一种基于候鸟优化算法的多目标混流双边装配线平衡方法技术

本发明专利技术涉及一种多目标混流双边装配线平衡方法，构建以最小化工位数、最小化负载均衡和最小化单位成品总成本为目标的数学模型，提出多目标混合候鸟算法来求解此类MTALBP问题，设计了相应的鸟群初始化、领飞鸟进化、跟飞鸟进化和领飞鸟替换等过程的操作，并将候鸟算法与多目标贪婪算法相结合，进一步增强算法的搜索能力，以更快获得更优的Pareto解。

【技术实现步骤摘要】
一种基于候鸟优化算法的多目标混流双边装配线平衡方法
本专利技术涉及机械制造
，具体涉及一种基于候鸟优化算法的多目标混流双边装配线平衡方法。
技术介绍
双边装配线是制造领域进行大批量生产不可或缺的生产方式，广泛应用于轿车、卡车等大型产品的装配。自Bartholdi[1]在1993年首次提出双边装配线平衡问题(Two-sidedAssemblyLineBalancingProblem,TALBP)以来，吸引了越来越多的研究者对TALBP问题进行研究。相比于单边装配线，双边装配线能有效的缩短装配线长度、降低装配零部件运输成本、提高线上机械设备的利用率等。在实际的生产装配中，经常需要在同一条双边装配线上同时装配不同品种的产品，以满足产品的多样化生产，即实现混流装配。随着社会需求的多样化发展，混流双边装配线越来越受到企业的欢迎，混流双边装配线平衡问题(Mixed-modelTwo-sidedAssemblyLineBalancingProblem,MTALBP)也日益受到研究人员的重视。混流双边装配线主要用于在同一条双边装配线上同时装配具有相似特征的不同品种的产品，从而实现装配线产品种的多样化，满足现实中对产品多样化生产的需要。由于不同品种产品之间有很多相似的生产特征，将其置于同一条装配线上生产，可以节省产品的装配成本，从而实现经济效益的最大化。而混流所带来的负载均衡问题也随之增加，面临新的考验。2009年，等[2]首次建立了MTALBP模型并利用模拟退火算法进行求解，同年，Simaria等[3]利用蚁群算法对多目标MTALBOP进行求解；2012年，Chutima等[4]提出有负知识的粒子群优化算法，对多目标MTALBOP进行求解。2014年Delice等[5]和2015年Yuan等[6]分别提出改进粒子群优化算法和混合蜂蜜交配优化算法对MTALBP进行求解。随后，2016年李梓响等[7]和2017年唐秋华等[8]分别提出迭代局部搜索算法和改进迭代局部搜索算法求解该问题，并取得较好解。目前对于双边装配线的研究主要集中在单模型TALBP，对于多模型的MTALBP相对较少，对多目标的研究则更加稀少。相比于普通的装配线平衡问题(AssemblyLineBalancingProblem,ALBP)，MTALBP是更为复杂的NP-hard组合优化问题，解决此类问题的复杂度随着问题规模的增大而呈指数级增长。在上述提到的应用在此类问题中的元启发式算法中，蚁群算法、蜂群算法和粒子群算法等在实际应用中容易出现局部搜索能力低和收敛性差等，模拟退火算法和迭代局部搜索算法则表现出对全局搜索空间的搜索效率较低等问题。因此，寻求能够适合应用在本问题中的新颖算法至为重要。参考文献：[1].J.J.Barthodi.Balancingtwo-sidedassemblylines：acasestudy[J].InternationalJournalofProductionResearch,1993,31(10):2447-2461.[2].U,TOKLUB.Balancingofmixed-modeltwo-sidedassemblylines[J].Computers&IndustrialEngineering,2009,57(1):217-227.[3].Simaria,A.S.andVilarinho,P.M.2-ANTBAL:Anantcolonyoptimisationalgorithmforbalancingtwo-sidedassemblylines[J].ComputersandIndustrialEngineering,2009,56:489-506.[4].CHUTIMAP,CHIMKLAIP.Multi-objectivetwo-sidedmixed-modelassemblylinebalancingusingparticleswarmoptimizationwithnegativeknowledge[J].Computers&IndustrialEngineering,2012,62(1):39-55.[5].DELICEY,EK,U,M.Amodifiedparticleswarmoptimizationalgorithmtomixedmodeltwo-sidedassemblylinebalancing[J].JournalofIntelligentManufacturing,2014,DOI10.1007/s10845-014-0959-7.[6].YUANBiao,ZHANGChaoyong,SHAOXinyu,JIANGZhibin.Aneffectivehybridhoneybeematingoptimizationalgorithmforbalancingmixed-modeltwo-sidedassemblylines[J].Computers&OperationsResearch,2015,53:32-41.[7].李梓响,唐秋华等.迭代局部搜索求解双边装配线平衡问题[J].机械设计与制造,2016(3):54-57.[8].唐秋华,饶迪等.改进迭代局部搜索算法求解第I类混流双边装配线平衡问题[J].计算机集成制造系统：1-14.(2017-04-15)[2017-08-20].[9].DumanE,UysalM,AlkayaAF.MigratingBirdsOptimization:Anewmetaheuristicapproachanditsperformanceonquadraticassignmentproblem[J].InformationSciences,2012,217:65-77.[10].AlkayaAF,AlginR,SahinY,AksakalliMAV.Performanceofmigratingbirdsoptimizationalgorithmoncontinuousfunctions[J].AdvancesinSwarmIntelligenceLectureNotesinComputerScience.2014,8795:452-459.[11].MakasH,YumusakN.NewCooperativeandModifiedVariantsoftheMigratingBirdsOptimizationAlgorithm.2013InternationalConferenceonElectronices,ComputerandComputation(ICECCO),2013,pp.176-179.[12].ShenLW,AsmmuniH,WengFC.Amodifiedmigratingbirdoptimizationforuniversitycoursetimetablingproblem[J].JurnalTeknologi(Science&Engineering),2015,72(1):89-96.[13].PanQK,DongY.Animprovedmigratingbirdsoptimizationfor本文档来自技高网...

