針對實(shí)際拆卸線存在的不確定性因素導(dǎo)致作業(yè)時(shí)間具有隨機(jī)性的特點(diǎn),采用零件優(yōu)先關(guān)系圖定義的拆卸模型,以工作站數(shù)目、平衡性指標(biāo)、穩(wěn)定性指標(biāo)為優(yōu)化目標(biāo),考慮工作站等效作業(yè)時(shí)間滿足節(jié)拍時(shí)間約束,構(gòu)建了隨機(jī)型拆卸線平衡問題模型,并提出一種基于Pareto占優(yōu)的局部鄰域遺傳算法。在該算法中,設(shè)計(jì)了一種面向隨機(jī)作業(yè)時(shí)間的解碼方法,通過兩種交叉操作實(shí)現(xiàn)種群的全局搜索,并構(gòu)造了深度鄰域和廣度鄰域相結(jié)合的局部搜索策略,以擴(kuò)大局部搜索的范圍并提高局部尋優(yōu)能力。通過對兩個(gè)大規(guī)模算例的測試與對比,驗(yàn)證了所提算法的優(yōu)越性和改進(jìn)策略的有效性。最后,將模型和算法運(yùn)用至27項(xiàng)任務(wù)的電視機(jī)為拆卸實(shí)例,通過分析該隨機(jī)型拆卸線平衡優(yōu)化的具體應(yīng)用過程與結(jié)果,說明了所建模型與算法的實(shí)用性。 

【文章來源】：計(jì)算機(jī)集成制造系統(tǒng). 2019,25(03)北大核心EICSCD

【文章頁數(shù)】：12 頁

【部分圖文】：

圖1兩點(diǎn)奪賈拯作示素圖

第３期張則強(qiáng)等：隨機(jī)型拆卸線平衡問題的局部鄰域遺傳算法２．４局部搜索策略遺傳算法通過變異操作進(jìn)行局部搜索，變異操作搜索的范圍較小，局部搜索能力有限。本文設(shè)計(jì)了一種深度鄰域和廣度鄰域相結(jié)合的局部搜索策略，擴(kuò)大局部搜索的范圍以提高局部尋優(yōu)能力。其中鄰域解、深度鄰域、廣度鄰域的概念見定義１～定義３，深度鄰域與廣度鄰域的結(jié)構(gòu)示意圖如圖２所示。定義１鄰域解指種群個(gè)體周圍，與其有鄰域結(jié)構(gòu)的解，本文的鄰域結(jié)構(gòu)為兩兩交換方式和插入方式。定義２深度鄰域指種群個(gè)體通過多次兩兩交換操作得到一系列的鄰域解，該過程中的所有解構(gòu)成深度鄰域關(guān)系，變換次數(shù)即為深度鄰域的搜索深度。定義３廣度鄰域指種群個(gè)體通過多點(diǎn)位插入操作得到一系列的鄰域解，該過程中的所有解構(gòu)成廣度鄰域關(guān)系。局部搜索策略以交叉操作得到的新解為對象，依據(jù)變異概率Ｐｍ將局部搜索策略分為深度鄰域搜索與廣度鄰域搜索，通過搜索深度鄰域解和廣度鄰域解擴(kuò)大了搜索范圍，實(shí)現(xiàn)了個(gè)體的局部尋優(yōu)。局部搜索策略的具體步驟如下：步驟１輸入個(gè)體Ｘ（ｘ１，…，ｘｉ，…，ｘｎ），變異概率Ｐｍ。步驟２產(chǎn)生一個(gè)均勻隨機(jī)數(shù)ｒ２∈［０，１］。步驟３判斷ｒ２＜Ｐｍ，若成立，執(zhí)行深度鄰域搜索步驟４，否則執(zhí)行廣度鄰域搜索步驟５。步驟４計(jì)算深度鄰域搜索的深度Ｌ＝"ｒ２×ｎ#，隨機(jī)選擇個(gè)體的某一任務(wù)ｘｉ作為鄰域出發(fā)點(diǎn)，確定ｘｉ的緊前工作和緊后工作之間的可交換任務(wù)集Ｖ１，隨機(jī)選擇某一可交換任務(wù)ｘｊ∈Ｖ１

