一种基于MOEAD算法的水平圆柱体内设备布局方法技术

本发明专利技术涉及设备布局技术领域，具体涉及一种基于MOEAD算法的水平圆柱体内设备布局方法，包括基于待布局空间和设备间约束条件建立目标空间，得到初始化可行域及边界和多目标优化数学模型；对多目标优化问题进行分解，得到权重向量和每个所述权重向量的邻居，并初始化目标点；利用目标算法基于所述初始化可行域及边界、所述多目标优化数学模型、所述权重向量、所述邻居和所述目标点对设备布局进行迭代优化，直至迭代次数达到预设值，得到最优解集，解决了现有的启发式算法对设备的布局效果较差的问题。的问题。的问题。

【技术实现步骤摘要】
一种基于MOEAD算法的水平圆柱体内设备布局方法


[0001]本专利技术涉及设备布局
，尤其涉及一种基于MOEAD算法的水平圆柱体内设备布局方法。

技术介绍

[0002]设备布局问题（Facility Layout Problem），又称FLP问题，定义为在作业区域内设备设施应如何放置，其目的为在某些标准或确定约束条件下针对设定目标确定最有效的设备布局。设备布局问题是一类组合优化问题，而用来解决优化问题的算法统称为优化算法。优化算法主要包括精确算法和启发式算法。精确算法计算复杂度一般很大，只适合于求解小规模问题，由于设备布局等具有很高时间复杂度的NP
‑
Hard问题存在组合爆炸，难以在多项式时间内求解等难点，因此精确算法难以解决；启发式算法通过牺牲一定计算精度换取更小的时空复杂度，能在可接受计算成本内给出待解决组合优化问题的可行解，因此NP
‑
Hard问题往往采用启发式算法进行求解。
[0003]FLP问题在过去几十年被广泛研究，一些经典的启发式算法如粒子群算法、蚁群算法等被应用于求解FLP问题。这些方法具有较好的灵活性、鲁棒性和自组织性，且容易与其他算法结合；但也存在明显的弊端，如应用环境简单、易陷入局部最优等。FLP问题本质上往往是一个多目标优化问题，由多个目标函数、约束条件以及决策变量组成，目前使用的大多数启发式算法主要针对一个目标，往往只能获得一个良好的解而非最优解集，从而降低了设备布局的效果。

