[发明专利]一种基于果蝇优化算法的多工位装配序列规划方法

摘要

本发明公开一种基于果蝇优化算法的多工位装配序列规划方法，包括：采用优先序列图表示零件间的优先约束关系，构建优先关系矩阵、集成干涉矩阵、工位能力表和装配信息表，描述装配零部件间的干涉关系以及零件与工位之间的关系。给出了果蝇算法的编码体系，并兼顾果蝇算法的局部和全局搜索能力很好地设计了果蝇的三个搜索阶段：气味搜索、视觉搜索和协同搜索。综合考虑装配操作成本、更换工具成本、装夹变更成本和运输成本的影响，提出更接近实际工程的适应度函数表达式。根据优先序列矩阵引导初始序列进化，再利用果蝇优化算法对产品装配序列和工位分配顺序进行优化。

主权项

1.一种基于果蝇优化算法的多工位装配序列规划方法，其特征是，包括如下步骤：步骤A.采用双向量的编码体系，让每一只果蝇代表着两个向量v₁和v₂，其中向量v₁代表产品装配序列，向量v₂代表着工位分配序列；步骤B.搜集装配产品几何信息和工位信息，并据此构造适应度函数；步骤C.设置果蝇算法的初始参数，对果蝇种群进行初始化，产生初始果蝇种群，即产生初始的产品装配序列和工位分配序列；步骤D.基于气味搜索，在优先关系矩阵的指引下进化，实现局部搜索, 其具体包括如下步骤：步骤D1.把NP只果蝇分成NP个子种群，每只果蝇是子种群中的个体；步骤D2.在每个子种群中随机产生S只果蝇，组成新的子种群；步骤D3.利用优先关系矩阵，指引各子种群中的个体进行进化，从而完成局部搜索；步骤E.基于视觉搜索，根据适应度函数进行适应度评估，从而找出局部最优和全局最优解，即适应度函数值最小的产品装配序列和工位分配序列, 其具体包括如下步骤：步骤E1.各子种群内的个体，根据适应度函数求出自己的适应度值；步骤E2.从各子种群选出各自的局部最优个体形成当前局部最优序列，并对其进行记录；步骤E3.将所有局部最优个体进行比较，选出全局最优个体形成当前全局部最优序列；步骤F.协同搜索，各个子种群以设定学习概率P向全局最优个体学习，实现进一步进化, 其具体包括如下步骤：步骤F1.各子种群的最优个体以学习概率P向全局最优个体学习；步骤F2.针对产品装配序列即向量v₁，实行改进优先交叉操作，使产品装配序列得到更新；步骤F3.对工位序列即向量v₂，实行多点保留交叉操作，实现工位序列的更新；步骤G.对所求解进行可行性分析，对不满足可行性的解直接删除，最终输出最优解。