基于多目标蚁群算法的车间设施布局方法研究
发布时间：2021-11-18 12:00
车间设施布局问题属于NP难度问题,也是一种复杂的组合优化问题,车间布局问题的研究具有重要的经济意义和理论意义。本文以企业生产中车间设施布局设计为研究背景,根据不同形式的车间设施布局问题,提出不同的约束处理方式来优化布局。采用多目标蚁群（MOACO）算法作为全局优化算法,结合了局部搜索和多种启发式策略构建一种混合算法,具体研究内容及成果如下:（1）研究静态车间设施布局问题（SFLP）的多目标蚁群算法。基于拟物策略,将问题转化为无约束优化问题,建立数学优化模型,并提出一种改进的多目标蚁群优化算法（MOACO）解决静态车间设施布局问题。在MOACO算法中,提出了一种新的信息素更新方法,并结合了基于局部信息素交流的Pareto优化方法和基于小生境技术的全局搜索方法,以获得问题的Pareto非支配解。通过提出一种启发式布局更新策略来更新布局,以增加解的多样性。采用基于自适应步长梯度法的局部搜索和一种启发式设施变形策略相结合的方法,来处理设施之间的干涉性,以获得问题的可行布局方案。用10组典型算例对所提出的算法进行了测试。实验结果表明,本文提出的MOACO算法是一种求解SFLP的有效算法。（2）研...
【文章来源】：南京信息工程大学江苏省
【文章页数】：73 页
【学位级别】：硕士
【部分图文】：
图２－１遗传算法流程图??９??
?（６）如果满足终止条件，输出＆否则，转（２）。??ＳＡ算法的流程如图２－２所７Ｋ。??（开始???ｉ???给定温度７＊??令最优解Ｓ?＝不???度挞到稳＾＞？——??生成新的状态Ｉ??是???—＜＾（＾）?＜?￡Ｕｊｐ＞??样准＾??Ｓ?＝?Ｘｊ?否??Ｖ??是否??降温操作??￣否满足终止条???（结束）??图２－２模拟退火算法流程图??２．１．３粒子群优化算法??粒子群优化算法（Ｐａｒｔｉｃｌｅ?Ｓｗａｒｍ?Ｏｐｔｉｍｉｚａｔｉｏｎ，ＰＳＯ）是一种模拟自然界鸟类寻找??食物的进化算法。ＰＳＯ算法相比于遗传算法，实现更加简单，没有选择、交叉和变异等??复杂的进化操作，但搜索精度高，收敛速度快，被很多学者应用在不同的问题求解上，??如函数优化、工程优化等。在ＰＳＯ搜索过程中，充分利用每个粒子通过找到的历史最??优位置和当前种群的全局最优位置来诱导粒子向着全局最优位置方向靠近。??ＰＳＯ算法的基本过程可概括为：首先随机产生若干个粒子的种群，然后找到这些粒??１１??
?生嵌入，按照嵌入深度由小到大的顺序对设施进行变形操作。将设施凡与处的嵌入区??域转移到兄下方的空白区域（如图３－４中（ｃ）所示），类似地移动设施凡与设施处的嵌??入面积（如图３－４中（ｄ）所示），其次再移动设施办与设施的嵌入面积（如图３－４中（ｅ）??所示），布局的整体弹性势能变小，但办与也仍然存在嵌入，再次执行梯度法，最终??布局如图３－４中（ｆ）所示。??ＪＵ?＾?及４??Ｒｓ???Ｒｓ??Ｒ＼?Ｒｉ?及３?Ｒ、?穴３????????Ｖ／／／／／／／／Ａ??????｜｜????Ｒｔ?只?ｉｏ?穴８?＾ｉ〇?Ｒｇ?及ｉｏ??」：由?ｒｈｉ＾ｌ?ｒ＇Ｆｒ＾??Ｒ，?ｆ??（ａ）初始布局?（ｂ）办变形?（ｃ）沁变形??Ｒ，?Ｒ，?Ｋｔ??Ｒｓ?Ｒｓ?Ｒｓ??Ｒ２?Ｒ２?？２??Ｒ，?？３?Ｒ，?Ｒ｝?Ｒ＞?Ｒ］??Ｒｇ?Ｒｉｏ?Ｒｉ?及?ｉｏ?及?ｓ?及?ｉｏ??札?Ｐ?Ｒ＇?Ｉ?Ｒ＂??Ｒｌ?ｐ?Ｒ
【参考文献】：
期刊论文
[1]基于NSGA-II的多目标设备动态布局方法[J]. 黄君政,李爱平,雷明. 中国工程机械学报. 2014(01)
[2]基于NSGA-Ⅱ的多目标车间设备布局[J]. 李爱平,鄢泽耀,谢楠,黄君政. 机械设计与研究. 2012(06)
[3]基于遗传算法的动态连续型设备布局方法[J]. 郭爽,徐克林,孙立锋. 现代制造工程. 2011(11)
[4]基于禁忌搜索的启发式算法求解带平衡约束的圆形装填问题[J]. 李刚,刘景发. 中国科学:信息科学. 2011(09)
[5]基于动态需求的复杂系统敏捷化布局优化策略[J]. 高成冲,王志亮,汤文成. 计算机集成制造系统. 2010(09)
[6]求解带平衡性能约束的圆形装填问题的吸引盘填充算法[J]. 刘景发,李刚. 中国科学:信息科学. 2010(03)
[7]约束优化进化算法[J]. 王勇,蔡自兴,周育人,肖赤心. 软件学报. 2009(01)
[8]基于CRAFT的多阶段柔性设备布局优化算法[J]. 宋凯雷,陈峰,董明,侯文皓. 工业工程与管理. 2008(02)
本文编号：3502861
【文章来源】：南京信息工程大学江苏省
【文章页数】：73 页
【学位级别】：硕士
【部分图文】：
图２－１遗传算法流程图??９??
