[发明专利]一种自适应遗传算法的车间设备多目标优化布局方法

说明书

技术领域

本发明涉及车间设备多目标优化布局的方法，尤其涉及一种自适应遗传算法的车间设备多目标优化布局方法，既包括对车间设备多行直线布局方式的数学建模以及多目标优化问题的解决方法，也包括自适应遗传算法求解该数学模型的具体过程，以及对较优解进行适当调整从而获得布局最优解。

背景技术

设备布局问题(facility layout problem，FLP)是指在一定限制条件下(如车间面积形状、物流方式等)，将生产设备在给定空间内布局，使目标函数(如物流费用、面积使用率等)得到优化。

目前，设备布局采用数学分析法建立的模型主要包括二次分配模型、二次集合覆盖模型、线性整数规划模型、混合整数规划模型等。其中，二次分配模型(quadratic assignment problem，QAP)描述n个设施和n个地点，要求给每个设施分配到一个位置，并使设施之间的总流量(或费用)最小。

QAP模型的最优求解算法，可以归为分支定界法和割平面法两类。这两种算法都需要较多的计算时间和较大的存储空间，随着布局规模的扩大，最优算法因“组合爆炸”问题已不再适用，目前研究者多采用元启发式算法求次优解。其中，遗传算法因其全局性并行搜索的特点，被广泛运用于QAP求解；但遗传算法的参数选择对结果影响较大，而自适应遗传算法可以根据个体自身的优劣程度实时调整参数大小，从而提高算法效率。

发明内容

为解决生产车间设备的优化布局问题，本发明提供一种多行直线布局的数学建模方法，确定两个优化目标及约束条件，并采用自适应遗传算法进行求解，对获得的较优解进行分析并适当调整，得到满足优化目标的最优布局。

本发明通过如下技术方案实现：

一种基于自适应遗传算法的车间设备多目标优化布局方法，包括步骤：

(1)建立车间设备多行直线布局的数学模型，即将车间和待布局设备简化为矩形，将设备优化布局问题转化为组合优化的数学模型；

(2)确定若干优化目标及约束条件，采用加权法将若干优化目标统一为单一评价函数；

(3)采用基于Logistic曲线的自适应遗传算法求解评价函数较优解；

(4)对所得较优解进行适当调整，对除最长行以外的其他行设备之间的净间距进行适当调整，进一步减小设备之间的物流距离和包络矩形面积，得到满足优化目标的设备布局最优解。

进一步地，所述的步骤(1)具体包括：

(11)为分别计算，对多行直线布局做出假设，包括：所有设备形状均为其包络矩形，忽略其细节形状及高度；同一行设备的中心点位于一条直线上，沿X轴正方向依次排列；零件加工工艺确定；各行之间有物流通道，与X轴平行，宽度WP为定值；

(12)得到设备序列s中各台设备i的包络矩形沿X轴、Y轴尺寸分别为A_i、B_i，通过查阅技术文档得到各设备周边留出最小安全距离H_i，用于安装、操作、维修、工件缓冲区，相邻摆放的两个设备i、j之间的最小距离H_ij＝H_i+H_j,,净间距为0；

(13)在车间长度L的约束下，当一个设备序列s确定后，采取自动换行策略，求得该序列s在每行上的设备分布及设备中心点的X、Y坐标值。

进一步地，所述的步骤(13)具体包括：

(131)该序列在每行上的设备分布及设备中心点X轴坐标值可按如下公式递推计算：

x_s(1)＝H_s(1)+A_s(1)/2

x_s(i)＝x_s(i-1)+H_s(i-1)s(i)+(A_s(i-1)+A_s(i))/2，i＝2,3,…,n

当x_s(j)+A_s(j)/2+H_s(j)>L时，将设备s(j)移至下一行第1位，并按照上式继续计算设备s(j)、s(j+1)的X轴坐标值；