基于混合蛙跳算法的混流裝配線排序研究.pdf

1、隨著人民消費(fèi)水平的不斷提高，對(duì)于產(chǎn)品的多樣化、個(gè)性化的需求成為主流，多品種、小批量的混流生產(chǎn)方式正逐漸成為生產(chǎn)制造業(yè)的主要生產(chǎn)方式?；炝餮b配線是根據(jù)客戶的不同要求而形成不同的生產(chǎn)任務(wù)，特性相似的產(chǎn)品會(huì)在同一條生產(chǎn)線上進(jìn)行連續(xù)作業(yè)，雖然工藝相似，但需要的生產(chǎn)方式、標(biāo)準(zhǔn)時(shí)間、使用的機(jī)器部件存在差異，因此混流裝配線排序問題是復(fù)雜的組合優(yōu)化問題，屬于NP-hard問題。實(shí)現(xiàn)混流生產(chǎn)的核心是生產(chǎn)的平準(zhǔn)化，而保證平準(zhǔn)化的重點(diǎn)是投產(chǎn)排序的最優(yōu)化。合理

2、的混流裝配線的投產(chǎn)排序能確保協(xié)調(diào)生產(chǎn)、充分利用現(xiàn)有生產(chǎn)資源、提高生產(chǎn)效率，進(jìn)而能夠確保交貨期和提高市場競爭力，因此對(duì)混流裝配線排序問題進(jìn)行研究很有必要。
　　目前我國對(duì)于混流裝配線的調(diào)度研究還處于初期階段，混裝線生產(chǎn)效率還不是很高。因此本文針對(duì)混流裝配線的多目標(biāo)排序問題，對(duì)混合蛙跳算法（SFLA）進(jìn)行了改進(jìn)，其主要的研究內(nèi)容如下：
　　1．針對(duì)傳統(tǒng)混合蛙跳算法收斂速度慢、優(yōu)化精度低的問題。本文提出了基于混沌優(yōu)化的混合蛙跳算法

3、（Chaotic Shuffled Frog Leaping Algorithm,CSFLA），利用SFLA算法概念簡單、參數(shù)少、編程簡單易實(shí)現(xiàn)、尋優(yōu)能力強(qiáng)和混沌運(yùn)動(dòng)的隨機(jī)性、遍歷性等特點(diǎn)，通過將混沌優(yōu)化用于子種群的局部深度搜索和種群全局更新策略，對(duì)隨機(jī)更新的適應(yīng)度最差個(gè)體或全局最優(yōu)個(gè)體執(zhí)行混沌優(yōu)化，然后用優(yōu)化結(jié)果取代當(dāng)前種群中的隨機(jī)個(gè)體或最差個(gè)體，使SFLA算法跳出局部最優(yōu)，提高了算法的優(yōu)化精度，獲得更好的最優(yōu)解。利用CSFLA算法求

4、解以最小化工作站的超載時(shí)間和保持均勻的零部件消耗速率為優(yōu)化模型的多目標(biāo)混流裝配線排序問題，通過實(shí)例表明，采用CSFLA算法比采用SFLA、GA和TAPSO算法獲得更好的最優(yōu)解。
　　2.針對(duì)SFLA算法求解混流裝配線多目標(biāo)排序問題時(shí)，由于尋優(yōu)過程隨機(jī)性太大導(dǎo)致速度較慢的問題。本文以最小化總生產(chǎn)變化率和最小化閑置-超載時(shí)間為混流裝配線排序優(yōu)化目標(biāo)，提出了基于小生境技術(shù)的混沌混合蛙跳算法（Niche Chaos Shuffled Fr

5、og Leaping Algorithm,NCSFLA）。通過小生境技術(shù)對(duì)種群進(jìn)行分類，在子種群中通過選擇小生境的半徑值R，標(biāo)記歐式距離在半徑范圍內(nèi)的個(gè)體，由適應(yīng)度好的個(gè)體組成臨時(shí)最優(yōu)解；然后對(duì)每個(gè)小生境的種群最優(yōu)解執(zhí)行混沌迭代變異，變異空間與迭代次數(shù)成正比，在進(jìn)化初期，較大的變異尺度使算法搜索空間廣泛，增加搜索到全局最優(yōu)解的概率；在進(jìn)化后期，較小的變異尺度有利于算法在小空間內(nèi)的局部精細(xì)搜索，可以增強(qiáng)解的收斂精度和運(yùn)算速度。通過混流裝配

6、線的排序?qū)嵗砻?，采用NCSFLA算法比采用SFLA、PSO算法的優(yōu)化結(jié)果和速度都有較大提高。
　　3.針對(duì)傳統(tǒng)的混合蛙跳算法解決混流裝配線的多目標(biāo)排序優(yōu)化問題時(shí)，可以在一定條件下跳出局部收斂得到優(yōu)化解，但是由于混流裝配線的多目標(biāo)排序?qū)儆贜P-hard問題，仍不能避免出現(xiàn)收斂速度慢、求解精度不高的問題。本文以最小化工作站的超載時(shí)間和保持均勻的零部件消耗速率為混流裝配線優(yōu)化目標(biāo)，并提出了基于量子差分進(jìn)化的混合蛙跳算法(Quantum

7、 Differential Evolution Shuffled Frog Leaping Algorithm,QDESFLA)。將量子位的Bloch球面坐標(biāo)用于個(gè)體編碼，個(gè)體采用量子位在Bloch球面上繞軸旋轉(zhuǎn)的方法進(jìn)行更新，使用Hadamard門實(shí)現(xiàn)個(gè)體變異，以此增加種群的多樣性，使解空間的搜索范圍得以有效擴(kuò)展，增強(qiáng)全局搜索能力；利用差分進(jìn)化算法中的進(jìn)化算子作為局部搜索策略，并在混沌序列中引入差分變異算子以抑制早熟收斂，以此增強(qiáng)混合