一种自适应遗传算法的车间设备多目标优化布局方法技术

本发明专利技术公开了一种基于自适应遗传算法的车间设备多目标优化布局方法，包括步骤：(1) 建立车间设备多行直线布局的数学模型，即将车间和待布局设备简化为矩形，将设备优化布局问题转化为组合优化的数学模型；(2)确定若干优化目标及约束条件，采用加权法将若干优化目标统一为单一评价函数；(3) 采用基于Logistic曲线的自适应遗传算法求解评价函数较优解；(4)对所得较优解进行适当调整，得到满足优化目标的设备布局最优解。本发明专利技术采取自适应遗传算法求解设备布局多目标优化问题，编码方式简单容易操作，交叉、变异概率根据个体适应度值的大小可以按照Logistic曲线规律实时调整，以此实现布局最优化。

A multi objective optimization layout method for job shop equipment based on adaptive genetic algorithm

The invention discloses a method comprising the steps of multi-objective optimization layout method, adaptive genetic algorithm based on workshop equipment: (1) the establishment of mathematical model of multi line workshop equipment layout, workshop and equipment layout will be simplified to rectangle, the equipment layout optimization problem into a mathematical model of combinatorial optimization; (2) determine some optimization objectives and constraints, using weighting method will unify some optimization goals for the single evaluation function; (3) based on adaptive genetic algorithm for Logistic curve evaluation function of optimal solution; (4) the optimal solution of the appropriate adjustments to satisfy the equipment layout optimization target solution. The invention adopts adaptive genetic algorithm to solve the multi-objective optimization problem of the layout of the equipment is easy to operate, encoding, crossover and mutation probability according to the fitness of the size can be in accordance with the Logistic curve real-time adjustment, in order to achieve the layout optimization.

