基于遗传算法装配线平衡问题研究.docVIP

基于遗传算法装配线平衡问题研究 　　摘要： 文中针对装配线平衡问题，提出了一种基于可行作业序列的多种群遗传算法。该算法依据可行作业序列产生初始种群，并据此构造交叉、变异算子，以保证后代种群都是可行解；而且多种群的遗传算法，扩大了搜索的空间范围，所以可以有效的避免局部最优的情况发生，而且还能增强算法的运行效率。文章在最后，用实例进行了运行效果的验证。 　　Abstract： For assembly line balancing problem in the text， putting forward a viable job sequence-based multiple-population genetic algorithm. The algorithm based on feasible operating sequences produce initial population， and thus constructed crossover and mutation operator， to ensure future generations populations are viable solutions； And multiple-population genetic algorithm broadens the scope of the search space， so it can avoid local optimization， also enhance the efficiency of algorithms. Finally an illustrative example is given to testify the validity of this algorithm. 　　关键词： 装配线平衡；改进遗传算法；约束矩阵 　　Key words： assembly line balance；improved GA；constraint matrix 　　中图分类号：F273 文献标识码：A 文章编号：1006-4311（2013）05-0123-03 　　0 引言 　　自从装配线平衡（Assembly Line Balancing ALB）问题被提出后，就一直为研究热点。在装配线上，工件一次进入各个工位进行加工，如何在满足生产线节拍以及作业之间优先顺序的情况下，组合并优化分配作业单元，使各个工作站的工时尽可能相等，从而避免因资源过于空闲或忙碌而产生不良后果，这就是装配线平衡问题（Assembly Line Balancing Problem，ALBP问题）[1]。通常情况下，根据所要优化的目标不同，可将装配线生产平衡问题分为两类[2]。第一类是在给定生产节拍、装配作业时间和作业逻辑关系的情况下，求解最小工作站数；第二类是先给定工作站数目、装配线的作业时间和作业优先关系，来求出最小的生产节拍及列出每个工作站内的作业分配情况，本文主要针对第二类装配线问题进行研究。 　　从实质上说，装配线平衡问题就是在一定约束条件下的组合优化问题。现代用来解决此类问题的方法大致可分为如下四类：①数学规划方法；②基于规划调度的优化方法；???启发式算法，如模拟退火法和遗传算法等；④人工智能算法，如神经网络等。余晓光等提出了一种禁忌搜索遗传混合算法，提高了算法的运行效率[3]；蒋艳等引入小生环境的改进遗传算法，进行了协同优化设计；肖中华等提出一种非标准遗传算法，确保算法收敛到最有或近优解[4]。鉴于遗传算法在实验及应用中取得的显著效果，本文采用多种群该进行遗传算法来解决ALB问题。 　　1 装配线平衡问题描述 　　装配线平衡中，用m表示工作站数，n个作业元素，用C表示生产节拍，作业所用时间ti表示第i个作业元素的作业时间，工作站时间用T（Sk）表示，Sk表示所有分配给第k个工作站作业的集合，则分配给第k个工作站的作业时间为T（Sk）=∑i∈kti；总作业时间为T=∑■■ti。 　　在进行ALB规划，首先必须满足单元作业之间的先后顺序约束条件，即某些作业之间在技术上存在先后的执行顺序。采用矩阵来描述作业装配的优先关系，若装配线上有n个作业，其优先关系矩阵为n×n的方阵，为P=（pij）n×n，其中 　　p■=1，若i为j的紧前作业元素0，否则 （1） 　　式中i，j为作业元素序号。 　　在对装配线的平衡效果进行评价时，基本的评价指标包括：节拍、工位数、总空闲时间、平衡延迟、平滑性指标、装配线利用率、装配线生产能力增长指标等等[5]。本文根据所研究问题采用平衡延迟和平滑系数来。 　　平衡延迟：P=■×100% （2） 　　平滑系数：SI=■ （3） 　　这两个指标越小，越接近零，说明平衡效果越理