[发明专利]一种混流装配线排序优化方法

说明书

本发明公开了一种混流装配线排序优化方法，该优化方法以物料消耗速率波动、产品调整总费用以及最大模糊完工时间为优化目标，建立数学模型和约束条件。对粒子群算法进行离散化处理，运用基于任务分配的编码方法，嵌入多目标优化方法。针对装配时间为模糊时间的问题，采用相应的模糊数运算进行求解。通过仿真实验证明，改进算法能够得到优质的非支配解，进而完成混流装配线排序的最优化设计。

技术领域

本发明属于混流装配生产技术领域，具体涉及一种混流装配线排序优化方法。

背景技术

单一品种装配线是指仅能够生产一种类型产品的装配生产线。混流装配线是指装配生产线可以完成不同种类产品的装配任务。多种类装配线也可完成不同种类产品的装配任务，两类装配线的不同之处在于多种类装配线使用轮番生产的方法，在确定时间间隔内装配线上首先装配同一种类产品，然后再装配另一类产品，循环往复进行装配生产，直到所有需要装配的产品全部装配完成。而混流装配线仅需要对所有不同种类产品进行排序，在一定时间范围内，装配生产线上就能够同时进行多种类型产品的生产。现有技术中装配时间大多为确定时间，而针对装配时间为模糊时间情况，现有技术较少。优质的排序方案能够减少生产成本，提高生产效率，以达到某种设计指标的最优化。混流装配线排序问题是组合优化问题，属于是NP难问题，一般的数学手段很难得到较好的优化结果。

粒子群优化算法(Particle Swarm Optimization algorithm,PSO)是的一种基于种群的进化计算算法。设计最初被用于求解连续非线性函数优化问题，PSO算法在连续空间优化问题中得到了广泛的应用，而非求解组合优化问题。该算法具有容易理解、程序实现简单以及收敛速度快等优点。

目前的技术难点：1)如何针对装配时间为模糊时间情况，建立目标函数的数学模型，并计算目标函数值；2)如何使改进粒子群算法以适应离散问题和多目标优化问题的求解；3)如何使改进算法能够得到优质的非支配解。

发明内容

本发明的目的在于提供一种多目标混流装配线排序优化方法，该方法对粒子群算法进行离散化处理，运用基于任务分配的编码方法，嵌入多目标优化方法。针对装配时间为模糊时间的问题，采用相应的模糊数运算进行求解，进而完成混流装配线排序的最优化设计。

实现本发明目的的技术方案为：一种多目标混流装配线排序优化方法，包括以下步骤：

步骤1：混流装配线排序问题本质为组合优化问题，对粒子群算法离散化处理，采用基于任务分配的编码方法，嵌入多目标优化方法。所有产品装配时间为模糊时间，采用相应的模糊数运算进行求解。建立目标函数的数学模型，确定其约束条件。优化目标为物料消耗速率波动、产品调整总费用以及最大模糊完工时间。

步骤2：初始化种群控制参数，包括种群数目、惯性权重、学习因子、迭代总次数。通过初始化操作，生成固定数目的种群，记录个体最优粒子和全局最优粒子，将种群中的非支配解存储至外部Pareto解集中。

步骤3：针对种群内所有粒子，记录个体最优粒子和全局最优粒子。更新种群内所有粒子的位置和速度，将种群的非支配解存储至外部Pareto解集中。

步骤4：判断是否满足停止准则。如满足，则导出外部Pareto存储集合。否则，转到步骤3。

与现有技术相比，本发明的显著优点为：本发明设计了一种多目标混流装配线排序优化方法，对粒子群算法进行离散化处理，运用基于任务分配的编码方法，嵌入多目标优化方法。针对装配时间为模糊时间的问题，采用相应的模糊数运算进行求解。通过仿真实验证明，改进算法能够得到优质的非支配解，进而完成混流装配线排序的最优化设计。

附图说明

图1为本发明的改进粒子群算法流程图；

图2为本发明的基于任务分配的编码方法示例图；