?（６）如果满足终止条件，输出＆否则，转（２）。??ＳＡ算法的流程如图２－２所７Ｋ。??（开始???ｉ???给定温度７＊??令最优解Ｓ?＝不???度挞到稳＾＞？——??生成新的状态Ｉ??是???—＜＾（＾）?＜?￡Ｕｊｐ＞??样准＾??Ｓ?＝?Ｘｊ?否??Ｖ??是否??降温操作??￣否满足终止条???（结束）??图２－２模拟退火算法流程图??２．１．３粒子群优化算法??粒子群优化算法（Ｐａｒｔｉｃｌｅ?Ｓｗａｒｍ?Ｏｐｔｉｍｉｚａｔｉｏｎ，ＰＳＯ）是一种模拟自然界鸟类寻找??食物的进化算法。ＰＳＯ算法相比于遗传算法，实现更加简单，没有选择、交叉和变异等??复杂的进化操作，但搜索精度高，收敛速度快，被很多学者应用在不同的问题求解上，??如函数优化、工程优化等。在ＰＳＯ搜索过程中，充分利用每个粒子通过找到的历史最??优位置和当前种群的全局最优位置来诱导粒子向着全局最优位置方向靠近。??ＰＳＯ算法的基本过程可概括为：首先随机产生若干个粒子的种群，然后找到这些粒??１１??
?生嵌入，按照嵌入深度由小到大的顺序对设施进行变形操作。将设施凡与处的嵌入区??域转移到兄下方的空白区域（如图３－４中（ｃ）所示），类似地移动设施凡与设施处的嵌??入面积（如图３－４中（ｄ）所示），其次再移动设施办与设施的嵌入面积（如图３－４中（ｅ）??所示），布局的整体弹性势能变小，但办与也仍然存在嵌入，再次执行梯度法，最终??布局如图３－４中（ｆ）所示。??ＪＵ?＾?及４??Ｒｓ???Ｒｓ??Ｒ＼?Ｒｉ?及３?Ｒ、?穴３????????Ｖ／／／／／／／／Ａ??????｜｜????Ｒｔ?只?ｉｏ?穴８?＾ｉ〇?Ｒｇ?及ｉｏ??」：由?ｒｈｉ＾ｌ?ｒ＇Ｆｒ＾??Ｒ，?ｆ??（ａ）初始布局?（ｂ）办变形?（ｃ）沁变形??Ｒ，?Ｒ，?Ｋｔ??Ｒｓ?Ｒｓ?Ｒｓ??Ｒ２?Ｒ２?？２??Ｒ，?？３?Ｒ，?Ｒ｝?Ｒ＞?Ｒ］??Ｒｇ?Ｒｉｏ?Ｒｉ?及?ｉｏ?及?ｓ?及?ｉｏ??札?Ｐ?Ｒ＇?Ｉ?Ｒ＂??Ｒｌ?ｐ?Ｒ
【参考文献】：
期刊论文
[1]基于NSGA-II的多目标设备动态布局方法[J]. 黄君政,李爱平,雷明. 中国工程机械学报. 2014(01)
[2]基于NSGA-Ⅱ的多目标车间设备布局[J]. 李爱平,鄢泽耀,谢楠,黄君政. 机械设计与研究. 2012(06)
[3]基于遗传算法的动态连续型设备布局方法[J]. 郭爽,徐克林,孙立锋. 现代制造工程. 2011(11)
[4]基于禁忌搜索的启发式算法求解带平衡约束的圆形装填问题[J]. 李刚,刘景发. 中国科学:信息科学. 2011(09)
[5]基于动态需求的复杂系统敏捷化布局优化策略[J]. 高成冲,王志亮,汤文成. 计算机集成制造系统. 2010(09)
[6]求解带平衡性能约束的圆形装填问题的吸引盘填充算法[J]. 刘景发,李刚. 中国科学:信息科学. 2010(03)
[7]约束优化进化算法[J]. 王勇,蔡自兴,周育人,肖赤心. 软件学报. 2009(01)
[8]基于CRAFT的多阶段柔性设备布局优化算法[J]. 宋凯雷,陈峰,董明,侯文皓. 工业工程与管理. 2008(02)
本文编号：3502861
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3502861.html
