基于GA 与大型船舶制造企业风险管理研究.docVIP

基于GA的大型船舶制造企业风险管理研究 毛一骏，潘于泽 （） 摘要：介绍了运用遗传算法（GA）解决实际问题通常包括的步骤。探讨了散货船船体吊装顺序优化，建立了在给定周期下实现成本最小的目标函数，提出了一种改进GA来求解全局最优或者次优的装配顺序，采用了整数编码、单点交叉方法和新的变异方式。采用了最小偏差法，构造了FPSO船型优化的统一目标函数，采用了实数编码，以容量最大、造价最小为目标进行了多目标优化。 关键词：遗传算法；船体吊装；主尺度；优化 中图分类号： 文献标识码： 文章编号：1005 01-0058-06 Abstract: The general steps using genetic algorithm (GA) to solve practical problems are introduced. The optimization of the bulk carrier hull hoisting order is performed. The objective function realizing the minimum cost under given period is built. An improved GA is put forward, which adopts the techniques of integer code, one-point crossover and new mutation way, to obtain the assembly order which is globally most superior or secondary superior. The unified objective function of an FPSO’s principal parameters is constructed using minimum-deviation method. The multi-objective optimization with the targets of biggest capacity and smallest construction cost is carried out by real number code. Key words: genetic algorithm; hull assembly; principal dimensions; optimization 遗传算法（GA）是一种通过模拟自然进化过程搜索最优解的方法。在解决复杂的全局优化问题方面，GA已经取得了成功的经验，并且受到工程管理界广大技术人员的高度重视。GA的特点是它对问题本身的限制较少，对问题目标函数和约束条件既不要求可微也不要求连续，仅要求该问题是可计算的；另一方面它的搜索始终遍及整个解空间，能够找到近乎全局的最优解；本身并不要求对优化问题的性质作一些深入的数学分析因此对不太熟悉数学理论和算法的使用者来说，既方便又快捷。GA同样在企业风险管理方面可以发挥巨大作用。 生物遗传物质的主要载体是染色体，在GA中染色体通常是一串数据（或数组），用来作为优化问题解的代码，其本身并不一定是解，GA一般经过这样几个过程：首先随机产生一定数目的初始染色体，这些随机产生的染色体组成一个群体。接着用适应度函数来评价每一个染色体的优劣，即染色体对环境的适应程度，用来作为以后遗传操作的依据。然后进行选择过程，从当前群体中选出优良的染色体，使他们成为新一代的染色体。对这个新的群体进行交叉操作成为GA的主要操作之一。这样对群体进行重复的选择、交叉和变异操作，经过给定次数的迭代处理以后，把最好的染色体作为优化问题的最优解。那么解决一个实际问题的GA通常包括以下几个步骤：将求解问题模型化为符合GA的框架； 定义可行解空间，确定适应度函数的表现形式和求解的字符串表达式； 设计GA的参数及群体规模； 选择、交叉、变异的概率选择，确定进化最大代数，设定终止条件； 计算求解，评价结果。 散货船船体吊装顺序优化 船舶制造企业广泛采用壳舾涂一体化的制造模式，各种分段在相应的车间生产出来，装配成总段，然后在船坞内进行总装。吊装过程由于涉及到分段制造能力、主要钢材的采购等生产环节，并且直接影响船舶的建造完成，因此是造船过程中的关键环节。 许多学者从不同方面对吊装过程进行了研究采用含约束有向图和神经网络的方法对Daewoo船厂吊装约束和顺序问题进行研究，其目的是寻找满足工艺约束的最佳吊装顺序采用GA对吊装的时间进行优化，使得分段吊装设备的负荷更加均衡对船舶制造企业的分段场地布置进行规划，利用启发式搜索技术进行计算求解以寻找最佳的分段堆放方式，降低分段储备成本。上述研究对于合理利用船坞等关键设备