【技术实现步骤摘要】
一种自适应遗传算法的车间设备多目标优化布局方法
本专利技术涉及车间设备多目标优化布局的方法，尤其涉及一种自适应遗传算法的车间设备多目标优化布局方法，既包括对车间设备多行直线布局方式的数学建模以及多目标优化问题的解决方法，也包括自适应遗传算法求解该数学模型的具体过程，以及对较优解进行适当调整从而获得布局最优解。
技术介绍
设备布局问题(facilitylayoutproblem，FLP)是指在一定限制条件下(如车间面积形状、物流方式等)，将生产设备在给定空间内布局，使目标函数(如物流费用、面积使用率等)得到优化。目前，设备布局采用数学分析法建立的模型主要包括二次分配模型、二次集合覆盖模型、线性整数规划模型、混合整数规划模型等。其中，二次分配模型(quadraticassignmentproblem，QAP)描述n个设施和n个地点，要求给每个设施分配到一个位置，并使设施之间的总流量(或费用)最小。QAP模型的最优求解算法，可以归为分支定界法和割平面法两类。这两种算法都需要较多的计算时间和较大的存储空间，随着布局规模的扩大，最优算法因“组合爆炸”问题已不再适用，目前研究者多采用元启发式算法求次优解。其中，遗传算法因其全局性并行搜索的特点，被广泛运用于QAP求解；但遗传算法的参数选择对结果影响较大，而自适应遗传算法可以根据个体自身的优劣程度实时调整参数大小，从而提高算法效率。
技术实现思路
为解决生产车间设备的优化布局问题，本专利技术提供一种多行直线布局的数学建模方法，确定两个优化目标及约束条件，并采用自适应遗传算法进行求解，对获得的较优解进行分析并适当调整，得到满足优化目标的最优布局。本专利技术通过如下技术方案实现：一种基于自适应遗传算法的车间设备多目标优化布局方法，包括步骤：(1)建立车间设备多行直线布局的数学模型，即将车间和待布局设备简化为矩形，将设备优化布局问题转化为组合优化的数学模型；(2)确定若干优化目标及约束条件，采用加权法将若干优化目标统一为单一评价函数；(3)采用基于Logistic曲线的自适应遗传算法求解评价函数较优解；(4)对所得较优解进行适当调整，对除最长行以外的其他行设备之间的净间距进行适当调整，进一步减小设备之间的物流距离和包络矩形面积，得到满足优化目标的设备布局最优解。进一步地，所述的步骤(1)具体包括：(11)为分别计算，对多行直线布局做出假设，包括：所有设备形状均为其包络矩形，忽略其细节形状及高度；同一行设备的中心点位于一条直线上，沿X轴正方向依次排列；零件加工工艺确定；各行之间有物流通道，与X轴平行，宽度WP为定值；(12)得到设备序列s中各台设备i的包络矩形沿X轴、Y轴尺寸分别为Ai、Bi，通过查阅技术文档得到各设备周边留出最小安全距离Hi，用于安装、操作、维修、工件缓冲区，相邻摆放的两个设备i、j之间的最小距离Hij＝Hi+Hj,,净间距为0；(13)在车间长度L的约束下，当一个设备序列s确定后，采取自动换行策略，求得该序列s在每行上的设备分布及设备中心点的X、Y坐标值。进一步地，所述的步骤(13)具体包括：(131)该序列在每行上的设备分布及设备中心点X轴坐标值可按如下公式递推计算：xs(1)＝Hs(1)+As(1)/2xs(i)＝xs(i-1)+Hs(i-1)s(i)+(As(i-1)+As(i))/2，i＝2,3,…,n当xs(j)+As(j)/2+Hs(j)>L时，将设备s(j)移至下一行第1位，并按照上式继续计算设备s(j)、s(j+1)的X轴坐标值；(132)令hi＝Hi+Bi/2，各行设备的中心点Y轴坐标值可按如下公式确定：y1＝max{hs(1),hs(2),…,hs(m)}，其中，s(1)、s(2)、…、s(m)为排在第1行的设备；y2＝y1+max{hs(1),hs(2),…,hs(m)}+WP+max{hs(m+1),hs(m+2),…,hs(r)}，其中，s(m+1)、s(m+2)、…、s(r)为排在第2行的设备，WP为物流通道宽度，以此类推，直至求出最后一行设备的中心点Y轴坐标值。进一步地，所述的步骤(2)具体包括：(21)确定优化目标，包括尽可能小的物流费用和尽可能大的面积利用率；(22)根据QAP模型可知，求得物流费用：式中，n为设备数量；i、j为设备编号；pij为设备i、j之间的访问次数，可对加工工艺进行统计得出；dij为设备i、j之间的物流距离，dij＝|xi-xj|+|yi-yj|；qij为设备i、j之间单位距离上的物流费用，根据生产实际确定，如果运输方式、工件型号相同，加工过程中工件形态质量变化不大，可视为定值；求得面积利用率：η＝St/S，式中，即所有设备的矩形面积之和，设备确定之后为定值；S＝(xmax-xmin)(ymax-ymin)，即包络所有设备的最小矩形面积，xmax＝max{xi+Ai/2}，xmin＝min{xi-Ai/2}，ymax＝max{yi+Bi/2}，ymin＝min{yi-Bi/2}，因此，面积利用率最大问题可转化为布局的包络矩形面积最小问题，即求Smin；(23)采用加权法将上述两个优化目标构造为一个单一评价函数并求解：U＝w1F/Fmin+w2S/Sminw1、w2为加权因子，根据实际工程中对于物流和面积各自的侧重程度来确定，要满足加权条件w1+w2＝1；Fmin、Smin是按单目标优化求出的F、S最优值，F、S分别除以它们的最优值，既消除量纲，又能反映它们偏离最优值的程度。进一步地，步骤(2)中，所述的约束条件具体包括：所有设备不超出车间长、宽范围，即：max{xi+Ai/2+Hi}≤L、max{yj+Bj/2+Hj}≤W；存在物流关系的两台设备不得跨行布置。进一步地，所述的步骤(3)具体包括：(31)进行染色体编码，根据序列中每个设备的X、Y坐标值及单一评价函数U所得的适应度函数随机生成m个序列作为算法的初始种群A；(32)选择，采取随机联赛选择方式，联赛规模为N，从A中得到包含M条染色体的群体As；(33)交叉，交叉算子选用部分映射交叉(PMX)方式，将As中的染色体两两配对，按照自适应交叉概率决定是否交叉，交叉后得到子代群体Ac；(34)变异，变异算子采用邻域技术，将As、Ac中的每条染色体都按照自适应变异概率决定是否变异，并得到变异的群体Am；(35)进化及终止，将群体As、Ac、Am中的每个个体按照适应度值大小排序，选取前m个个体作为当前进化的结果更新群体A，然后进行下一次进化，最后以进化代数T作为终止条件得到评价函数较优解。进一步地，所述的步骤(31)具体包括：(311)采用顺序编码方式，给n个设备各指定一个1～n之间的整数编号，以1～n的一个排列作为1条染色体来代表一个设备序列；(312)接着求出该序列每个设备的X、Y坐标值，再根据所得的单一评价函数U，适应度函数设为f＝1/U；(313)随机生成m个序列，作为算法的初始种群A。进一步地，所述的步骤(32)具体包括：(321)从A中随机选取N条染色体，比较它们的适应度函数值大小，将其中最大的保留进入下一代群体；(322)重复上述过程M次，得到包含M条染色体的群体As进一步地，所述的步骤(33)具体包括：(331)选择交叉位置，交换两本文档来自技高网...