第３期張則強(qiáng)等：隨機(jī)型拆卸線平衡問題的局部鄰域遺傳算法綜合ＬＮＧＡ在｛１００，１６０，０．５，０．５｝參數(shù)組合下重復(fù)運(yùn)行１０次的非劣解，ＬＮＧＡ求解Ｐ５２問題的結(jié)果見表３，各算法的Ｐａｒｅｔｏ最優(yōu)前沿如圖３所示。由圖４可知，ＡＣＯ的求解質(zhì)量最差，平均閑置率ＦＩｄｌｅ存在兩個(gè)取值，平滑率ＦＳｍｏｏｔｈ的范圍在８５．９４％～９７．４７％，拆卸成本ＦＣｏｓｔ的范圍在１５０．５４６～１７３．３８８；ＡＦＳＡ求得８個(gè)非劣解，ＦＣｏｓｔ求得３種對比算法的最優(yōu)值１２９．７５，ＦＳｍｏｏｔｈ求得３種對比算法的最優(yōu)值９９．７６％；ＧＡＳＡ求得１０個(gè)非劣解，所有解均支配ＡＣＯ的非劣解；本文所提ＬＮＧＡ求得１０個(gè)非劣解，均開啟７個(gè)工作站，ＦＳｍｏｏｔｈ的范圍在８５．５５％～９９．９９％，ＦＣｏｓｔ的范圍在１２７．１４６～１５２．２３２，與ＡＣＯ、ＡＦＳＡ、ＧＡＳＡ３種對比算法相比，ＦＳｍｏｏｔｈ的最優(yōu)值分別優(yōu)化了２．５９％、０．２３％、０．２５％，ＦＣｏｓｔ的最優(yōu)值分別優(yōu)化了１５．５４％、２．０１％、４．９９％，ＬＮＧＡ將ＡＣＯ、ＡＦＳＡ、ＧＡＳＡ的Ｐａｒｅｔｏ最優(yōu)前沿向前推進(jìn)，驗(yàn)證了所提ＬＮＧＡ在求解大規(guī)模ＤＬＢＰ的有效性和優(yōu)越性。表３所提ＬＮＧＡ求解Ｐ５２問題的結(jié)果序號拆卸方案ＦＩｄｌｅＦＳｍｏｏｔｈＦＣｏｓｔ１［１８，３６，３３，４７，２１，３］－［２８，１５，２９

【參考文獻(xiàn)】：
期刊論文
[1]多目標(biāo)拆卸線平衡問題的Pareto遺傳模擬退火算法[J]. 汪開普,張則強(qiáng),朱立夏,鄒賓森.  計(jì)算機(jī)集成制造系統(tǒng). 2017(06)
[2]多目標(biāo)拆卸線平衡問題的Pareto人工魚群算法[J]. 汪開普,張則強(qiáng),毛麗麗,李六柯.  中國機(jī)械工程. 2017(02)
[3]基于混合的多目標(biāo)遺傳算法的多目標(biāo)流水車間逆調(diào)度問題求解方法[J]. 牟健慧,郭前建,高亮,張偉,牟建彩.  機(jī)械工程學(xué)報(bào). 2016(22)
[4]作業(yè)車間調(diào)度的空閑時(shí)間鄰域搜索遺傳算法[J]. 趙詩奎,方水良,顧新建.  計(jì)算機(jī)集成制造系統(tǒng). 2014(08)
[5]基于Pareto蟻群算法的拆卸線平衡多目標(biāo)優(yōu)化[J]. 丁力平,譚建榮,馮毅雄,高一聰.  計(jì)算機(jī)集成制造系統(tǒng). 2009(07)



本文編號：3563089