益效果如下:
(1)针对不同的优化问题,构建了对应的优化求解模块,且在每个模块中均具有不同的且高质量的初始化方法;
(2)结合不同有效的策略针对性地解决相关问题进行求解,在三个内置算法的传播操作中均以波长平衡全局搜索和局部搜索;
(3)框架简单、易于实现且逻辑清晰,可用于扩展求解其他优化问题。
附图说明
图1是本发明结构示意图。
图2是EWWO算法与先进的函数优化算法的收敛图。
图3是EWWO算法与先进的函数优化算法的统计分析图。
图4是HWWO算法中使用的变邻域搜索结构示意例。
图5是HWWO算法中使用的自适应邻域搜索结构示意例。
图6是HWWO算法与先进的零空闲流水车间调度算法的区间图。
图7是CWWO算法的流程图。
图8是CWWO算法与先进的分布式装配流水车间调度问题的区间图。
具体实施方式
以下结合附图及实施例,对本发明做进一步详细说明。应当理解,此处所描述的具体实例仅用于解释本发明,并不用于限定本发明。
如图1所示,一种基于多策略水波优化算法的调度方法,该调度方法包括连续函数优化问题求解模块、零空闲流水车间调度求解模块以及带装配过程的分布式零空闲流水车间调度求解模块。
在本发明实例中,首先针对连续函数优化问题调用相应的模块进行优化求解。一种基于多策略水波优化算法的调度方法,包括以下步骤:
步骤1:通过反向学习策略产生初始种群NP;
步骤2:评估种群中每个解的适应度值;若终止条件满足,则返回当前已找到的最优解,算法结束;
步骤3:按照适应度值降序排列所有候选解,将当前最优解记为历史最优解;
步骤4:执行高斯分布、差分向量结合传播算子,传播操作如下所示:
步骤5:执行差分向量结合碎浪算子,碎浪操作如下所示:
步骤6:执行协方差矩阵自适应更新策略;
步骤7:评估每个解的适应度,若新候选解优于历史最优解则将之代替;
步骤8:更新种群的全局最优解,转步骤2。
由图2和图3可以看出在相同的评价标准下,EWWO算法获得的解的精度显著优于对比的先进函数优化问题求解算法。
在本发明实例中,其次针对零空闲流水车间调度问题调用相应模块进行优化求解。
一种基于多策略水波优化算法的调度方法,包括以下步骤:
步骤1:使用PRCOV_SKERNEH产生N个候选解组成初始种群S,计算过程如下:
步骤2:评估每个解的适应度;若终止条件满足,则返回当前已找到的最优解,算法结束;
步骤3:按照适应度值降序排列所有候选解,将当前最优解记为历史最优解;
步骤4:对种群中的个体依次执行基于自适应邻域选择策略的传播操作,如图4所示;
步骤5:评估当前新解的适应度值,与当前解、历史最优解相比较,若当前解均优于历史最优解和当前最优解,执行基于局部强化变邻域搜索的碎浪操作,如图5所示;
步骤6:执行波高减1,若波高为0,执行基于扰动和破坏重构的折射操作;
步骤7:更新全局最优候选解并更新波长,转步骤2。
由图6可以看出在相同运行时间下,HWWO算法所得解的精度显著优于所对比的先进的零空闲流水车间调度问题求解算法。
在本发明实例中,最后针对带装配过程的分布式零空闲流水车间调度问题调用相应模块进行优化求解。
一种基于多策略水波优化算法的调度方法,包括以下步骤:
步骤1:使用随机化方法产生N个候选解组成初始种群NP,并按照工厂分配规则将工件分配到工厂;
步骤2:评估每个解的适应度;若终止条件满足,则返回当前已找到的最优解,算法结束;
步骤3:按照适应度值降序排列所有候选解,将当前最优解记为历史最优解;
步骤4:执行基于Q-learning结合变邻域搜索的传播操作,计算如下:
步骤5:评估当前新解的适应度值,与当前解、历史最优解相比较,若当前解均优于历史最优解和当前最优解,执行基于变邻域搜索的碎浪操作;
步骤6:若当前新解的适应度值大于当前解的适应度值,波高减1,若波高为0,执行基于扰动与破坏重构的变邻域搜索的折射操作;
步骤7:更新波长,使用模拟退火接受准则更新种群并更新全局最优候选解,转步骤2。
图7展示了CWWO算法求解分布式装配零空闲流水车间调度问题的流程图。由图8可以看出CWWO算法和对比算法有显著性差异。
以上结合附图描述了本发明的基本原理和主要特征及本发明的优点。对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下即可进行修改或变形,这些改进也视为本发明的保护范围。
Claims (4)
1.一种基于多策略水波优化算法的调度方法,其特征在于:该调度求解方法包括连续函数优化求解模块、零空闲流水车间调度求解模块以及带装配过程的分布式零空闲流水车间调度求解模块。
3.根据权利要求1所述的一种基于多策略水波优化算法的调度方法,其特征在于:所述的零空闲流水车间调度求解模块包含一个内置算法HWWO;其中包含基于PRCOV_SKERNEH的种群初始化策略、基于自适应邻域选择策略的传播操作、基于局部强化变邻域搜索的碎浪操作以及基于扰动和破坏重构的折射操作,具体按以下过程实施:
(1)针对种群中的每个个体采用自适应邻域选择策略,以单工件移动和双工件交换为主,在波长的控制下,通过自适应的方式扩大搜索邻域;
(2)将局部强化变邻域搜索引入碎浪操作中,在当前最优解周围进行深入搜索;
(3)将破坏重构策略和扰动算子嵌入到折射操作中根据问题特性避免算法停滞搜索。
4.根据权利要求1所述的一种基于多策略水波优化算法的调度方法,其特征在于:所述的带装配过程的分布式零空闲流水车间调度求解模块包含一个内置算法CWWO;其中包含基于改进的工厂分配规则、基于不同策略的变邻域搜索的三大算子以及引入Q-learning的传播操作以及模拟退火接收准则,具体按以下过程实施:
(1)根据产品的装配时间将所属产品的工件分配到每个工厂中;
(2)保留原有的水波优化算法框架,将具有不同策略的变邻域搜索融入到三大操作中,并在传播操作中根据波长的大小来控制Q-learning中的奖励表和动作表;
