基于COIN算法的工艺原则布置优化
2016-12-06林巨广荣海龙
组合机床与自动化加工技术 2016年11期
林巨广,荣海龙,汪 洋
(合肥工业大学 机械与汽车工程学院,合肥 230009)
基于COIN算法的工艺原则布置优化
林巨广,荣海龙,汪 洋
(合肥工业大学 机械与汽车工程学院,合肥 230009)
为了解决焊装工厂的工艺原则布置问题,文章运用COIN算法(Coincidence Algorithm),用联合概率矩阵模型代替传统遗传算法的交叉和变异,来更新产生新的子代种群,并在学习和优化过程中利用负相关学习与传统的正相关学习相结合的方法,保持了种群的多样性,提高了算法的收敛速度。最后通过运用该算法解决焊装工厂的工艺原则布置问题,并以遗传算法做对比,验证了COIN算法的有效性。
COIN算法;遗传算法;工艺原则布置
0 引言
工艺原则布置对各类企业的生产成本和利润有很大的影响,汤普金斯[1]的研究表明:企业的物料运输成本约占总成本的20%~50%,通过合理的布置设计,物流分析、规划,可以有效降低15%~30%,极大的提高了生产效率。工艺原则布置属于组合优化问题,目前实际生产中,最常用的解决方法是启发式方法:直接放置,然后两两调换,检验,修改,如此反复,直到满足条件。这种方法在求解规模比较小(N值较小)的布置问题时比较有效,随着规模不断增大,解空间呈指数增长,出现组合爆炸现象,求解困难。随着智能算法和计算机技术的发展,为解决组合优化问题产生了多种有效的算法,如遗传算法[2-5]、分布估计式算法[6-8]、COIN算法[9-12]等,智能算法通过随机抽取部分解,利用适应度函数进行分析,估计全局解的分布情况,进而进行全局搜索,在符合实际精度的条件下,快速、有效的得出最优解。……
登录APP查看全文
