一种基于集束搜索进化算法的产品族设计优化方法技术

本文发明专利技术一种基于集束搜索进化算法的产品族设计优化方法，包括以下步骤：步骤1：个体的结构及编码；步骤2：种群初始化；步骤3：计算适应值函数；步骤4：选择操作；步骤5：个体交叉操作；步骤6：个体自适应变异操作；步骤7：终止规则。采用真实实验和仿真案例进行实验，实验结果表明，按照本文提出的方法比传统的遗传算法具有更好的效果，可帮助企业快速获得产品族设计的优化解决方案，为企业开发系列新产品扩大市场份额、减少开发成本、提高企业利润起到重要作用。重要作用。重要作用。

【技术实现步骤摘要】
一种基于集束搜索进化算法的产品族设计优化方法


[0001]本专利技术涉及信息技术及自动化
，具体涉及一种基于集束搜索进化算法的产品族设计优化方法。

技术介绍

[0002]产品族技术是产品集成设计过程中一种有效解决产品多样化的方法和实现大规模定制的途径，它通过模块化技术和产品平台提高设计的重用性和效率，方便系列产品的管理，并大幅度缩短产品的设计和生产周期。目前，产品族技术在飞机、汽车、电子产品和软件等行业都有广泛的应用。
[0003]产品族设计优化问题是指在产品模块建立和模块接口已经确定的前提下，产品族中的产品如何选择最优的模块基本元素以符合产品功能需求，其本质是一类最优化问题和决策问题。产品族设计优化方面的研究一直是产品族研究的热点问题之一。然而，产品族设计优化的数学模型比较复杂，很多实际问题都存在组合爆炸的问题，很难在工程允许的时间内得到全局最优解。因此，目前主要采用启发式方法或亚启发式方法，在满足给定资源和约束的条件下，由算法自动从可行的产品族设计方案中优选出满意的方案。其中，应用最为广泛和成功的算法是遗传算法，然而产品族设计优化的遗传算法往往存在收敛慢和容易陷入局部最优解的缺陷。
[0004]基于此，针对现有技术的缺陷，实有必要提出一种技术方案以解决现有技术存在的技术问题。

