[发明专利]一种基于CA-PSO混合优化算法的多态性作业车间布局优化方法

说明书

技术领域

本发明涉及一种基于元胞机(Cellular Automata，以下简称CA)和改进粒子群算法(Particle Swarm Optimization，以下简称PSO)的混合优化算法的多态性作业车间布局优化方法，属于企业管理工程与信息技术领域。

背景技术

随着市场竞争的日益激烈，一类复杂产品大规模定制企业和产业集群下大型代工企业，其生产过程在订单、设备、工艺、批量和瓶颈等层次上越来越凸显形态和状态的多样性，布局的柔性、鲁棒性和动态性需求逐步增强，此类企业车间布局新问题被称为“多态性作业车间布局”。

目前应用于车间布局研究的智能优化算法有遗传算法(GA)、模拟退火算法(SA)、禁忌搜索算法(TS)等，但是将这些算法运用于求解多态性作业车间布局问题的时候，存在着计算量大、收敛慢、效率低、寻优能力不足的问题。

发明内容

为克服现有技术在解决多态性作业车间布局存在的不足，本发明提出一种基于CA-PSO混合优化算法的多态性作业车间布局优化方法，使其在解决多态性作业车间布局时能够寻求最佳的设备布置，从而得到比现有布局方法更适应的优化方法。

本发明解决其技术问题所采用的技术方案是：

一种基于CA-PSO混合优化算法的多态性作业车间布局优化方法，所述优化方法包括以下步骤：

1.一种基于CA-PSO混合优化算法的多态性作业车间布局优化方法，其特征在于：所述布局优化方法包含以下步骤：

(1)建立多态性作业车间布局的元胞机模型。对车间(L×W，L为车间长度，W为车间宽度)当中的机器、辅助设备、通道、机器间的间距进行抽象化，建立机器元胞、辅设元胞、通道元胞和间距元胞如下：

机器元胞t时刻的状态属性表示为：

Sm(i,j)t(mp,mn,mi,ml,mw,ms)---(1)]]>

式中：

m_p——机器元胞所在网格中的位置(i，j)；

m_n——机器的名称；

m_i——机器布置所需要的间距；

m_l——机器长度；

m_w——机器宽度；

m_s——机器布置状态，m_s∈{0,1}，0表示横向摆放，1表示纵向摆放。

辅设元胞t时刻的状态属性表示为：