(3)使用模拟退火策略使得次优解具有一定的接收几率,接收概率由当前解与历史最优解之间的差异决定。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010785566.5A CN114066122B (zh) | 2020-08-06 | 2020-08-06 | 一种基于多策略水波优化算法的调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010785566.5A CN114066122B (zh) | 2020-08-06 | 2020-08-06 | 一种基于多策略水波优化算法的调度方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114066122A true CN114066122A (zh) | 2022-02-18 |
CN114066122B CN114066122B (zh) | 2024-06-21 |
Family
ID=80232455
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010785566.5A Active CN114066122B (zh) | 2020-08-06 | 2020-08-06 | 一种基于多策略水波优化算法的调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114066122B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115034945A (zh) * | 2022-06-23 | 2022-09-09 | 武汉理工大学 | 流水线车间分批生产与车辆配送集成调度方法及装置 |
CN115204062A (zh) * | 2022-09-15 | 2022-10-18 | 中国地质大学(武汉) | 面向行星际探测轨道设计的强化混合差分演化方法及*** |
CN115409387A (zh) * | 2022-08-30 | 2022-11-29 | 华中科技大学 | 一种基于改进差分进化的水库优化调度方法和*** |
CN117455199A (zh) * | 2023-12-21 | 2024-01-26 | 聊城大学 | 基于变邻域搜索算法求解矩阵制造车间agv调度的方法 |
CN115034945B (zh) * | 2022-06-23 | 2024-08-02 | 武汉理工大学 | 流水线车间分批生产与车辆配送集成调度方法及装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2008016679A2 (en) * | 2006-08-02 | 2008-02-07 | 24Eight Llc | Wireless detection and alarm system for monitoring human falls and entries into swimming pools by using three dimensional acceleration and wireless link energy data method and apparatus |
CN107958313A (zh) * | 2017-12-19 | 2018-04-24 | 兰州理工大学 | 一种离散的水波优化算法 |
CN110490470A (zh) * | 2019-08-23 | 2019-11-22 | 兰州理工大学 | 基于生物地理学优化算法的调度优化求解器 |
-
2020
- 2020-08-06 CN CN202010785566.5A patent/CN114066122B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2008016679A2 (en) * | 2006-08-02 | 2008-02-07 | 24Eight Llc | Wireless detection and alarm system for monitoring human falls and entries into swimming pools by using three dimensional acceleration and wireless link energy data method and apparatus |
CN107958313A (zh) * | 2017-12-19 | 2018-04-24 | 兰州理工大学 | 一种离散的水波优化算法 |
CN110490470A (zh) * | 2019-08-23 | 2019-11-22 | 兰州理工大学 | 基于生物地理学优化算法的调度优化求解器 |
Non-Patent Citations (2)
Title |
---|
FUQING ZHAO等: "A cooperative water wave optimization algorithm with reinforcement learning for the distributed assembly no-idle flowshop scheduling problem", 《COMPUTERS & INDUSTRIAL ENGINEERING》, vol. 153, 24 December 2020 (2020-12-24), pages 1 - 16 * |
张丽欣: "多策略WWO算法及其在车间调度问题中的应用研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》, no. 12, 15 December 2020 (2020-12-15), pages 029 - 70 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115034945A (zh) * | 2022-06-23 | 2022-09-09 | 武汉理工大学 | 流水线车间分批生产与车辆配送集成调度方法及装置 |
