[发明专利]基于改进人工蜂群算法的车间设施布局优化方法

说明书

本发明公开了一种基于人工蜂群算法的车间设施布局优化方法，该优化方法以车间内单元间总物流矩为优化目标，建立数学模型和约束条件；对基本人工蜂群算法进行离散化处理，采用基于随机搜索的局部搜索方法，并融合次序交叉操作和锦标赛选择机制。通过仿真实验证明，本发明的优化方法能够在较短时间内得到全局最优解，减少了加工单元之间的搬运费用，从而实现对车间设施布局的最优化设计。

技术领域

本发明涉及车间设施布局技术，具体涉及一种基于改进人工蜂群算法的车间设施布局优化方法。

背景技术

车间设施布局优化是指在已经确定的车间内部空间约束条件下，将生产系统内所使用的各种资源包括：人、机、法、料、环、测进行合理地组织和布置，以到某种设计指标的最优化。车间设施布局优化问题本质上是一种组合优化问题，一般属于NP难问题，一般的数学手段并不能够得到好的求解效果。

人工蜂群优化算法是一种群智能优化算法，其本质为模拟蜜蜂群体寻找优良食物源的仿生智能计算方法。该算法具有初始控制参数少、收敛速度和精度较高等优点。但设计之初是应用于解决多维多模态优化问题，而非求解组合优化问题。

因此，如何对算法进行改进以适应车间设施布局优化问题的求解是目前较大的技术难点。

发明内容

本发明的目的在于提供一种基于改进人工蜂群算法的车间设施布局优化方法，该方法对基本人工蜂群算法进行离散化处理，采用基于随机搜索的局部搜索方法，并融合次序交叉操作和锦标赛选择机制，进而实现对车间设施布局的最优化设计。

实现本发明目的的技术方案为：一种基于改进人工蜂群算法的车间设施布局优化方法，包括以下步骤：

步骤1，车间设施布局优化问题本质为组合优化问题，对人工蜂群算法离散化处理，采用序号编码方式进行编码，并将加工单元均简化为矩形，建立目标函数的数学模型，确定其约束条件；

步骤2，初始化种群阶段：设定种群控制参数，包括种群数目SN、交叉概率p_c以及阈值Limit，应用随机方法产生初始化的种群，将种群中的最优解存储至外部集合；

步骤3，采蜜蜂阶段：采蜜蜂对种群中的每一个食物源进行局部搜索，对新食物源和原有食物源进行比较，优质的食物源将会被保留，更新外部集合；

步骤4，观察蜂阶段：观察蜂采用锦标赛机制选择一个食物源，判断是否进行交叉操作，如果进行交叉操作，则将种群内一个食物源与锦标赛机制产生的食物源进行交叉操作，保留优质的食物源，如果不进行交叉操作，则观察蜂对锦标赛机制产生的食物源进行局部搜索，保留优质食物源，重复以上操作SN次，更新外部集合；

步骤5，侦查蜂阶段：判断每个食物源是否大于阈值Limit，如果大于阈值Limit，则随机产生一个食物源，更新外部集合；

步骤6，判断是否满足停止准则，如满足，则导出外部集合，否则，转到步骤3。

与现有技术相比，本发明的显著优点为：本发明设计了一种基于人工蜂群算法的车间设施布局优化方法，对基本人工蜂群算法进行离散化处理，采用基于随机搜索的局部搜索方法，并融合次序交叉操作和锦标赛选择机制；通过仿真实验证明，改进算法能够在较短时间内得到全局最优解，减少了加工单元之间的搬运费用，从而实现对车间设施布局的最优化设计。

附图说明

图1为本发明的改进人工蜂群算法流程图。

图2为本发明的基于随机搜索的局部搜索方法示意图。

图3为本发明的次序交叉方法示意图。

图4为本发明实施例的优化后的某机加车间设施布局图。

图5为本发明实施例的算法运行迭代曲线图。