[发明专利]基于离散云进化算法的设备优化布局方法

说明书

本发明涉及基于离散云进化算法的设备优化布局方法，为了降低柔性制造系统中的物料搬运成本，改进现有方法在求解设备优化布局存在的不足，本发明建立了能够保证物料搬运路径有序分布的设备线性排列优化布局模型，在此基础上，采用自动分行和净间距值随机生成方法，构造了用于种群进化选择的适应度函数，并应用云模型对种群进行变异、进化、选择等操作，实现离散空间的寻优计算。通过实例计算和分析，验证了应用离散云进化算法求解设备优化布局问题的有效性，并将该方法与典型的智能进化算法——粒子群算法进行比较，结果表明该方法在计算精度、计算效率、收敛稳定性等方面都优于粒子群算法。

技术领域：

本发明涉及设备布局的优化方法，具体涉及一种基于离散云进化算法的设备优化布局方法。

背景技术：

随着产品生命周期的不断缩短和个性化定制的快速发展，多品种、小批量制造已成为目前机械制造行业的主流。为了更好地适应这一发展趋势，能够适应多零件、多工序混流加工的柔性制造系统已成为机械制造企业的理想选择。而柔性制造系统中加工设备的布局方式对整个系统的生产效率、物流设备配置、物料运输费用、车间空间利用率等都有至关重要的影响。合理的设备布局方式，可有效提高空间利用率，降低生产成本，提高生产效率。设备布局与多种因素相关，如设备数量、设备排列方式、物流方式、空间限制等，欲实现其最优化布局需建立合理的数学模型，并采用合理的求解方法。

目前用于设备优化布局的方法主要包括以下几类：(1)定性与定量分析相结合的方法：常用方法包括系统化布置设计法、层次分析法等。此类方法需要大量的人工参与，并依赖专家经验才能获得较优的设备布局结果；(2)以求得精确最优解为目标的优化计算方法：常用方法包括分支定界法、割平面法等。由于设备布局优化问题具有非线性和NP-hard特性，当设备数量较多时，其解空间存在“组合爆炸”现象，很难求得精确最优解，因此，此类方法主要适用于设备数量较少的情形；(3)以求得近似最优解为目标的优化计算方法：这类优化方法主要包括启发式算法和智能优化算法，常用方法有模拟退火算法、遗传算法、粒子群算法、蚁群算法等；此类算法是目前的研究热点，都能在一定程度上求得设备布局问题的近似最优解或较优解。但由于设备优化布局问题具有较高的计算复杂性，使得现有方法在求解精度、收敛速度、求解效率等方面仍存在一些不足。

有少量学者也提出基于云模型的进化算法，但其优化对象均为连续函数，只适合在连续变量函数的寻优，对离散变量优化排序并不适用。为了进一步提高设备优化布局问题的求解精度和效率，探索新的求解思路，本发明结合云模型和进化算法的基本思想，提出求解离散序列的优化排序问题，并将其应用于车间设备优化布局问题求解，本案由此而生。

发明内容：

为了降低柔性制造系统中的物料搬运成本，改进现有方法在求解设备优化布局存在的不足，本发明提出一种基于离散云进化算法的设备优化布局方法，具体采用如下技术方案实现：

基于离散云进化算法的设备优化布局方法，包括建立设备线性排列优化布局模型的目标函数及约束条件、个体编码及种群设置、适应度函数构建、精英选择与进化、变异操作；

所述目标函数考虑设备的搬运成本、搬运频率以及搬运距离；

所述个体编码采用离散数列的编码方式；

所述适应度函数构建时，设定自动分行规则并计算各设备的位置坐标；

所述变异操作包括设备的排列顺序变异进化和净间距值的变异进化，其中，净间距值是指在不影响一行上设备可布置台数前提下的间距调节值，净间距值优化采用随机变异、择优选择的策略；排列顺序的变异进化包括确定个体分量交换对数量、通过精英个体变异产生新的种群、设置云模型参数的控制策略、设置迭代中的突变策略；

在确定个体分量交换对数量时，设期望的个体分量交换对数量为Et，给定熵En，超熵He，根据正态云模型计算出云滴t_i，限定实际交换对数量N_C的取值范围为[1,n]，其中n为加工设备的台数；