裝配線平衡的最優(yōu)化模型與算法研究.pdf

1、大規(guī)模生產的產品往往采用裝配線的形式來達到經濟、均衡的效果，裝配線的平衡過程就是實現一種勞動生產率、設備利用率和滿足市場需求三者之間的平衡的過程。 本文對在大規(guī)模制造和多品種小批量制造環(huán)境下的裝配線平衡問題進行了系統(tǒng)地研究。運用最優(yōu)化模型和人工智能算法來研究裝配線平衡，從單一型（包括確定型和隨機型）到混合型，從直線型布局的裝配線到U型布局裝配線，從單一目標裝配線平衡到多目標裝配線平衡，從無資源約束到有資源約束的裝配線平衡，系統(tǒng)地

2、研究了裝配線平衡問題。 建立多種不同形式和不同類型目標的裝配線平衡的數學模型。建立第1類和第Ⅱ類單一型裝配線平衡的最優(yōu)化模型，同時研究了U型布局裝配線平衡的最優(yōu)化模型，多目標裝配線平衡的目標規(guī)劃模型以及帶資源約束的裝配線平衡的最優(yōu)化模型。這些裝配線平衡的最優(yōu)化模型改進了文獻中提出的裝配線平衡的最優(yōu)化模型，針對不同裝配線平衡問題的適應性好，變量數量與約束數量有顯著減少，對裝配線的平衡竣計與生產管理提供了理論指導、方法和工具。

3、 系統(tǒng)地設計了各類不同形式和不同目標裝配線平衡的人工智能算法，來解決大規(guī)模的裝配線平衡問題。根據平衡目標的不同，分別設計了最小化工作站數、最小化節(jié)拍、最小化均衡指數以及最大化相關系數等四類目標的裝配線平衡的算法；根據裝配線類型的不同，分別探討了確定型、隨機型、混合型、多目標以及資源約束型等的遺傳算法。在算法設計中研究了適應度函數的選擇問題，提出了能夠實現目標持續(xù)改進的適應度函數，使得算法在迭代過程中，目標值易于持續(xù)改進；同時，運用隨機

4、方法結合啟發(fā)式方法產生初始種群，設計了獨特的染色體編碼規(guī)則、譯碼規(guī)則，尤其在U型裝配線平衡算法中設計了帶有分派指示方向的染色體編碼方法，大大提高了裝配線平衡的效率；在算子設計中，設計了基于優(yōu)先矩陣的遺傳算子，將迭代過程地轉換為矩陣和向量運算，使算法較高的效率，具有較快的收斂速度、很強的脫離局部最優(yōu)解的能力。 采用仿真的方法研究了四類隨機型裝配線平衡問題，分析了裝配線的設計參數與優(yōu)化的目標函數之間關系。運用灰色關聯度方法解決了數據