基于改进遗传算法的可重构装配线排序方法

摘要

本发明公开了基于改进遗传算法的可重构装配线排序方法，根据可重构装配生产线的一个最小生产循环确定种群规模，以一个染色体为所有任务的全排列为标准进行基因编码；计算个体的最小化可重构装配线的空闲和未完工作业量、均匀化零部件使用速率和最小化生产调整费用；进行分级操作，执行Pareto优化解集过滤操作，计算各等级的适应度，按适应度进行遗传操作，执行精英保留策略，通过判断是否收敛或达到预先设定的最大迭代数得到Pareto最优解集和对应的目标函数值。本发明综合考虑影响可重构装配线优化排序的三个主要因素，在遗传操作中综合多种技术，保证了群体的多样性，避免了算法早熟，增强了算法全局寻优能力。

主权项

1.一种基于改进遗传算法的可重构装配线排序方法，其特征在于包括以下步骤：①根据可重构装配生产线的一个最小生产循环确定种群规模，以一个染色体为所有任务的全排列为标准进行基因编码；②计算个体的最小化可重构装配线的空闲和未完工作业量、均匀化零部件使用速率和最小化生产调整费用；③进行分级操作：采用群体排序技术，在Pareto最优解中对群体进行分级，通过比较步骤②中的数值，提取出当前种群中所有非劣解个体，构成当前的非劣解集，并将其划分为同一同级，赋予等级1，然后将这些个体从种群中剥离出来，在剩余个体中找出新的非劣解，并赋予其等级为2；重复上述过程，直到种群中所有个体都被分类为止；④执行Pareto优化解集过滤操作，将等级为1的个体保存在Pareto过滤器中，同时剔除劣解；若个体个数超出了设定的Pareto个数，则剔除相似解；否则进入步骤⑧；⑤计算各等级的适应度：，为群体的规模数，为群体的分级数，为第级的群体规模，为第级的适应度；⑥按适应度进行遗传操作：对初始种群的个体采用交叉概率和变异概率的自适应重构策略，根据种群个体特征自动调整交叉和变异的概率，实现自适应；⑦执行精英保留策略；⑧判断是否收敛或达到预先设定的最大迭代数；若是，则输出Pareto最优解集和对应的目标函数值；否则，重复步骤①至步骤⑧。