混合遗传算法在柔性制造系统优化中的应用.docxVIP

PAGE 1 PAGE 1 混合遗传算法在柔性制造系统优化中的应用  针对传统遗传算法因过早收敛而导致效率低下的问题,通过对传统遗传算法模型的优化,开发了基于混合遗传算法的柔性制造系统优化模型。在系统介绍了混合遗传算法的基本原理及其操作步骤的基础上，通过示例演示混合遗传算法的详细应用并对应用质量和效率进行比较分析。混合遗传算法在继承了一般遗传算法的全局优化特点的同时，解决了传统遗传算法过早收敛的问题，提高了柔性制造系统优化的质量和效率。  激烈的市场竞争要求厂商能对快速变化的顾客需求做出快速反应。为适应这一要求，生产过程中的资源配置、运营调度、管理协调和环境突变等全部问题，都应全面系统地加以优化，因此柔性制造系统应运而生。柔性制造系统是现代工业应用的最高效的制造系统之一，现代柔性制造系统主要是计算机集成制造、柔性结构与战略以及人工智能综合发展的产物。如今，柔性制造系统由于其柔性的特点而成为一种突出的技术。柔性之所以成为很多制造企业的关键，是因为它能使企业在高度动态变化的制造环境中保持竞争力。现有的柔性制造系统已经在降低成本、提高利用率水平#缩短工艺流程等方面呈现出其优势。柔性制造系统由于它的结构复杂、产品多样化、产品工序繁多以及市场的不稳定而变得异常复杂。因此，有必要进行系统优化，以提高系统整体运行效率。系统优化是一个利用有限的资源和许多瓶颈，把由柔性制造系统内不同组成部分完成的全部操作功能和活动捆绑在一起的独特的媒介。柔性制造系统的效率直接取决于柔性制造系统实施的决策思维的质量；因此，柔性制造系统优化设计和智能实施问题，就成为了伴随柔性制造系统发展永恒的主题。  智能计算领域中的遗传算法不仅具有全局寻优功能，而且对目标函数和设计变量要求少，甚至不要求显式表达目标函数；因此，从优化模型上看，特别适合用于求解柔性制造系统的优化设计问题。然而，由于遗传算法具有处理约束问题困难以及具有过早收敛趋势，导致不能保证全局最优，使得其在柔性制造系统优化设计中应用较少。  本文通过对传统遗传算法的优化，提出了混合遗传算法，并将其直接应用到柔性制造系统中。这使得混合遗传算法既能够保持遗传算法的全局寻优特点，又能够解决遗传算法难以解决的过早收敛问题，提高运行效率。  1遗传算法和问题的提出  遗传算法是一种基于生物自然选择与遗传机理的高度并行、随机搜寻和自适应优化的启发式算法。它将问题的求解表示成“染色体”的适者生存过程，通过“染色体”一代代不断进化，例如经过种群、交配和变异等操作步骤，最终收敛到“最适应环境”的个体，从而求得问题的最优解或满足解。  遗传算法作为一种并行式全局搜寻算法，采用种群的方式组织搜寻，因而可同时搜寻解空间内的多个区域，并相互交流信息，这就使得遗传算法能以较少的计算获得较大的收益，因而遗传算法特别适合大规模问题的求解。目前，遗传算法主要应用在柔性制造系统的优化调度、生产排序以及设备布局等问题上。   针对传统遗传算法因过早收敛而导致效率低下的问题,通过对传统遗传算法模型的优化,开发了基于混合遗传算法的柔性制造系统优化模型。在系统介绍了混合遗传算法的基本原理及其操作步骤的基础上，通过示例演示混合遗传算法的详细应用并对应用质量和效率进行比较分析。混合遗传算法在继承了一般遗传算法的全局优化特点的同时，解决了传统遗传算法过早收敛的问题，提高了柔性制造系统优化的质量和效率。  激烈的市场竞争要求厂商能对快速变化的顾客需求做出快速反应。为适应这一要求，生产过程中的资源配置、运营调度、管理协调和环境突变等全部问题，都应全面系统地加以优化，因此柔性制造系统应运而生。柔性制造系统是现代工业应用的最高效的制造系统之一，现代柔性制造系统主要是计算机集成制造、柔性结构与战略以及人工智能综合发展的产物。如今，柔性制造系统由于其柔性的特点而成为一种突出的技术。柔性之所以成为很多制造企业的关键，是因为它能使企业在高度动态变化的制造环境中保持竞争力。现有的柔性制造系统已经在降低成本、提高利用率水平#缩短工艺流程等方面呈现出其优势。柔性制造系统由于它的结构复杂、产品多样化、产品工序繁多以及市场的不稳定而变得异常复杂。因此，有必要进行系统优化，以提高系统整体运行效率。系统优化是一个利用有限的资源和许多瓶颈，把由柔性制造系统内不同组成部分完成的全部操作功能和活动捆绑在一起的独特的媒介。柔性制造系统的效率直接取决于柔性制造系统实施的决策思维的质量；因此，柔性制造系统优化设计和智能实施问题，就成为了伴随柔性制造系统发展永恒的主题。  智能计算领域中的遗传算法不仅具有全局寻优功能，而且对目标函数和设计变量要求少，甚至不要求显式表达目标函数；因此，从优化模型上看，特