[发明专利]一种基于改进遗传算法的模块化工艺重组方法

权利要求书

1.一种基于改进遗传算法的模块化工艺重组方法，其特征在于：首先建立产品多工艺路线规划问题的数学模型，将产品属性问题转化为对产品可行性模块化工艺重组策略的问题，利用目标特征匹配和特征属性匹配的两级模块化工艺检索方法，采用改进遗传进化算法获得待加工产品的可行性模块化工艺，并结合中心距理论得到产品模块化工艺重组策略的最优工艺路线。

2.根据权利要求1所述的一种基于改进遗传算法的模块化工艺重组方法，其特征在于，包括以下步骤：

S1、初始参数设定：定义N为群体规模、T为种群最大迭代次数、ε为抗体亲和力阈值、α0为权重系数初始值、β0为初始权重值；

S2、令种群迭代次数t＝0，在目标函数的解空间中最随机产生n个初始化染色体种群；

S3、确定每个染色体的适应度，并将适应度最大的染色体作为精英染色体，赋予专用变量空间种群，如果是第一代染色体群，则转至步骤S6，否则继续；

S4、如果这一代染色体群中找不到与精英染色体适应度相同的染色体，则将保存在变量空间种群中的精英染色体复制一个到染色体种群中，同时将染色体群中适应度值最小的染色体删除，否则继续；

S5、如果这一代染色体群中适应度最大的染色体其适应度大于精英染色体的适应度的值，则将染色体群中适应度最大的染色体复制一个，并将它作为新的精英染色体替换保存在专用变量空间种群中的精英染色体，否则继续；

S6、计算染色体亲和力和期望繁殖率，并按照公式(1)至公式(3)对每个染色体的值进行计算，根据上述计算结果对染色体群执行选择和复制操作；

改进染色体xi和染色体xj之间的欧式距离为：

亲和力指两个抗体之间的相似程度，其计算公式如下：

J(x_i,x_j)＝d(x_i,x_j)+α|f_i-f_j|≤ε (2)

其中：

式中：ε为抗体亲和力阈值；

α0为权重系数初始值，α0∈[0,1]；

Nc为遗传算法中的最大迭代次数；

T为迭代次数，1≤t≤Nc；

S7、对种群个体进行交叉和变异操作；

S8、检查是否达到最大循环代数(t>Nc)，若没有达到则令t＝t+1，跳转到步骤S3继续进行循环操作；若达到则终止运算，并输出结果。