基于遗传模拟退火算法的柔性制造系统生产能力配置方法技术方案

本发明专利技术公开了基于遗传模拟退火算法的柔性制造系统生产能力配置方法，包括以下步骤：步骤1：以柔性制造系统长期产能规划的设备购置成本最小化为目标建立其生成能力配置的数学模型；步骤2：通过遗传模拟退火算法对步骤1建立的数学模型进行优化求解；步骤3：对步骤2得到的最优解解码后即得到最优生产能力配置方案；本发明专利技术有效的通过生产能力配置方法确定了柔性制造系统已知类型设备的最优配置数量；在满足产品需求计划的前提下配置方案的设备投资成本最小化，并提高了设备的利用率。

【技术实现步骤摘要】
基于遗传模拟退火算法的柔性制造系统生产能力配置方法
本专利技术涉及柔性制造系统生产能力优化配置
，具体涉及一种基于遗传模拟退火算法的柔性制造系统生产能力配置方法。
技术介绍
随着市场竞争的日趋激烈化，在面向多品种小批量生产模式的柔性制造系统的生产制造过程中，各类产品加工工艺路线形成了复杂网络，产品零件的工序响应离散化；其加工设备也变得精密昂贵；企业在对制造系统进行设计规划时，一方面要实现最大化的生产能力以满足市场的需求，另一方面又要考虑尽可能低成本的设备投入以避免不必要的浪费；需要对计划期内的生产能力配置进行科学合理的设计和决策，使得离散制造业产能规划成为了一个极其复杂的问题；故制造企业在进行制造系统的新建或扩建时，生产能力配置这一重要的环节需要以合理的生产能力配置和经济的设备成本投入来满足市场订单的需求，保证企业在市场竞争中立于不败的地位。生产能力配置问题是指在满足产品需求计划的前提下，使配置方案的设备投资成本最小化，并尽可能提高设备的利用率；即通过建立生产能力配置模型，在满足相应的约束条件下，通过优化获取最佳目标函数值，以确定制造系统各种已知类型设备的最优配置数量；目前，在生产能力配置问题中主要通过建立整数规划模型来解决这类问题；在模型求解方面，已广泛采用启发式优化算法。尽管对于生产能力配置问题进行了大量研究，但是大多数研究针对大规模制造系统或者柔性流水生产线；部分柔性制造系统也均为在单工序背景下展开的研究，现有的研究不能够解决企业柔性制造系统兼具零件柔性工艺规划的产能配置问题；同时采用求解的启发式算法大多为遗传算法，虽具备良好的全局寻优特性，但在求解此类问题时易陷入局部最优解；
技术实现思路
针对现有技术存在的问题，本专利技术充分考虑零件柔性工艺路径规划(主要包括产品零件对多种工艺方案的选择及多种可选设备工序的分派)，对柔性制造系统的生产能力配置问题展开研究；以计划产能为约束，最低投资成本为目标，建立产能配置决策混合整数规划模型。同时采用遗传模拟退火算法对生产能力配置模型进行求解，充分发挥了模拟退火算法强大的局部搜索能力，克服遗传算法局部搜索能力较弱和易陷入局部最优解的特点，同时遗传算法与模拟退火算法相结合后，遗传操作也可以提高模拟退火操作过程中的搜索效率，提高整体的搜索性能，最终获得更优目标函数解，以获得最优生产能力配置方案。本专利技术采用的技术方案是：基于遗传模拟退火算法的柔性制造系统生产能力配置方法，包括以下步骤：步骤1：以柔性制造系统长期产能规划的设备购置成本最小化为目标建立其生成能力配置的数学模型；目标函数如下：其中：f为设备的购置投资成本，i为柔性制造系统中设备的类型编号i＝1,2,3,…m，ci为第i类设备配置成本，xi是决策变量，即第i类设备待增购的数量；步骤2：通过遗传模拟退火算法对步骤1建立的数学模型进行优化求解；步骤3：对步骤2得到的最优解解码后即得到最优生产能力配置方案。进一步的，所述步骤2中求解过程如下：S1：初始化参数，参数包括种群大小sizepop，进化终止代数MAXGEN，交叉概率Pc，变异概率Pm，退火初始温度T0，终止温度Tend，温度冷却系数α；S2：生成初始种群Chrom，计算每个个体的适应度值fii，ii＝1,2,…sizepop；S3：循环计数变量gen＝0；S4：对种群Chrom进行选择、交叉、变异操作，形成新的种群SA并计算适应度f1ii；通过随机扰动规则产生新的SA个体，重新计算每一个个体的适应度f’ii；S5：ΔE＝f'ii-f1ii，若ΔE＜0，则用新个体替换旧个体；否则以概率P接受新个体；其中，Tiii表示当前温度，iii＝0,1,…end表示迭代计数符号；S6：判断gen<MAXGEN是否成立，若成立则gen＝gen+1，转至步骤S4，否则转至步骤S7；S7：判断Tiii<Tend是否成立，若成立则算法终止得到全局最优解，否则执行降温操作Tiii+1＝kTiii，转至步骤S3，直至Tiii<Tend成立。进一步的，所述步骤S2中初始种群通过两层实数编码方式获得；第一次为零件的加工工序，第二次为加工工序对应的加工机床；染色体长度为其中n为加工零件种类数，Kj为第j类零件的工序数。进一步的，所述步骤S4中的随机扰动规则为重插入法。本专利技术的有益效果是：(1)本专利技术克服现有技术在解决柔性制造系统生产能力配置存在的不足，有效的通过生产能力配置方法确定了柔性制造系统已知类型设备的最优配置数量；在满足产品需求计划的前提下配置方案的设备投资成本最小化，并提高了设备的利用率；(2)本专利技术将遗传算法和模拟退火算法相结合，提高模拟退火过程中的搜索效率，提高整体的搜索性能，求解精度更高，实用性强。附图说明图1为本专利技术中遗传模拟退火算法求解流程示意图。图2为本专利技术中采用的基因编码示意图。具体实施方式下面结合附图和具体实施例对本专利技术做进一步说明。如图1和图2所示，基于遗传模拟退火算法的柔性制造系统生产能力配置方法，包括以下步骤：步骤1：以柔性制造系统长期产能规划的设备购置成本最小化为目标建立其生成能力配置的数学模型；目标函数如下：其中：f为设备的购置投资成本，i为柔性制造系统中设备的类型编号i＝1,2,3,…m，ci为第i类设备配置成本，xi是决策变量，即第i类设备待增购的数量。在建立数学模型之前首先需要确定柔性制造系统生产能力配置问题的描述和假设；柔性制造系统生产能力配置问题：寻找最优的设备购置决策方案，即确定各种已知设备类型的最佳设备购置数量，在完成产品需求计划的前提下，使长期产能规划的设备投资成本最小化，并尽可能提高设备的利用率。对柔性制造系统生产能力配置问题做出如下假设：产品需求计划及其零件的数量类型是已知的；为完成长期产能规划，所选定的设备类型在零件加工工艺中是已知的；每类设备的采购单价已知；各类零件加工工序可以有一个或多个类型的设备供选择，并不完全固定在某一类设备上进行加工；一台设备同时只能加工一个零件；所有零件加工工序的工时确定；设备年可以提供的工作天数和每天有效工作时间确定；各类设备的工作日历在计划期内是确定的。然后在上述假设条件下，以长期产能规划的设备购置成本最小化为优化目标建立0-1混合整数规划数学模型，以实现各类设备的优化配置组合。建立的数学模型中，约束条件如下：xi,yi∈N+；i＝1,2,…m；j＝1,2,…n(8)式中：j为零件类型，j＝1,2,3,…n，p为零件加工的工艺方案，p＝1,2,3…pj；k为加工工序，k(j，p)为第j类零件第p种加工方案中有k道加工工序；tik(j，p)为第i类设备加工第j类零件第p工艺方案第k道工序的加工工时定额；hti为规划期第i类设备平均每台每天能有效工作的时间，0<hti<1440min，dti为规划期第i类设备平均每台每年能有效工作的天数，0<dti<365；Pt为计规划的时长，Pt∈N+；Qj为第j类零件平均产出的目标值；aip为决策变量，当第j类零件使用第p工艺方案时取值为1，否则取值为0；bik(j,p)为决策变量，当第j类零件的第p工艺方案中的第k工序能在设备i上加工时，取值为1，否则取值本文档来自技高网...

