基于改进遗传算法的装配生产线平衡技术研究-工业工程专业论文.docxVIP

上海交通大学工程硕士学位论文第一章 上海交通大学工程硕士学位论文 第一章 绪 论 第 第 PAGE 10 页 精确算法是指可以根据数学模型求出解析解的算法。到目前为止已提出的精确 算法种类较多，有分支定界法，割平面法，整数规划和动态规划等。尽管精确算法 可以找到最优解，但是由于其大量的数学计算以及实际生产线问题的复杂性而降低 了其实用性。它只能应用在较小计算规模的问题求解。 1956 年，由 Jackson James R.提出一种使用枚举解决生产平衡问题的方法，其 算法的基本思路是先列举出第一个工作站内满足约束的作业元素的集合，并运用一 定规则消除等同元素，然后从剩余的集合中列举出第二个工作站的要素集合，以此 类推，一直到完成每个工作站的作业元素分配。由于这个方法的运算量太大而不实 用[37]。 1960 年，Boman 提出利用 0-1 规划方法解决生产线平衡问题，但是由于这个方 法也因实际运算量过大，与实际情况相差甚远而失去了实际应用意义[38]。 Matthias Amen 采用一种精确回溯优化方法研究了面向成本的装配线平衡。John Miltenburg 运用动态规划算法研究了 JIT 生产模式下 U 型生产线车间的平衡与再平 衡问题。 上海交大吴尔飞，金烨，胡小锋等提出一种基于分支定界算法来优化双边装配 线的第二类平衡。通过改进现有工位枚举策略并将其扩展用来生成基于工位的枚举 树，通过研究与应用定界法来减少枚举树的大小，使平衡能够快速达到最优解[11]。 1.2.2 装配生产线平衡问题的启发式算法 启发式算法是相对于精确算法提出的，他是一种基于直观或者经验构造的算法， 在可接受的条件下，给出待解决组合优化问题的每一个实例的一个可行解。他的优 点是求解的快速性，但单独用启发式算法很难得到最优解，所以，经常与其他算法 结合使用，以改进算法的性能。主要的启发式算法代表有 Johnson 启发式算法、CDS 启发式算法、Plamer 启发式算法、RA 启发式算法以及 NEH 启发式算法等。 Patrick 和 Keytack 借助启发式的优化算法来解决生产线平衡问题。 合肥工业大学的沈维蕾等利用启发式平衡搜索法并借助离散仿真软件 Flexsim 找出装配生产线的瓶颈，通过调整局部设备对装配线进行了改善，使设备的利用率 和人员生产率得到了提高[35]。 广东工业大学的陆叶、苏平也应用启发式算法对混合装配线平衡问题进行了建 模和分析并提出了混合装配线的两种平衡：静态平衡和动态平衡[1]。 南京理工大学的童艺川、吴峰应用启发式算法对 U 型装配线的平衡问题进行了 研究[4]。 1.2.3 装配生产线平衡问题的人工智能算法 近年来，人工智能技术被引入到生产平衡技术领域，他是采用人工智能研究领 域提供的方法解决各类生产线平衡问题。人工智能方法主要包括专家系统方法、神 经网络方法和模糊优化方法，包括利用启发式规则引导搜索并提供有效搜索程序需 找问题最优解的方法。其中遗传算法、模拟退火、神经网络等智能求解方法，具有 普遍实用性的优点，为解决较大规模的优化问题提供比较可行的方法。 H.Pierreval 等人应用遗传算法求解生产线平衡问题。 同济大学的陈健行，张其松提出一种改进的蚁群算法来研究混合双边装配线的 第一类平衡问题。在该算法中，采用候选任务集方法，直接在可选作业列表中进行 作业的选择分配，减少问题的搜索空间，提高了搜索的速度；在选择蚂蚁的分配方 案的生产策略则是通过逐步添加可供分配的作业而生成完整的可行分配方案[6]。 东南大学的范维博等应用遗传算法解决第一类生产线平衡问题。文章主要对第 一类生产线平衡问题进行了研究并解决了第一类生产线负荷平衡的问题[34]。 浙江大学的陈永卿等人提出一种基于作业次序编码的混合遗传算法来研究了第 一类生产平衡问题。设计出了一种特殊遗传操作算子-单点次序交叉和移位擦入变 异，此种设计能够成功避免在进化过程中非法个体的产生，并结合 Lamarckian 进化 原理，嵌入局部爬山过程以加强算法搜索能力[33]。 南京理工大学的宋华明、韩玉启使用基于遗传算法对第一类生产线平衡问题进 行了研究。这种算法是以分配作业元素到工作站的先后顺序进行编码，按照最大分 配原则进行译码。算法结果显示能够较好的解决 U 型生产线平衡问题[36]。 天津理工大学的吕慧娟等人应用改进的迭代算法对装配线平衡设计进行了研 究，其主要研究目标是基于第一类平衡问题的平衡率损失[5]。 北京信息科技大学的王红军等人应用遗传算法来求解第一类生产线平衡问题。 其算法的主要特点是一是采用实际优先关系矩阵中的作业元素来进行编码，这种编 码方式对目标函数和操作算子的适应性好，编写程序时效率高；二是顺序交叉算子 中保留了父代染色体