Multiobjectivememeticalgorithmsfortimeandspaceassemblylinebalancing教程分析.docVIP

多目标文化基因算法在装配线时间空间优化中的应用 关键字： 装配线时空平衡问题，汽车工业，多目标规划，文化基因算法，NSGA-II，蚁群优化，GRASP，局部搜索 摘要： 这篇论文利用三个多目标文化基因算法来解决一个古典工业问题：装配线时空平衡。这三个方案分别基于进化计算、蚁群优化和贪婪随机搜索。为了在文化基因搜索过程中的多样化和效率中权衡，本文提出并且比较了不同变体的文化基因算法。首先，使用文化基因算法来解决9个已知的问题，得到了很好的结果。然后使用文化基因算法应用到日产汽车位于西班牙巴塞罗那的一个车间的真实数据上。在现在的方法中，得到了对于这种的问题最优结果。 1、介绍 如今，装配线在大量标准商品的工业生产中是至关重要的，最近甚至在小产量的根据客户要求的产品生产中也得到了重视(Boysen et al.，2008)。一条装配线是由很多并列或顺序的工作站组成。由于制造业的生产项目分为一组任务，一个即平常又困难的问题就是确定如何将这些任务分配给工作站，并满足一定的限制条件。因此，目标就是得到一个最优分配计划，把子任务分配给工厂的工作站。此外，每个任务的执行需要的各自的时间。 一组的学术问题—指的是简单组装线平衡问题(SALBP)—被提出，来为这个问题建立模型(Baybars，1986; Scholl，1999)。基于这组问题，Bautista提出了一个更现实的结构：装配线时空平衡问题 (Bautista and Pereira，2007)。新模型考虑额外的空间约束，成为一个新的实际问题的简化版本。正如(Bautista and Pereira，2007)描述的，空间约束的出现是在研究(Boysen et al.， 2008)。 正如很多现实问题，TSALBP模型有多条件限制的性质(Chankong and Haimes， 1983)，因为 (Dorigo and Stützle，2004) 贪婪随机搜索过程(GRASP) (Feo and Resende，1995)正如在Chica et al. (2010a，b)所Chica et al. (2011a)， 图1 位于巴塞罗那工业区的日产探路者装配线(西班牙)。 文化基因算法(MAs) (Moscato，1989; Ong et al.，2006，2010)已广泛应用于工业和工程应用程序，像舰队车辆路径问题(Prins，2009)，(Pe ′rez-Bellido et al.，2008)，(Pishvaeeet al.，2010)， (Santamar?′et al .，2009)。然而，TSALBP尚未深入探索 (Bautista and Pereira，2007; Chica et al.， 2010b)。在本文中，我们的目标是，通过MA设计来解决这个复杂的和具有挑战性的现实世界的问题。 我们将设计新的多目标文化基因算法解决现实世界TSALBP-1/3变体。这样的方法是两个基于最先进的多目标算法，先进TSALBP-NSGA-II，另一个现有的对于TSALBP的多目标算法。MA算法将一个成功的多标准本地搜索(LS)计划用于以前的GRASP方法。 我们的目标是比较不同MA变异体，来显示没有通用的方法，，能够实现最好的结果对所有的问题实例(所没有免费的午餐定理Wolpert and MACSready， 1997)。因此，我们将开发15个不同MA设计来相互比较，基本的全局搜索方法，一个完整的实验和九个已知问题实例。 最后，一个工业案例研究将被研究，做为MA解决现实问题的应用。这个案例研究包括真实的数据，来自于尼桑汽车位于巴塞罗那的装配线的发动机制造过程。最新的多目标性能指标和统计测试是用于分析算法的行为。 论文的结构如下。在第二节，解释TSALBP-1/3。第三节，描述提出的多目标文化基因算法来解决这个问题。然后，实验设置，结果的分析和日产案例研究的提出在第四节。最后，一些总结是在第5节讨论。 2. 时间和空间装配线平衡 生产制造项目分为一个集合V，包含n个任务。每个任务j需要一个取值非负的操作时间tj来执行。这是由制造技术和使用资源决定的。一个子集的任务Sk被分配给每个工作站k(k=1，2，…，m)，这个站的工作负载。每个任务j只能分配给一个站k。 每个任务j有一组“前面的任务”， 在Pj这一任务开始之前必须完成。这些约束表示优先级由一个非循环图的顶点对应的任务，一个有向弧i，j表示在生产线上任务i开始前必须完成任务j。因此，任务j不能分配给一个工作站在i被分配之前。 每个工作站k代表了工作站工作负载时间t(Sk)，这个是等于分配任务的长度之和。工作站的负载时间不能超过周期c，所有工作站的共同生产线。一般来说，SALBP