【技术保护点】
一种多目标混流双边装配线平衡方法，其特征在于，包括以下步骤：步骤1，根据混流双边装配线平衡问题特点，建立以装配线最小化工位数、最小化负载均衡和最小化单位成品总成本为目标的数学模型；步骤2，利用NEH启发式初始化和随机初始化相结合的方法对所述数学模型进行初始化，生成多组初始解，并采用快速非支配排序算法对这些解进行排序，得到多个边界集，根据候鸟优化算法的特点，选取第一个边界集中聚集距离最大的个体成为种群的领飞鸟，根据聚集距离的大小依次选取各个边界集中的两个个体作为种群的跟飞鸟；同时设置最大巡回次数G以及初始化巡回次数g＝1；步骤3，分别根据预设的选择策略选择邻域结构以产生领飞鸟和跟飞鸟的多个邻域解，并进行非支配排序，查找可支配领飞鸟或跟飞鸟的个体并替换所述领飞鸟或跟飞鸟，实现所述领飞鸟和跟飞鸟的进化；步骤4，更新非支配解集，并针对非支配解集中的每一个非支配解采用多目标迭代贪婪算法进行局部搜索；步骤5，若巡回次数g小于最大巡回次数G，则g＝g+1，并跳转至步骤3，否则设置g＝1，并在当前非支配解集中选择一个个体替换领飞鸟；步骤6，判断是否满足算法终止准则，若未满足，则跳转至步骤3，否则，算法终止，输出非支配解集，所述非支配解集即为混流双边装配线平衡问题的最优解。...

【技术特征摘要】
1.一种多目标混流双边装配线平衡方法，其特征在于，包括以下步骤：步骤1，根据混流双边装配线平衡问题特点，建立以装配线最小化工位数、最小化负载均衡和最小化单位成品总成本为目标的数学模型；步骤2，利用NEH启发式初始化和随机初始化相结合的方法对所述数学模型进行初始化，生成多组初始解，并采用快速非支配排序算法对这些解进行排序，得到多个边界集，根据候鸟优化算法的特点，选取第一个边界集中聚集距离最大的个体成为种群的领飞鸟，根据聚集距离的大小依次选取各个边界集中的两个个体作为种群的跟飞鸟；同时设置最大巡回次数G以及初始化巡回次数g＝1；步骤3，分别根据预设的选择策略选择邻域结构以产生领飞鸟和跟飞鸟的多个邻域解，并进行非支配排序，查找可支配领飞鸟或跟飞鸟的个体并替换所述领飞鸟或跟飞鸟，实现所述领飞鸟和跟飞鸟的进化；步骤4，更新非支配解集，并针对非支配解集中的每一个非支配解采用多目标迭代贪婪算法进行局部搜索；步骤5，若巡回次数g小于最大巡回次数G，则g＝g+1，并跳转至步骤3，否则设置g＝1，并在当前非支配解集中选择一个个体替换领飞鸟；步骤6，判断是否满足算法终止准则，若未满足，则跳转至步骤3，否则，算法终止，输出非支配解集，所述非支配解集即为混流双边装配线平衡问题的最优解。2.根据权利要求1所述一种多目标混流双边装配线平衡方法，其特征在于，步骤2中所述的利用NEH初始化和随机初始化方法对所述数学模型进行初始化，生成多组初始解，包括：首先，利用NEH启发式初始化方法，以最小化组合目标为目标产生一个初始解，然后以最小化单位成品总成本为目标产生一个初始解，再随机产生一组初始解，即采用随机生成的方式产生任务序列进行编码，调整任务序列后进行解码。3.根据权利要求2所述所述一种多目标混流双边装配线平衡方法，其特征在于，所述NEH启发式初始化方法步骤如下：步骤201，基于优先级的编码方式，根据分级位置权得到各任务的初始优先权值，然后按照优先权值的大小降序排列得到任务序列SEQ(SEQ＝{task1，task2，…taskn})；步骤202，设置i＝1；步骤203，将第i个任务taski移出，移出后的任务序列为SEQ′，并将taski插入到SEQ′的每一个位置得到新的任务序列，进行解码，如果比当前解更优则进行替换；i＝i+1；步骤204，如果i≤n，则重复步骤3，否则算法终止，输出任务序列。4.根据权利要求3所述所述一种多目标混流双边装配线平衡方法，其特征在于，所述步骤203包括：解码时，需要考虑任务的节拍时间约束、优先关系约束和操作方位约束。5.根据权利要求4所述所述...

【专利技术属性】
技术研发人员：梅慧文，张超勇，林文文，任彩乐，孟磊磊，任亚平，林海，许飞，冀道立，易文凯，
申请(专利权)人：武汉企鹅能源数据有限公司，
类型：发明
国别省市：湖北,42