【技术实现步骤摘要】
本专利技术属于高度混合产品装配车间的动态节拍优化领域，具体涉及一种基于改进的人工蜂群算法的高度混合装配线动态节拍决策方法。
技术介绍
1、市场的不稳定性以及工艺和创新技术的频繁引入，使得企业需要不断调整制造系统架构的运营参数以实现盈利，并在全球市场保持竞争力。由于能够提供产品多样性，并以智能方式满足客户的定制化需求，混合模型装配线在当今竞争激烈的市场受到各个制造企业青睐。
2、混合模型装配线指一定时间内，结构或工艺相似的产品在同一生产线进行生产，产品的品种随客户需求不断变更。混装线问题主要涉及平衡和排序这两个部分。混装线采用预先制定的相同的时间间隔(节拍时间)向系统中启动一个作业。混装模型的出现所引起需求率的变化，使得生产线的平衡和排序变得更优挑战性。
3、传统集成规划方法依赖于对生产线上生产的每个模型需求的详细预测，并推导出联合优先图。这种做法所假定的有限混合模型使其部分代表各个模型。高变型混合模型下，混装线上的产品呈现高度可变性，原先假设的需求比例和产品模型不再适用，所得到的平衡、排序结果也难以令人满意。
技术实现思路
1、本专利技术的目的在于解决高度混合模型下平衡和排序联合决策优化问题，提供一种基于改进的人工蜂群算法的高度混合装配线动态节拍决策方法。
2、为实现上述目的，本专利技术的技术方案是：一种基于改进的人工蜂群算法的高度混合装配线动态节拍决策方法，包括：
3、建立具有多个优化目标的多目标优化模型；
4、采用随机
5、对初始解中的各个解，计算其目标函数值，并进行快速非支配解排序、拥挤度计算和种群排序；
6、在雇佣蜂阶段，对个体进行一次蜜源更新；在跟随蜂阶段，对个体进行一次蜜源更新；在侦察蜂阶段，对新蜜源进行替换，生成平衡解集；
7、在平衡解集的基础上，采用变换、逆转、插入变异方法进行变异，获得平衡和排序综合解集；
8、采用精英保留策略生成下一代种群；
9、以下一代种群作为新的初始种群，重复进行迭代更新，直至满足结束条件。
10、在本专利技术一实施例中，所述优化目标包括最小化各工作站之间负荷均衡、最小化不同产品在同一个站点内负荷均衡、最小化不同状态下各站间瞬时负荷均衡；
11、所述最小化各工作站之间负荷均衡的计算公式为：
12、
13、其中，j1代表各工作站之间负荷均衡，qm代表第m个产品在高度混合模型中的数量占比，tmk代表第m个产品分配在第k个站点的装配作业时间，tmj代表第m个产品分配在第j个站点的装配作业时间，s代表工作站点的数量；
14、所述最小化不同产品在同一个站点内负荷均衡的计算公式为：
15、
16、其中，代表分配给j个工作站的所有装配任务的加权平均装配时间，tim代表第m个产品第i个任务的装配时间，xij代表各装配任务分配到工作站上任务的决策变量为0/1型，qim表示m产品是否含有i任务的决策变量为0/1型，m代表高度混合产品的种类数；
17、所述最小化不同状态下各站间瞬时负荷均衡的计算公式为：
18、
19、其中，maxtzk表示在z状态下分配给所有工作站的作业时间的最大值，tzk表示在z状态下分配给k工作站的作业时间，d表示各个产品的最低需求比例值之和，s代表工作站点的数量。
20、在本专利技术一实施例中，采用随机的方法构造初始解的过程中，针对平衡问题采用基于优先权重的编码方式对粒子进行编码和解码；针对排序问题采用随机数表示法和基于产品的编码方法，并采用降序映射规则进行解码。
21、在本专利技术一实施例中，所述针对平衡问题对粒子进行编码，是基于作业优先图将1个n维向量转换为1个可行的作业顺序，n为作业个数；向量里面每个元素均是0-1的随机数，向量中第j个元素代表作业j的优先权重，作业的优先权重越高表示作业被选择的优先级别越高。
22、在本专利技术一实施例中，所述快速非支配解排序通过遍历p个个体之间的相关支配关系并对支配关系进行计数统计，实现对整个种群的分层。
23、在本专利技术一实施例中，所述拥挤度计算公式为
24、
25、其中，fm表示第m维目标函数，nk表示种群共有nk个个体，xi-1和xi+1分别表示在按m维目标排序后个体xi左右相邻的两个个体。
26、在本专利技术一实施例中，所述种群排序是基于非支配序nrank和拥挤度值nd两个属性，对整个种群进行排序。其中，nrank表示当前个体在整个种群中被划分到第几层，nd为拥挤度值。
27、在本专利技术一实施例中，所述雇佣蜂阶段对当前种群中每个个体按照新的更新公式都进行一次蜜源更新；所述跟随蜂阶段按照新的概率公式选择p个蜜源，并基于新的更新公式对每个蜜源进行一次更新；所述侦察蜂阶段对开采度大于limit的蜜源，采用随机的方法生成新蜜源进行替换。
28、在本专利技术一实施例中，所述精英保留策略是将当前种群以及在雇佣蜂阶段和跟随蜂阶段所保留下来的新个体进行合并，并进行快速非支配解排序、拥挤度计算和种群排序，生成下一代种群。
29、在本专利技术一实施例中，所述结束条件包括达到最大迭代次数。
30、相较于现有技术，本专利技术具有以下有益效果：
31、本专利技术提供了针对高度混合模型生产线平衡和排序协同优化模型，采取pareto前沿解的方式，使用了iabc进行协同优化。
32、本专利技术所提供的方法分别设计了基于工位的平衡问题编码方式和基于排序的投产序列编码方式，实现多目标联合优化。
33、本专利技术所提供的算法使用了多个启发式规则来生成平衡个体，增加了初始种群的代表性，使得概率模型可以采样到高品质的后代个体。在平衡解的基础上，对排序问题开展局部搜索，提升算法的局部优化能力。
34、本专利技术所提供的算法在个体选择和种群更新过程中加入了多样性保持机制，使算法能跳出局部最优，最终达到全局最优。
本文档来自技高网...【技术保护点】
1.一种基于改进的人工蜂群算法的高度混合装配线动态节拍决策方法，其特征在于，包括：
2.根据权利要求1所述的一种基于改进的人工蜂群算法的高度混合装配线动态节拍决策方法，其特征在于，所述优化目标包括最小化各工作站之间负荷均衡、最小化不同产品在同一个站点内负荷均衡、最小化不同状态下各站间瞬时负荷均衡；
3.根据权利要求1所述的一种基于改进的人工蜂群算法的高度混合装配线动态节拍决策方法，其特征在于，采用随机的方法构造初始解的过程中，针对平衡问题采用基于优先权重的编码方式对粒子进行编码和解码；针对排序问题采用随机数表示法和基于产品的编码方法，并采用降序映射规则进行解码。
4.根据权利要求3所述的一种基于改进的人工蜂群算法的高度混合装配线动态节拍决策方法，其特征在于，所述针对平衡问题对粒子进行编码，是基于作业优先图将1个n维向量转换为1个可行的作业顺序，n为作业个数；向量里面每个元素均是0-1的随机数，向量中第j个元素代表作业j的优先权重，作业的优先权重越高表示作业被选择的优先级别越高。
5.根据权利要求1所述的一种基于改进的人工蜂群算法的高
6.根据权利要求1所述的一种基于改进的人工蜂群算法的高度混合装配线动态节拍决策方法，其特征在于，所述拥挤度计算公式为
7.根据权利要求1所述的一种基于改进的人工蜂群算法的高度混合装配线动态节拍决策方法，其特征在于，所述种群排序是基于非支配序nrank和拥挤度值nd两个属性，对整个种群进行排序；其中，nrank表示当前个体在整个种群中被划分到第几层，nd为拥挤度值。
8.根据权利要求1所述的一种基于改进的人工蜂群算法的高度混合装配线动态节拍决策方法，其特征在于，所述雇佣蜂阶段对当前种群中每个个体按照新的更新公式都进行一次蜜源更新；所述跟随蜂阶段按照新的概率公式选择P个蜜源，并基于新的更新公式对每个蜜源进行一次更新；所述侦察蜂阶段对开采度大于Limit的蜜源，采用随机的方法生成新蜜源进行替换。
9.根据权利要求1所述的一种基于改进的人工蜂群算法的高度混合装配线动态节拍决策方法，其特征在于，所述精英保留策略是将当前种群以及在雇佣蜂阶段和跟随蜂阶段所保留下来的新个体进行合并，并进行快速非支配解排序、拥挤度计算和种群排序，生成下一代种群。
10.根据权利要求1所述的一种基于改进的人工蜂群算法的高度混合装配线动态节拍决策方法，其特征在于，所述结束条件包括达到最大迭代次数。
...【技术特征摘要】
1.一种基于改进的人工蜂群算法的高度混合装配线动态节拍决策方法，其特征在于，包括：
2.根据权利要求1所述的一种基于改进的人工蜂群算法的高度混合装配线动态节拍决策方法，其特征在于，所述优化目标包括最小化各工作站之间负荷均衡、最小化不同产品在同一个站点内负荷均衡、最小化不同状态下各站间瞬时负荷均衡；
3.根据权利要求1所述的一种基于改进的人工蜂群算法的高度混合装配线动态节拍决策方法，其特征在于，采用随机的方法构造初始解的过程中，针对平衡问题采用基于优先权重的编码方式对粒子进行编码和解码；针对排序问题采用随机数表示法和基于产品的编码方法，并采用降序映射规则进行解码。
4.根据权利要求3所述的一种基于改进的人工蜂群算法的高度混合装配线动态节拍决策方法，其特征在于，所述针对平衡问题对粒子进行编码，是基于作业优先图将1个n维向量转换为1个可行的作业顺序，n为作业个数；向量里面每个元素均是0-1的随机数，向量中第j个元素代表作业j的优先权重，作业的优先权重越高表示作业被选择的优先级别越高。
5.根据权利要求1所述的一种基于改进的人工蜂群算法的高度混合装配线动态节拍决策方法，其特征在于，所述快速非支配解排序通过遍历p个个体之间的相关支配关系并对支配关系进行计数统计，实现对整个种群的分层。...
【专利技术属性】
技术研发人员：张炜，施永贵，王丽娟，彭精立，
申请(专利权)人：厦门城市职业学院厦门开放大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。