CN115034945B (zh) * | 2022-06-23 | 2024-08-02 | 武汉理工大学 | 流水线车间分批生产与车辆配送集成调度方法及装置 |
CN115409387A (zh) * | 2022-08-30 | 2022-11-29 | 华中科技大学 | 一种基于改进差分进化的水库优化调度方法和*** |
CN115204062A (zh) * | 2022-09-15 | 2022-10-18 | 中国地质大学(武汉) | 面向行星际探测轨道设计的强化混合差分演化方法及*** |
CN117455199A (zh) * | 2023-12-21 | 2024-01-26 | 聊城大学 | 基于变邻域搜索算法求解矩阵制造车间agv调度的方法 |
CN117455199B (zh) * | 2023-12-21 | 2024-03-22 | 聊城大学 | 基于变邻域搜索算法求解矩阵制造车间agv调度的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114066122B (zh) | 2024-06-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Xiao et al. | Artificial bee colony algorithm based on adaptive neighborhood search and Gaussian perturbation | |
CN114066122B (zh) | 一种基于多策略水波优化算法的调度方法 | |
Gao et al. | A novel artificial bee colony algorithm based on modified search equation and orthogonal learning | |
Sun et al. | Hybrid genetic algorithm with variable neighborhood search for flexible job shop scheduling problem in a machining system | |
Zhao et al. | An improved particle swarm optimization with decline disturbance index (DDPSO) for multi-objective job-shop scheduling problem | |
CN104516785B (zh) | 一种云计算资源调度***及方法 | |
Maesani et al. | Memetic viability evolution for constrained optimization | |
CN106779372A (zh) | 基于改进免疫禁忌算法的农机调度方法 | |
CN110533301A (zh) | 一种基于动态约束矩阵的粒子群调度方法 | |
Zhao et al. | An improved Q-learning based rescheduling method for flexible job-shops with machine failures | |
CN106372756A (zh) | 一种基于繁殖粒子群算法的火电厂负荷优化分配方法 | |
Wei et al. | Research on cloud design resources scheduling based on genetic algorithm | |
CN108710970B (zh) | 一种巨型梯级水电***的多目标调度并行降维方法 | |
CN108681789A (zh) | 一种云制造服务优化方法 | |
Xia et al. | Dynamic multi-swarm global particle swarm optimization | |
CN109523097A (zh) | 一种改进遗传算法的多微电网优化调度方法 | |
CN104008426A (zh) | 基于集成学习的分布式计算环境性能预测方法 | |
CN101740029A (zh) | 应用于基于矢量量化的说话人识别的三粒子协同优化方法 | |
Xu et al. | Multiobjective sorting-based learning particle swarm optimization for continuous optimization | |
Ullah et al. | An agent-based memetic algorithm (AMA) for solving constrained optimazation problems | |
CN102708407A (zh) | 一种基于种群分解的自适应混合多目标进化方法 | |
Barkat Ullah et al. | AMA: a new approach for solving constrained real-valued optimization problems | |
Panda et al. | Model reduction of linear systems by conventional and evolutionary techniques | |
Guo et al. | A hierarchical bare bones particle swarm optimization algorithm | |
Huang et al. | Cost efficient offloading strategy for DNN-based applications in edge-cloud environment |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |