基于改进多目标布谷鸟搜索算法的汽车装配线物料配送调度
发布时间：2021-04-17 23:22
考虑将电动车辆用来进行基于点对点配送策略的汽车装配线的物料配送,提出了改进多目标布谷鸟搜索算法.首先,对该物料配送调度问题进行描述,在统筹考虑电量限制和准时化配送要求的基础上建立了以车辆数量和最长搬运时间作为衡量指标的目标函数,并开发了直接反映配送车辆和配送次序的融合编码机制.然后,设计任务分配规则构造初始解,并在基于混沌动态步长的搜索过程中加入高斯变异和精英选择策略来提高算法的全局搜索能力和解的质量.此外,开发两种局部搜索算子以强化算法深度寻优能力.最后,仿真实验结果验证了该调度算法的可行性和有效性.
【文章来源】：湖南大学学报(自然科学版). 2020,47(12)北大核心EICSCD
【文章页数】：8 页
【部分图文】：
编码方式Fig.2Encodingpresentation
废叩某盗镜鞫群妥霸匚侍?以上关于传统燃料车辆在固定路径下的物料配送模式往往存在着拣货复杂、响应速度慢、能耗大以及线边库存多等不足.点对点（Point-to-Point，PTP）物料配送模式[8-9]以其灵活性和时效性弥补了传统配送模式的不足.本文在分析上述文献的基础上，研究了电动车辆（ElectricVehicles，EV）点对点物料配送问题，建立准时制物料配送问题的数学规划模型，并提出求解该模型的改进多目标布谷鸟搜索算法.最后，通过仿真实验验证了所提出调度算法的可行性和有效性.1问题描述与模型建立1.1问题描述图1所示为电动车辆点对点物料配送的示意图.物料超市的配货工人根据各个工位发出的补货要求把零件事先分拣好并装进标准大小的物料箱中.电动配送车辆在物料超市补货完成后在各个配送任务的补货时间窗内对需求工位进行物料配送.考虑物料量和行驶距离带来的电量变化，电动车辆必须在电量不足时返回换电站进行换电.1.2数学模型为有效描述电动车辆点对点物料配送系统调度问题，做如下基本假设：1）电动车辆换电时间已知；2）在执行首次配送任务前，所有车辆均为满电状态；3）车辆的行驶速度处于稳定状态；4）所有的车辆执行配送任务时均从物料超市出发并返回物料超市；5）车辆的耗电速率和负载重量、行驶距离成正相关；6）换电站设置在物料超市旁边，不计车辆因换电产生的额外行驶距离；7）线边卸载物料时间很短，忽略不计.工位在制品物料装载区EVEV路线零件物料超市换电站图1装配线点对点物料供应Fig.1Thepoint-to-pointpartfeedingforassemblylines为方便描述，定义符号如下：1）下标表示K：可用车辆集合；k：车辆编号，k∈K；S：配送任务集合；s：任务编号，s∈S；T：配送行程集合；t：?
（Pi+1）f%%maxm-f%%minm（26）S（Pi）=1mm%k=1移fm（Pi-1）-fm（Pi+1）f%%maxm-f%%minm-D（Pi移）移2（27）上式中，f%%maxm和f%%minm表示第m个目标的最大值和最小值，fm（Pi）表示第P个支配等级中第i个个体的第m个目标值，D（Pi）表示该个体的拥挤距离，S（Pi）表示其与相邻的两个个体之间拥挤距离的波动情况，S（Pi）的值越小，表示距离波动越小.根据排序结果选择最优的NP个个体进入下一代.算法流程图如图3所示.随机游走生成新解局部搜索机制高斯变异扰动开始设定算法参数产生初始种群任务分配规则自适应Levy飞行t=t+1swapremove修复解合并父代和子代计算目标函数值精英选择是否满足终止条件？结束输出结果是否图3算法流程图Fig.3Frameworkofthealgorithm3仿真实验分析3.1参数分析在基于Windows10操作系统的Corei5/2.5GHz内存4GB的计算机上进行.由于此问题的真实帕累托前沿很难得到，本文在进行实验时采用以下方法获得近似帕累托前沿：算法独立运行多次后记录每次的帕累托解集，从所有帕累托前沿中获得新的帕累托解集作为近似前沿.参考文献[16]的参数设置，实验设置电池容量Q=100，车辆空载时单位距离耗电率re=0.1，每单位料箱质量造成的耗电速率增量γ=0.2，小车速度V=2，工作站到物料超市的距离、时间窗长度和物料质量分别在[20，50]，[20，30]，[10，20]的均匀分布中随机生成.为了获得更高质量的解，根据文献[17]对算法参数进行调优，选取不同的参数组合进行多次实验.当设置种群规模nPop=100，Levy飞行搜索概率pc=0.8，扰动概率pr=0.4，局部搜索概率pl=
