基于混合蛙跳算法的混流裝配線排序研究.pdf

1、隨著人民消費水平的不斷提高，對于產(chǎn)品的多樣化、個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。混流裝配線是根據(jù)客戶的不同要求而形成不同的生產(chǎn)任務，特性相似的產(chǎn)品會在同一條生產(chǎn)線上進行連續(xù)作業(yè)，雖然工藝相似，但需要的生產(chǎn)方式、標準時間、使用的機器部件存在差異，因此混流裝配線排序問題是復雜的組合優(yōu)化問題，屬于NP-hard問題。實現(xiàn)混流生產(chǎn)的核心是生產(chǎn)的平準化，而保證平準化的重點是投產(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，進而能夠確保交貨期和提高市場競爭力，因此對混流裝配線排序問題進行研究很有必要。
　　目前我國對于混流裝配線的調(diào)度研究還處于初期階段，混裝線生產(chǎn)效率還不是很高。因此本文針對混流裝配線的多目標排序問題，對混合蛙跳算法（SFLA）進行了改進，其主要的研究內(nèi)容如下：
　　1．針對傳統(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、編程簡單易實現(xiàn)、尋優(yōu)能力強和混沌運動的隨機性、遍歷性等特點，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，對隨機更新的適應度最差個體或全局最優(yōu)個體執(zhí)行混沌優(yōu)化，然后用優(yōu)化結果取代當前種群中的隨機個體或最差個體，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間和保持均勻的零部件消耗速率為優(yōu)化模型的多目標混流裝配線排序問題，通過實例表明，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SFLA算法求解混流裝配線多目標排序問題時，由于尋優(yōu)過程隨機性太大導致速度較慢的問題。本文以最小化總生產(chǎn)變化率和最小化閑置-超載時間為混流裝配線排序優(yōu)化目標，提出了基于小生境技術的混沌混合蛙跳算法（Niche Chaos Shuffled Fr

5、og Leaping Algorithm,NCSFLA）。通過小生境技術對種群進行分類，在子種群中通過選擇小生境的半徑值R，標記歐式距離在半徑范圍內(nèi)的個體，由適應度好的個體組成臨時最優(yōu)解；然后對每個小生境的種群最優(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)的局部精細搜索，可以增強解的收斂精度和運算速度。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)化結果和速度都有較大提高。
　　3.針對傳統(tǒng)的混合蛙跳算法解決混流裝配線的多目標排序優(yōu)化問題時，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，并提出了基于量子差分進化的混合蛙跳算法(Quantum

7、 Differential Evolution Shuffled Frog Leaping Algorithm,QDESFLA)。將量子位的Bloch球面坐標用于個體編碼，個體采用量子位在Bloch球面上繞軸旋轉(zhuǎn)的方法進行更新，使用Hadamard門實現(xiàn)個體變異，以此增加種群的多樣性，使解空間的搜索范圍得以有效擴展，增強全局搜索能力；利用差分進化算法中的進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，以此增強混合