【技术保护点】
一种基于自适应遗传算法的车间设备多目标优化布局方法，其特征在于，包括步骤：(1)建立车间设备多行直线布局的数学模型，即将车间和待布局设备简化为矩形，将设备优化布局问题转化为组合优化的数学模型；(2)确定若干优化目标及约束条件，采用加权法将若干优化目标统一为单一评价函数；(3)采用基于Logistic曲线的自适应遗传算法求解评价函数较优解；(4)对所得较优解进行适当调整，对除最长行以外的其他行设备之间的净间距进行适当调整，进一步减小设备之间的物流距离和包络矩形面积，得到满足优化目标的设备布局最优解。

【技术特征摘要】
1.一种基于自适应遗传算法的车间设备多目标优化布局方法，其特征在于，包括步骤：(1)建立车间设备多行直线布局的数学模型，即将车间和待布局设备简化为矩形，将设备优化布局问题转化为组合优化的数学模型；(2)确定若干优化目标及约束条件，采用加权法将若干优化目标统一为单一评价函数；(3)采用基于Logistic曲线的自适应遗传算法求解评价函数较优解；(4)对所得较优解进行适当调整，对除最长行以外的其他行设备之间的净间距进行适当调整，进一步减小设备之间的物流距离和包络矩形面积，得到满足优化目标的设备布局最优解。2.根据权利要求1所述的车间设备多目标优化布局方法，其特征在于，所述的步骤(1)具体包括：(11)为分别计算，对多行直线布局做出假设，包括：所有设备形状均为其包络矩形，忽略其细节形状及高度；同一行设备的中心点位于一条直线上，沿X轴正方向依次排列；零件加工工艺确定；各行之间有物流通道，与X轴平行，宽度WP为定值；(12)得到设备序列s中各台设备i的包络矩形沿X轴、Y轴尺寸分别为Ai、Bi，通过查阅技术文档得到各设备周边留出最小安全距离Hi，用于安装、操作、维修、工件缓冲区，相邻摆放的两个设备i、j之间的最小距离Hij＝Hi+Hj,,净间距为0；(13)在车间长度L的约束下，当一个设备序列s确定后，采取自动换行策略，求得该序列s在每行上的设备分布及设备中心点的X、Y坐标值。3.根据权利要求2所述的车间设备多目标优化布局方法，其特征在于，所述的步骤(13)具体包括：(131)该序列在每行上的设备分布及设备中心点X轴坐标值可按如下公式递推计算：xs(1)＝Hs(1)+As(1)/2xs(i)＝xs(i-1)+Hs(i-1)s(i)+(As(i-1)+As(i))/2，i＝2,3,…,n当xs(j)+As(j)/2+Hs(j)>L时，将设备s(j)移至下一行第1位，并按照上式继续计算设备s(j)、s(j+1)的X轴坐标值；(132)令hi＝Hi+Bi/2，各行设备的中心点Y轴坐标值可按如下公式确定：y1＝max{hs(1),hs(2),…,hs(m)}，其中，s(1)、s(2)、…、s(m)为排在第1行的设备；y2＝y1+max{hs(1),hs(2),…,hs(m)}+WP+max{hs(m+1),hs(m+2),…,hs(r)}，其中，s(m+1)、s(m+2)、…、s(r)为排在第2行的设备，WP为物流通道宽度，以此类推，直至求出最后一行设备的中心点Y轴坐标值。4.根据权利要求1所述的车间设备多目标优化布局方法，其特征在于，所述的步骤(2)具体包括：(21)确定优化目标，包括尽可能小的物流费用和尽可能大的面积利用率；(22)根据QAP模型可知，求得物流费用：式中，n为设备数量；i、j为设备编号；pij为设备i、j之间的访问次数，可对加工工艺进行统计得出；dij为设备i、j之间的物流距离，dij＝|xi-xj|+|yi-yj|；qij为设备i、j之间单位距离上的物流费用，根据生产实际确定，如果运输方式、工件型号相同，加工过程中工件形态质量变化不大，可视为定值；求得面积利用率：η＝St/S，式中，即所有设备的矩形面积之和，设备确定之后为定值；S＝(xmax-xmin)(ymax-ymin)，即包络所有设备的最小矩形面积，xmax＝max{xi+Ai/2}，xmin＝min{xi-Ai/2}，ymax＝max{yi+Bi/2}，ymin＝min{yi-Bi/2}，因此，面积利用率最大问题可转化为布局的包...

【专利技术属性】
技术研发人员：翟敬梅，申宽，张铁，
申请(专利权)人：华南理工大学，
类型：发明
国别省市：广东,44