拆缷線平衡問題的人工蜂群算法研究及其應用.pdf

1、資源短缺和環(huán)境污染是當今社會發(fā)展面臨的兩大難題，舊產(chǎn)品回收再利用，是解決這兩大難題的有效的方法之一。當今中國每年產(chǎn)生幾千萬件的廢舊電器，面對如此大規(guī)模廢舊產(chǎn)品的拆卸，拆卸線是最高效的組織形式。因此，對拆卸線平衡問題的研究具有重要意義。拆卸線平衡問題是一個NP問題，基于仿生原理的人工蜂群算法具有明顯的優(yōu)勢。本文研究課題結合國家自然科學基金項目(51205328)，對拆卸線平衡問題的人工蜂群算法展開研究。標準人工蜂群算法收斂慢，易陷入局部最

2、優(yōu)。因此，本文提出一種改進的人工蜂群算法求解拆卸線平衡問題。
　　本文的改進措施主要包括以下四個方面:(1)在生成初始解時，加入任務危害和需求因素的影響，提高初始解在危害和需求方面的質量;(2)設計一種由局部最優(yōu)解和當前解調(diào)節(jié)的可變步長，加強對近優(yōu)解的搜索力度，加速淘汰質量差、優(yōu)化慢的解;(3)為觀察蜂設計一種蠕動的搜索策略，針對有危害和高需求的任務向前做微小的移動搜索，增強其對后續(xù)目標的優(yōu)化能力;(4)將嵌入衰減操作的分布估計算

3、法引入偵察蜂的搜索策略，改進為向較優(yōu)解中任務與位置對應關系學習的啟發(fā)式搜索和全局隨機并用的策略，有效的改善了偵察蜂的搜索質量。完善算法流程，設定相關參數(shù)，用MATLAB將算法程序化。
　　用改進的人工蜂群算法求解大量不同規(guī)模和特點的實例，如復雜優(yōu)先關系、多種拆卸方向、非確定拆卸時間等。并與標準人工蜂群算法和文獻中的一些算法進行對比，結果表明所提算法對小規(guī)模算例均能快速找到最優(yōu)解，對大規(guī)模算例優(yōu)化結果要好于文獻的結果，驗證了算法的有