第3章布局新算法总结.pptVIP

系统布置设计技术（SLP）条理清晰、考虑完善（包含定性和定量因素），因而被广泛采用，但随着时代的发展，其不足之处也逐渐显现。现在的制造系统日趋复杂，应用SLP，手工完成系统布置设计十分繁琐，既要满足时间快速性又要满足方案最优性是不现实的。其次，系统布置设计技术提供的布置方案太少。在初步方案确定后，设计者要根据约束条件自己调整方案。限于自身知识及能力的局限，设计者最终提供的方案较少，可供选择的余地不大，难以形成优秀的方案。车间设备布局问题是一种组合优化问题,具有非线性,NP难等特性. 设施布局问题数学模型从模型的数学特征来看，可分为两种类型，一类是在给定的区域内布置若干台机器，要确定机器的位置坐标，这种问题本质上是选址问题。另一类是预先确定若干个位置，将若干数目的机器分派到这些位置，如何派遣这些机器，才能使目标函数最小。一般称之为组合优化问题。从设施的排列形式来看，有两种形式，一种是单行布置，即设施排成一条直线，另一种为多行布置，设施排成两行或多行。 布局设计的现代算法 本质上就是计算机布置算法。目前计算机布置算法可分为两类。一类是对布局设计问题简化并建立数学模型，再采用计算机现代算法求解的方法，称为数学建模求解算法。这类方法不能得出布局设计图，需要设计人员根据算出的数据，构思布局设计，然后再在图形绘制工具中绘制布局图。另一类是用计算机算法直接对布局图进行优化求解，最后得出优化的布局设计图，此法可称为布置图的设计算法。 则目标函数为：约束条件为：其中 i=1,2,3,…,n-1; j=i+1,…,n; 单行布置的模型 多行布置的模型 则目标函数为： 约束条件为： 二次分派问题模型给定n个地点，现要把n个设施分配到这n个地点，这实际上是组合问题，共有n！种方案，在这n！种方案里找最佳方案使总的物料搬运费用最短。如果n等于4，则共有24种方案，显然可以用穷举发来求最优方案，如果n等于10，则有种方案，如果n大于10，方案会更多，显然没有办法穷举，往往通过一些启发式算法寻找次优方案。二次分派问题模型一般可表述为：遗传算法在布局设计中的应用 遗传算法是模仿生物遗传学和自然选择机理，通过人工方式所构造的一类搜索算法，生物种群的生存过程遵循达尔文进化准则，个体根据对环境的适应能力而被大自然所选择或淘汰。适者生存。 个体对环境的适应能力体现在结构上，为其染色体上的基因所表现出来的特征，不同的基因对应不同的外部特征，如高矮胖瘦。通过染色体上基因的交叉、变异来适应大自然环境。生物染色体用数学方式表示就是一串数码，仍叫染色体，有时也称为个体；适应能力是用对应着每个染色体的一个数值来衡量；染色体的选择或淘汰则与所研究的问题有关。 在布置模型中，每台机器的位置坐标都可以看成是一个基因，n台设备的基因构成具有n个基因的染色体。该染色体或者说个体对环境的适应能力就是其对应的物料搬运成本，成本低则适应能力强。 遗传算法的结构 遗传算法开始时先随机地产生一些染色体（欲求解问题的侯选解），计算其适应度，根据适应度对诸染色体进行选择、交换、变异等遗传操作，剔除适应度低的染色体，从而得到新的群体。由于新群体的成员是上一代群体的优秀者，继承了上一代的优良性态，因而在总体上优于上一代。就这样反复迭代，向着更优解的方向进化，直至满足某种预定的优化指标。 (1)编码与译码将问题结构变换为位串形式编码表示的过程叫编码；而相反将位串形式编码表示变换为原问题结构的过程叫译码。 (2)适应度函数为了体现染色体的适应能力，引入了对问题中的每一个染色体都能进行度量的函数，叫适应度函数。通过适应度函数来决定染色体的优、劣程度，它体现了自然进化中的优利劣汰原则。对优化问题，适应度函数就是目标函数。 (3)遗传操作 　遗传操作主要有三种:选择(selection)、交叉(crossover)、变异(mutation)。改进的遗传算法大量扩充了遗传操作，以达到更高的效率。选择操作也叫复制操作，根据个体的适应度函数值所度量的优、劣程度决定它在下一代是被淘汰还是被遗传。一般地说，选择将使适应度较大(优良)个体有较大的存在机会，而适应度较小（低劣）的个体继续存在的机会也较小。交叉操作的简单方式是将被选择出的两个个体P1和P2作为父母个体，将两者的部分码值进行交换。变异操作的简单方式是改变数码串的某个位置上的数码。 (4)控制参数并不是所有被选择了的染色体都要进行交叉操作和变异操作，而是以一定的概率进行，一般在程序设计中交叉发生的概率要比变异发生的概率选取得大若干个数量级，交叉概率取0.6至0.95之间的值；变异概率取0.001至0.01之间的值。种群的染色体总数叫种群规模，它对算法的效率有明显的影响，规模太小不得于进化，而规模太大将导致程序运行时间长。对不同的问题可能有各自适合的