联系我们

Contact

安徽智浩钢结构工程有限公司
电话:15209809766 
联系人:卢经理
地址:安徽省六安市裕安区城南镇汪家行村
网址:laxygs.com
当前位置:首页> 行业资讯

基于混合遗传算法的制造车间布局设计

* 来源: * 作者: * 发表时间: 2019-07-01 11:37:06 * 浏览: 4

  基于混合遗传算法的制造车间布局设计赵川1,杨育1,曾强12(1重庆大学机械工程学院,重庆400030 2河南理工大学工业工程系,河南焦作454000)据车间布局设计的最小费用原则,建立了生产系统设备布局的数学优化模型;接着,将遗传算法与模拟退火算法相结合组成混合遗传一模拟退火(GA―SA)算法,并将其引入到车间设备布局问题中,完成了算法操作设计;最后,给出了一个10区域车间布局算例。结果表明:该算法有较强的全局和局部搜索能力,能有效改善遗传算法过早收敛的问题,是优化车间设备布局的一个有效方法。

  中图法分类号:TH181TP8:八文章编号:1674―基金项目:国家自然科学基金资助项目(70601037))男,河北石家庄人,硕士研究生,主要从事设施规划相关领域研究;杨育(1971―)男,四川成都人,教授、博士生导师,主要从事网络化协同制造、效率工程相关领域研究。

  引入开关变量i P表示零件q生产过程中在设备与设备之间一个良好的车间布局和一个较差的车间布局在投资方面可能相差无几,但车间生产设备或制造单元的合理摆放、物流路径的正确规划都将对实际生产中的效率、成本和产品质量等产生深远的影响。对车间设备的合理布局设计将有效减小生产所占面积,有利于生产规模的扩大以及产品的多样化发展,使生产中的物料运输更加高效,缩短制造资源之间的物料运送时间和生产周期,降低制造成本,让不同工位之间的物流得到简化,物料的输送更加连续,更有利于生产管理,从而提高产品质量,增强企业的竞争力。有资料表明E即布置在第k亍的设备数为SD令设备m的集合用Pm康示,显然,布置于k亍的设备序列构成了Pm)中某一元素所表示的设备集中子元素的一个排列。为了描述方便,将其设备序列表述为mnm),mv)……,mvvk)其中元素角标k 12…,n.中:L表示车间长度;H表示车间宽度;X)表示第k亍的第位置设备mv)中心的x坐标;y)表示k)中心的哗标;k)表示mv)的长度;w)表示"!的宽度;4)表示气)与相邻设备mv+1)之间在x轴方向上的距离;h),vk+)j表示m<>

  车间设备布局的目标就是建立合理的物流路径,满足各设备间的总物料搬运成本最小化,因此,设备布局问题的目标模型可表述为其中:C表示总的物流成本;Q表示车间单位生产周期内所加工的零件类型集合;F表示零件q生产过程中在设备与设备之间物料的搬运频率;每单位距离的物料搬运费用,只与物料与搬运工具有关;D表示设备与设备之间的距离,对于单行问题,Ds=|x-j对于多行布局问题,Di=设备布局问题的约束条件主要有以下几条:行方向的约束条件:①一台设备只能布置在某一行中,且只能出现一次;②在同一行内,相邻设备之间为最小间距约束,即保证两相邻设备之间不出现干涉或重叠。

  列方向上的约束条件:①在同一行内设备的y坐标相同;②相邻行之间为最小间距约束,保证设备在y方向上不出现干涉与重叠。

  2混合遗传算法1理论基础211遗传算法及其局限性遗传算法(GA堤一种借鉴“优胜劣汰”的生物进化和遗传思想而提出的全局随机搜索算法。该算法把问题的解编码成染色体,多个染色体组成种群,经过选择、复制、交叉和变异等操作,种群不断进化,逐渐向最优解逼近。然而在实际使用过程中,种群的规模和进化次数都有一定限制,这就常常造成GA收敛于局部最优解。在进化初期,GA的搜索速度非常快,经过若干代进化,种群中的染色体往往具有相同的特征,种群缺乏多样性。虽然变异可以改变部分染色体的结构,但是由于变异的随机性和变异率小,经过选择操作后,只有很少的新个体保留下来,这时搜索速度变得十分缓慢,容易造成过早收敛1101. 2L2模拟退火算法及其局限性模拟退火算法(SA)源于统计物理学中对固体退火过程的模拟,从某一起点开始在邻域内搜索,采用bmn妾收准则接收新解解用退火温度控制着求解过程向最小值方向优化。因此该算法可以跳出局部极值点,只要初始温度足够高,退火过程足够慢,每一温度下抽样足够长,当最终温度趋于零时,就能收敛到全局最优解。但是S的缺点是计算时间长,效率低12. 22GA―8\混合算法0\-8\算法通过SA咸轻GA的选择压力,利用S\中的bmn妾收准则来接受交叉和变异后的个体,不但避免了遗传算法的早熟收敛问题,同时使群体中的最优解得到保留,并利用S的爬山性能改善了GA的性能。CA-S\混合算法流程见步骤如下:确定种群规模n交叉概率P变异概率p和初始温度T初始化种群P随机产生n个可行解X(1in)组成初始种群。

  对种群实施选择和交叉操作。设父代P和,交叉后产生子代C和C计算父代和子代的适应度和2然后进行模拟退火操作。若则用C代替P否则,以概率xp((((i)一f(p))/T接受i其中T为当前温度。

  变异操作,并按照步骤3)中的方法判断是否接受变异后的解。

  =3XT喔到1之间的常数。

  若满足停止规则,停止计算;否则转步骤3)。

  23GA-S\算法操作设计231遗传算法(GA)设计编码规则。本文中为适应于多行设备的布局计算采用如下编码方式:其中:表示第个位置的设备;表示同行设备m -和mt之间的净间距,意为两者实际间距与最小间距之差。

  本文中对于多行设备布局采用自动换行技术,如对拟排在第一行中某设备,计算其中心坐标与自身半长之和,再加上该设备与终止端墙壁的最小间距,结果如果大于车间长度L则自动排到第2行,其他依次类推。采用此编码方式时,设备的x轴坐标根据净间距序列和设备排列序列可唯一确定,y方向亦可根据列方向约束来确定。

  选择规则。对种群p(t采用轮盘赌的方法得到下一代种群p(t+)。

  交叉规则。采用部分匹配交叉(PX)方法处理设施排序序列的交叉操作;对于净间¢6因为是浮点编码,所以采用算术交叉方法处理净间距序列。

  变异规则。对于变异遗传算子,仅对设备净间距序列进行变异操作。假定染色体的净间距序列为An),A(),……,A<>

  232模拟退火算法(SA设计1)状态产生函数。本文中采用基因互换状状态接收函数。状态接受函数选择Metropolis妾受准则,即以概率1,ex〕(―汾k)接收后代。

  初温及退温函数。以群体的特征信息确定初始温度其中:p为初始接收概率;S为群体中最佳与最差适应度之差。

  其中X为退温速率。

  3实例验证与结果分析应用上述算法对某厂机械加工车间进行布局,根据同种类型的机床安放在一起的原则,现有的机床总共划分为10个区域。车间大小为10mX25m机床区域所占面积、费用、频率如表1 ~3所示。

  表1机床区域面积mXm序号代码区域名称面积原材料库车床区铣床区刨床区磨床区镗床区钻床区滚床区插床区成品检验区表2费用表千元/kn区域间水平最小间距要求矩阵为表