【技术保护点】
1.一种基于遗传模拟退火算法的柔性制造系统生产能力配置方法，其特征在于，包括以下步骤：步骤1：以柔性制造系统长期产能规划的设备购置成本最小化为目标建立其生成能力配置的数学模型；目标函数如下：

【技术特征摘要】
1.一种基于遗传模拟退火算法的柔性制造系统生产能力配置方法，其特征在于，包括以下步骤：步骤1：以柔性制造系统长期产能规划的设备购置成本最小化为目标建立其生成能力配置的数学模型；目标函数如下：其中：f为设备的购置投资成本，i为柔性制造系统中设备的类型编号i＝1,2,3,…m，ci为第i类设备配置成本，xi是决策变量，即第i类设备待增购的数量；步骤2：通过遗传模拟退火算法对步骤1建立的数学模型进行优化求解；步骤3：对步骤2得到的最优解解码后即得到最优生产能力配置方案。2.根据权利要求1所述的一种基于遗传模拟退火算法的柔性制造系统生产能力配置方法，其特征在于，所述步骤2中求解过程如下：S1：初始化参数，参数包括种群大小sizepop，进化终止代数MAXGEN，交叉概率Pc，变异概率Pm，退火初始温度T0，终止温度Tend，温度冷却系数α；S2：生成初始种群Chrom，计算每个个体的适应度值fii，ii＝1,2,…sizepop；S3：循环计数变量gen＝0；S4：对种群Chrom进行选择、交叉、变异操作，形成新的种群SA并计算适应度f1ii...

【专利技术属性】
技术研发人员：张剑，徐修立，赵轶，孙守强，后柏宇，陈浩杰，邓停铭，
申请(专利权)人：西南交通大学，成都飞机工业集团有限责任公司，
类型：发明
国别省市：四川,51