【参考文献】：
期刊论文
[1]影响锂离子电池循环寿命的因素[J]. 王玲玲,陈昕,石宝强. 电源技术. 2019(10)
本文编号：3144329
【文章来源】：湖南大学学报(自然科学版). 2020,47(12)北大核心EICSCD
【文章页数】：8 页
【部分图文】：
编码方式Fig.2Encodingpresentation
废叩某盗镜鞫群妥霸匚侍?以上关于传统燃料车辆在固定路径下的物料配送模式往往存在着拣货复杂、响应速度慢、能耗大以及线边库存多等不足.点对点（Point-to-Point，PTP）物料配送模式[8-9]以其灵活性和时效性弥补了传统配送模式的不足.本文在分析上述文献的基础上，研究了电动车辆（ElectricVehicles，EV）点对点物料配送问题，建立准时制物料配送问题的数学规划模型，并提出求解该模型的改进多目标布谷鸟搜索算法.最后，通过仿真实验验证了所提出调度算法的可行性和有效性.1问题描述与模型建立1.1问题描述图1所示为电动车辆点对点物料配送的示意图.物料超市的配货工人根据各个工位发出的补货要求把零件事先分拣好并装进标准大小的物料箱中.电动配送车辆在物料超市补货完成后在各个配送任务的补货时间窗内对需求工位进行物料配送.考虑物料量和行驶距离带来的电量变化，电动车辆必须在电量不足时返回换电站进行换电.1.2数学模型为有效描述电动车辆点对点物料配送系统调度问题，做如下基本假设：1）电动车辆换电时间已知；2）在执行首次配送任务前，所有车辆均为满电状态；3）车辆的行驶速度处于稳定状态；4）所有的车辆执行配送任务时均从物料超市出发并返回物料超市；5）车辆的耗电速率和负载重量、行驶距离成正相关；6）换电站设置在物料超市旁边，不计车辆因换电产生的额外行驶距离；7）线边卸载物料时间很短，忽略不计.工位在制品物料装载区EVEV路线零件物料超市换电站图1装配线点对点物料供应Fig.1Thepoint-to-pointpartfeedingforassemblylines为方便描述，定义符号如下：1）下标表示K：可用车辆集合；k：车辆编号，k∈K；S：配送任务集合；s：任务编号，s∈S；T：配送行程集合；t：?
（Pi+1）f%%maxm-f%%minm（26）S（Pi）=1mm%k=1移fm（Pi-1）-fm（Pi+1）f%%maxm-f%%minm-D（Pi移）移2（27）上式中，f%%maxm和f%%minm表示第m个目标的最大值和最小值，fm（Pi）表示第P个支配等级中第i个个体的第m个目标值，D（Pi）表示该个体的拥挤距离，S（Pi）表示其与相邻的两个个体之间拥挤距离的波动情况，S（Pi）的值越小，表示距离波动越小.根据排序结果选择最优的NP个个体进入下一代.算法流程图如图3所示.随机游走生成新解局部搜索机制高斯变异扰动开始设定算法参数产生初始种群任务分配规则自适应Levy飞行t=t+1swapremove修复解合并父代和子代计算目标函数值精英选择是否满足终止条件？结束输出结果是否图3算法流程图Fig.3Frameworkofthealgorithm3仿真实验分析3.1参数分析在基于Windows10操作系统的Corei5/2.5GHz内存4GB的计算机上进行.由于此问题的真实帕累托前沿很难得到，本文在进行实验时采用以下方法获得近似帕累托前沿：算法独立运行多次后记录每次的帕累托解集，从所有帕累托前沿中获得新的帕累托解集作为近似前沿.参考文献[16]的参数设置，实验设置电池容量Q=100，车辆空载时单位距离耗电率re=0.1，每单位料箱质量造成的耗电速率增量γ=0.2，小车速度V=2，工作站到物料超市的距离、时间窗长度和物料质量分别在[20，50]，[20，30]，[10，20]的均匀分布中随机生成.为了获得更高质量的解，根据文献[17]对算法参数进行调优，选取不同的参数组合进行多次实验.当设置种群规模nPop=100，Levy飞行搜索概率pc=0.8，扰动概率pr=0.4，局部搜索概率pl=
【参考文献】：
期刊论文
[1]影响锂离子电池循环寿命的因素[J]. 王玲玲,陈昕,石宝强. 电源技术. 2019(10)
本文编号：3144329
本文链接：https://www.wllwen.com/kejilunwen/sousuoyinqinglunwen/3144329.html