技术实现思路

[0004]本专利技术的目的在于提供一种基于MOEAD算法的水平圆柱体内设备布局方法，旨在解决现有的启发式算法对设备的布局效果较差的问题。
[0005]为实现上述目的，本专利技术提供了一种基于MOEAD算法的水平圆柱体内设备布局方法，包括以下步骤：基于待布局空间和设备间约束条件建立目标空间，得到初始化可行域及边界和多目标优化数学模型；对多目标优化问题进行分解，得到权重向量和每个所述权重向量的邻居，并初始化目标点；利用目标算法基于所述初始化可行域及边界、所述多目标优化数学模型、所述权重向量、所述邻居和所述目标点对设备布局进行迭代优化，直至迭代次数达到预设值，得到最优解集。
[0006]其中，所述约束条件包括干涉约束条件和其余约束条件；所述其余约束条件包括重叠约束条件、重心约束条件、靠近约束条件和对称约束条件。
[0007]其中，所述基于待布局空间和设备间约束条件建立目标空间，得到初始化可行域
及边界和多目标优化数学模型，包括：依据设备几何特性将待布局空间简化为规则形体；设置所述规则形体的坐标原点、半径和长度，得到设置参数；基于所述设置参数对待布局空间与设备间的所述干涉约束条件进行数学化表述，得到初始化可行域及边界；对所述重叠约束条件、所述重心约束条件、所述靠近约束条件和所述对称约束条件进行数学化表述，分别得到不同的量化计算公式；将不同的所述量化公式的能量值作为目标函数建立多目标优化数学模型。
[0008]其中，所述规则形体包括圆柱体和方体中的任意一种。
[0009]其中，所述目标算法为基于BFGS改进的MOEA/D算法。
[0010]本专利技术的一种基于MOEAD算法的水平圆柱体内设备布局方法，通过基于待布局空间和设备间约束条件建立目标空间，得到初始化可行域及边界和多目标优化数学模型；对多目标优化问题进行分解，得到权重向量和每个所述权重向量的邻居，并初始化目标点；利用目标算法基于所述初始化可行域及边界、所述多目标优化数学模型、所述权重向量、所述邻居和所述目标点对设备布局进行迭代优化，直至迭代次数达到预设值，得到最优解集，提高了对设备的布局效果，解决了现有的启发式算法对设备的布局效果较差的问题。
附图说明
[0011]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0012]图1是本专利技术提供的一种基于MOEAD算法的水平圆柱体内设备布局方法的原理图。
[0013]图2是待布局设备中心初始化可行域及边界图；其中，（a）图为待布局圆柱体轴向与水平圆柱体轴向相同时设备中心初始化可行域及边界图，（b）图为待布局圆柱体轴向与水平圆柱体轴向不同时设备中心初始化可行域及边界图，（c）待布局方体设备中心初始化可行域及边界图；图3是不同设备重叠约束条件干涉量计算方法示意图；其中，（d）图为轴向相同圆柱体重叠约束条件干涉量计算方法示意图，（e）图为轴向不同圆柱体重叠约束条件干涉量计算方法示意图，（f）图为圆柱体与方体重叠约束条件干涉量计算方法示意图，(g)图为方体与方体重叠约束条件干涉量计算方法示意图；图4是二维投影平面圆形与矩形干涉图；图5是BFGS算法流程图；图6是不同设备数量下设备布局结果图；其中，（h）图为12个设备在约束条件下帕累托前沿中部分解图，（i）20个设备在约束条件下帕累托前沿中部分解图，（j）30个设备在约束条件下帕累托前沿中部分解图，（k）39个设备在约束条件下帕累托前沿中部分解图，（L）58个设备在约束条件下帕累托前沿中部分解图；图7是不同约束条件下设备布局结果图；其中，（m）图为20个设备初始化状态图，（n）图为添加无干涉约束图，（o）图为添加重心约束图，（p）图为添加靠近约束图，（q）图为添
加对称约束图；图8是本专利技术提供的一种基于MOEAD算法的水平圆柱体内设备布局方法的流程图。
具体实施方式
[0014]下面详细描述本专利技术的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本专利技术，而不能理解为对本专利技术的限制。
[0015]请参阅图1至图8，本专利技术提供一种基于MOEAD算法的水平圆柱体内设备布局方法，包括以下步骤：S1基于待布局空间和设备间约束条件建立目标空间，得到初始化可行域及边界和多目标优化数学模型；具体的，依据待布局空间及设备几何特性将其简化为规则形体（圆柱体和方体），通过对不同约束条件进行数学化表述将优化目标合理量化，以不同约束条件下能量值为目标函数建立多目标优化数学模型。
[0016]所述约束条件包括干涉约束条件和其余约束条件；所述其余约束条件包括重叠约束条件、重心约束条件、靠近约束条件和对称约束条件。
[0017]具体方式为：S11依据设备几何特性将待布局空间简化为规则形体；具体的，所述规则形体包括圆柱体和方体中的任意一种。
[0018]S12设置所述规则形体的坐标原点、半径和长度，得到设置参数；具体的，待布局空间为水平圆柱体空间，其中心坐标为，以水平圆柱体轴向为X轴，纵截面法线方向为Y轴，以垂直于该法线的径向为Z轴建立三维直角坐标系，水平圆柱体半径为R，高度为H；待布局设备均可被相应大小的方体或圆柱体所本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于MOEAD算法的水平圆柱体内设备布局方法，其特征在于，包括以下步骤：基于待布局空间和设备间约束条件建立目标空间，得到初始化可行域及边界和多目标优化数学模型；对多目标优化问题进行分解，得到权重向量和每个所述权重向量的邻居，并初始化目标点；利用目标算法基于所述初始化可行域及边界、所述多目标优化数学模型、所述权重向量、所述邻居和所述目标点对设备布局进行迭代优化，直至迭代次数达到预设值，得到最优解集。2.如权利要求1所述的基于MOEAD算法的水平圆柱体内设备布局方法，其特征在于，所述约束条件包括干涉约束条件和其余约束条件；所述其余约束条件包括重叠约束条件、重心约束条件、靠近约束条件和对称约束条件。3.如权利要求2所述的基于MOEAD算法的水平圆柱体内设备布局方法，其特征在于，所述基于待布局空间和设备...

【专利技术属性】
技术研发人员：黄德青，万佳奇，秦娜，付科泉，
申请(专利权)人：西南交通大学，
类型：发明
国别省市：