一种基于多目标蚁狮算法的客户需求模块化工艺配置方法技术

本发明专利技术公开一种基于多目标蚁狮算法的客户需求模块化工艺配置方法，具体步骤如下：首先分析客户需求，建立完善的客户需求权重映射机制，简化定制产品序与属性分析，并以影响企业定制生产过程的三个主要参数（产品属性、工艺成本及生产工时）为出发点，搭建以产品性能、工艺成本、生产工时为目标函数的模块化工艺重组的多目标配置优化模型，发明专利技术基于蚁狮算法的多目标配置优化方法对参数并行优化，获得最优配置方案来满足企业对产品属性、工艺成本及生产耗时的需求，本发明专利技术解决客户需求权重与产品设计结果的满意度问题，同时帮助企业在定制产品工艺配置过程中快速决策减少非必要损失。

【技术实现步骤摘要】
一种基于多目标蚁狮算法的客户需求模块化工艺配置方法
本专利技术涉及工业工艺大数据分析
，具体的说是一种基于多目标蚁狮算法的客户需求模块化工艺配置方法。
技术介绍
板带材等金属材料具有良好的导电性、导热性、耐腐蚀性、可设计性强质量轻等性能，在航空航天、电子产品等领域中得到广泛应用，但由于工艺限制不得不从大规模批量生产逐渐向小批量定制化的方向发展，而开发工艺快速配置是支撑该领域企业实现大规模定制生产的有效方法。由于模块化设计是模块化工艺快速配置的核心思想，所以模块化产品工艺配置的概念被广泛接受。模块化产品工艺快速配置指出，产品配置实际上是通过建立模块化工艺模型，并通过个模块化工艺及其属性之间的相关约束组合成完整工艺。针对提高工艺快速配置的高效性和实用性，国内外学者主要研究了基于两三个重组质量指标及其相关关系而搭建的易模块化设备重组模型。但在产品模块配置的过程中，有效的配置方案往往数量非常大，因而模块重组时以客户需求为规划目标，对产品工艺进行组合优化，且不同的设计者采用不同的推理机制会有不同的语义理解方式和配置结果，配置结果和客户需求有一定的误本文档来自技高网...

【技术保护点】
1.一种基于多目标蚁狮算法的客户需求模块化工艺配置方法，其特征在于：步骤如下：/n步骤一、建立模块化重组数学模型，在模块化工艺配置的过程中引入需求权重，根据客户需求来确定需求工艺的权重并进行排序，以工艺实例库、模块库、规则库、产品库作为产品信息平台，同时依据质量功能配置将顾客定制权重转化为重组模块配置的约束，得到模块化工艺重组的多目标优化模型为：/nF(X)＝{f

【技术特征摘要】
1.一种基于多目标蚁狮算法的客户需求模块化工艺配置方法，其特征在于：步骤如下：
步骤一、建立模块化重组数学模型，在模块化工艺配置的过程中引入需求权重，根据客户需求来确定需求工艺的权重并进行排序，以工艺实例库、模块库、规则库、产品库作为产品信息平台，同时依据质量功能配置将顾客定制权重转化为重组模块配置的约束，得到模块化工艺重组的多目标优化模型为：
F(X)＝{f1(X),f2(X),f3(X)}
s.tga(X)≥0,a＝1,2,3,...,m；
hb(X)＝0,b＝1,2,3,...,n；(14)
其中：F(x)各组成部分都是极小化目标函数；ga(X)和hb(X)分别为优化问题的不等式约束和等式约束，m与n则分别为其个数；X为其决策向量(1或0)，表示该工艺是否用到模块；
步骤二、基于模块化工艺重组的多目标优化模型，分析客户定制需求与产品以及模块化工艺之间关系，结合多目标蚁狮优化算法，计算优化得出满足客户需求的产品工艺。


2.根据权利要求1所述的一种基于多目标蚁狮算法的客户需求模块化工艺配置方法，其特征在于：蚁狮优化算法中的参数优化为：蚁狮算法构建陷阱、随机游走、进入陷阱、陷阱边界自适应缩小、捕获并重构陷阱和保优策略。


3.根据权利要求2所述的一种基于多目标蚁狮算法的客户需求模块化工艺配置方法，其特征在于：构建陷阱的具体方法为：
根据初始适应值，通过轮盘赌法从上一代的蚂蚁种群中随机选择个体，被选中的个体将和精英一起作为蚁狮构建陷阱；
Step1：根据适应度函数fi(i＝1,2,...,n)，计算得到种群中每个个体适应度大小；
Step2：根据以下公式计算得出每个个体各维度被选中的概率；



Step3：根据以下公式计算得到种群中每个个体的累积概率；



Step4：在区间[0,1]上利用函数Random产生一组均匀分布的随机数r；
Step5：判别产生的随机数是否在q[j-1]<r≤q[j]，若在则选择个体j，否则选择个体j-1；
Step6:若j<n，则跳转至Step4。


4.根据权利要求2所述的一种基于多目标蚁狮算法的客户需求模块化工艺配置方法，其特征在于：设定蚂蚁随机游走的方案为：
假设每只蚂蚁随机游走受轮盘赌选择的蚂蚁和精英蚁狮的影响，可得：



其中：表示轮盘赌选择游走的蚂蚁，表示精英蚁狮；
蚂蚁的随机游走包含所有的维度，规定蚂蚁的初始随机移动位置：
x(t)＝[0,cumsum(2r(t1)-1),cumsum(2r(t2)-1),...,cumsum(2r(tn)-1)]



其中：cumsum为蚂蚁游走的累积和，n是设置的最大迭代次数，t为游走的步数，r(t)是与迭代次数相关的随机函数，为了保证蚂蚁在求解空间内行走，需对其爬行位置进行归一化处理：



其中：ai和bi为行走过程中第i个变量的最小值和最大值...

【专利技术属性】
技术研发人员：范波，宋克兴，霍华，张启启，孙力帆，皇涛，
申请(专利权)人：河南科技大学，
类型：发明
国别省市：河南;41