[发明专利]一种基于改进遗传算法的模块化工艺重组方法

说明书

本发明提供一种基于改进遗传算法的模块化工艺重组方法，本发明通过计算可得到包含多条工艺路线的产品需求值模块工艺重组集，具有开创性突破，本方法首先随机生成一定规模的初始种群，然后结合免疫遗传算法和精英保留策略，用精英抗体替换随机生成的初始种群中适应度最差的个体，这样既能保证初始种群的多样性，又能改善后期种群的数量，而在遗传过程中优良个体替换并引导种群进化，快速逼近目标值。采用本发明的方法进行模块化工艺生成，能够得到多条满意度较高的工艺重组集，缩短工艺决策时间，提高生产率。

技术领域

本发明涉及工业大数据分析领域，具体涉及一种基于改进遗传算法的模块化工艺重组方法。

背景技术

大规模定制主要实现方法是模块化产品配置。模块化工艺重组是通过建立工序模块的模型，并通过各工序模块及其属性之间的相互约束组合成完整工艺，以避免无效的工艺组合，从而提高产品工艺匹配的效率。模块化加工工艺匹配方式符合大规模定制的理念。工艺匹配过程是以满足产品需求作为出发点，匹配结果和产品属性紧密的联系在一起。另一方面，可以通过实例库中已有的历史加工工艺和经验，通过匹配算法，准确地满足产品个性化需求。模块化工艺匹配方法不仅能满足产品个性化需求，还能为企业带来低成本、高利润的效益，同时增强企业的竞争力。

目前，制造业每天产生的工艺数据数以亿计，因而对于工艺的快速匹配有很高的要求，工业现场多为专家经验法，历史订单工艺法。其中专家经验法是指介于通用的专业理论、方法论、模型与企业自身的工作案例之间特定的序列和解决问题的原则。工业领域专家有大量的经验和知识，能够运用该类知识和常见问题的解决方法来处理新的产品工艺和问题，即可实现定制模式下板带材工艺的生成与排产，具有较高的成功率。但是，由于专家经验法要求工人具有较高的水平，并且该方法没有考虑到大规模定制生产时订单截止日期的问题，需要安排大量试生产，降低了工作效率，给企业带来不必要的损失。因而在工业大数据的环境下，亟需提出一种基于改进遗传算法的模块化工艺重组方法，以满足大规模定制下板带材工艺快速生成与订单排产的需求。

发明内容

本发明主要解决的技术问题是在工业大数据环境下，针对专家经验法中没有一套固定的方法和步骤可以遵循，具有很大的试探性和随意性，对于不同的产品没有一种通用的容易掌握的设计方法等缺陷，结合其参数设定较为准确，设计步骤简洁的优势，提出一种基于改进遗传算法的模块化工艺重组方法。

为了达到上述目的，本发明所采用的技术方案是：一种基于改进遗传算法的模块化工艺重组方法，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。

进一步的，本发明具体包括以下步骤：

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；