基于改进混合蛙跳算法的混流装配线排序优化研究

摘要

利用混合蛙跳算法(SFLA)解决混流装配线多目标排序问题,在一定程度上避免了局部收敛可以得到优化解,但由于混流装配线的多目标排序属于NP-hard问题,仍存在收敛速度慢且求解精度不高的缺点.为了更好的解决此问题,以最小化工作站的超载时间和保持均匀的零部件消耗速率为混流装配线优化目标,本文提出了基于量子差分进化的混合蛙跳算法(Quantum Differential Evolution Shuffled Frog Leaping Algorithm,QDESFLA).首先采用量子位的Bloch球面坐标进行个体编码,利用量子位在Bloch球面上绕轴旋转的方法更新个体,通过采用Hadamard门实现个体变异增加种群多样性,有效扩展了解空间的搜索范围,增强全局搜索能力;再将差分进化算法中的进化算子作为一种局部搜索策略,并将差分变异算子引入混沌序列以防止收敛早熟,增强了混合蛙跳算法全局优化的能力.通过实例表明本文提出的算法在混流装配线多目标排序问题的求解精度和收敛速度上均优于其它对比的算法.