技术实现思路

[0005]针对现有技术存在的不足，本专利技术提供一种基于集束搜索进化算法的产品族设计优化方法，通过算法提高了求解效率，能在较短时间内获得较高质量的产品族设计优化解决方案。
[0006]为了解决现有技术存在的技术问题，本专利技术的技术方案是：
[0007]一种基于集束搜索进化算法的产品族设计优化方法，包括如下步骤：
[0008]步骤1：个体的结构及编码：采用按照产品族中的产品进行分区和整数编码的方式进行个体的编码。
[0009]步骤2：种群初始化：采用嵌入集束搜索的方法来产生初始种群，以提高种群的初始解质量和进化速度。
[0010]步骤3：计算适应值函数：通过构造线性规划求解产品族设计优化的产品价格决策变量，并采用正则化方法将目标函数处理至0～1之间的适应值。
[0011]步骤4：选择操作：算法的有效选择操作能驱使种群向适应值高的方向演化，即使得性能优良的个体有较大的选择概率。根据适应值大则选择概率大的原则，采用轮盘赌方法来进行个体的选择。
[0012]步骤5：染色体交叉操作：采用均匀交叉方法来生成新的个体，并通过相似度指数
来避免在种群中产生过多相同的个体。
[0013]步骤6：个体自适应变异操作：通过动态控制变异率的值，使得变异率在迭代开始时取较小的值，在迭代末期取较大的值。
[0014]步骤7：终止规则：算法的终止规则为，当迭代次数达到给定的阈值时，算法终止，同时出当前种群的最优解作为算法获得的近似最优解。
[0015]进一步地，步骤1中，每一个个体有J个分区组成，其中第j(j＝1,2,
…
,J)个分区表示产品族中的第j个系列产品。没个分区由K个单元组成，其中第k(k＝1,2,
…
,K)个单元表示产品的第k个技术特性的可选水平。设第k个技术特性有H
k
个可选水平，那么一个个体可以表示为x
jkh
(j＝1,2,
…
,J；k＝1,2,
…
,K；h＝1,2,
…
,H
k
)，其中，x
jkh
的取值范围是[1,H
k
]之间的整数值。
[0016]进一步地，步骤2中，在种群初始化过程中嵌入集束搜索算法来产生初始个体，可避免搜索过程过慢而陷入过长的迭代。初始种群的生成算法具体如下：
[0017]符号定义：M为种群的个体个数；b为搜索的集束宽度；m为当前种群个体的索引值；l为搜索的层数；z为工作矩阵的个数；C为相对于现有产品的成分效用矩阵；A为当前层的工作矩阵；E为给定层的属性组合矩阵；P为产品族的产品配置矩阵。
[0018]步骤2
‑
1：初始化；
[0019]设定m＝1,z＝K,l＝1。计算相对成分效用矩阵C，设定A
l
＝C。
[0020]步骤2
‑
2：矩阵组合；
[0021]从A
l
中迭代选取两个矩阵，然后组合这两个矩阵，形成新的属性水平组合矩阵，即：
[0022][0023]步骤2
‑
3：排序选择；
[0024]计算每个E
l
中每一列的正元素个数PE,负元素个数NE，正元素的和SE。将E
l
的列按照PE,SE,NE降序进行排序后，选择前b列导入A
l+1
并设置
[0025]步骤2
‑
4：产品配置；
[0026]设置l＝l+1。如果z≥2，则跳转到步骤2
‑
2。在A
l
中选择其中具有最大目标函数值的列，将其中的产品配置信息保存在P(m)中，设置m＝m+1。如果m≤M，则跳转到步骤2
‑
2。
[0027]步骤2
‑
5：输出结果；
[0028]将矩阵P(m),m＝1,2,
…
,M中包含的每个产品的配置信息输出，初始化算法结束。
[0029]进一步地，步骤3中，因为产品价格是一个连续型决策变量，本文的个体结构中不包含这一决策变量。在计算适应值函数时，在已知产品族配置的情况下，产品族设计优化模型将退化成一个线性规划模型，因此可以通过单纯形方法直接计算产品价格。
[0030]为了避免计算得到的适应值过大而不利于选择过程，个体的适应值经过了正则化处理，具体按照如下公式进行计算：
[0031][0032]其中f是个体的目标函数值，f
min
和f
max
是当前种群中最小和最大的目标函数值，r是一个很小的正数以避免计算错误。
[0033]进一步地，步骤5中，基于个体的结构，采用均匀交叉方法来产生新的个体。进一步地，为了避免种群中产生过多相同的个体，采用相似性指数s来度量双亲个体的相似程度，表示如下：
[0034]s＝c/n
[0035]其中c是双亲的相同基因数量，n是个体的所有基因数量。如果s超过阈值r，则不进行交叉操作。阈值r的计算公式如下：
[0036][0037]其中g是当前种群的迭代次数G是种群迭代总次数。
[0038]进一步地，步骤6中，进化算法的一个可能的问题是陷入局部最优解；如果算法的参数在运行过程中是常数，则可能不能动态适用计算环境的需要，导致算法效率的降低。本文采用自适应变异算子，基于当前种群的状态来来动态调整算法的变异率，其基本思想是利用构造的函数，在演化的初始阶段保持比较低的变异率，在演化的后期增大变异率，具体的变异率计算公式如下：本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于集束搜索进化算法的产品族设计优化方法，其特征在于，包括如下步骤：步骤1：个体的结构及编码：采用按照产品族中的产品进行分区和整数编码的方式进行个体的编码；步骤2：种群初始化：采用嵌入集束搜索的方法来产生初始种群，以提高种群的初始解质量和进化速度；步骤3：计算适应值函数：通过构造线性规划求解产品族设计优化的产品价格决策变量，并采用正则化方法将目标函数处理至0～1之间的适应值；步骤4：选择操作：算法的有效选择操作能驱使种群向适应值高的方向演化，即使得性能优良的个体有较大的选择概率；根据适应值大则选择概率大的原则，采用轮盘赌方法来进行个体的选择；步骤5：染色体交叉操作：采用均匀交叉方法来生成新的个体，并通过相似度指数来避免在种群中产生过多相同的个体；步骤6：个体自适应变异操作：通过动态控制变异率的值，使得变异率在迭代开始时取较小的值，在迭代末期取较大的值；步骤7：终止规则：算法的终止规则为，当迭代次数达到给定的阈值时，算法终止，同时出当前种群的最优解作为算法获得的近似最优解；其中，步骤2中，嵌入集束搜索算法来产生初始种群的算法具体如下：步骤2
‑
1：初始化；设定m＝1,z＝K,l＝1；计算相对成分效用矩阵C，设定A
l
＝C；其中，m为当前种群个体的索引值；l为搜索的层数；z为工作矩阵的个数；C为相对于现有产品的成分效用矩阵；A
l
为当前层l的工作矩阵；步骤2
‑
2：矩阵组合；从A
l
中迭代选取两个矩阵，然后组合这两个矩阵，形成新的属性水平组合矩阵，即：E
l
(s)[(g
‑
1)b+h]＝A
l
(2s
‑
1)[g]+A

【专利技术属性】
技术研发人员：雒兴刚，储嘉徽，张忠良，阮渊鹏，
申请(专利权)人：杭州电子科技大学，
类型：发明
国别省市：