基于多目标蚁群算法的车间设施布局方法研究

摘要

车间设施布局问题属于NP难度问题，也是一种复杂的组合优化问题，车间布局问题的研究具有重要的经济意义和理论意义。本文以企业生产中车间设施布局设计为研究背景，根据不同形式的车间设施布局问题，提出不同的约束处理方式来优化布局。采用多目标蚁群(MOACO)算法作为全局优化算法，结合了局部搜索和多种启发式策略构建一种混合算法，具体研究内容及成果如下: (1)研究静态车间设施布局问题(SFLP)的多目标蚁群算法。基于拟物策略，将问题转化为无约束优化问题，建立数学优化模型，并提出一种改进的多目标蚁群优化算法(MOACO)解决静态车间设施布局问题。在MOACO算法中，提出了一种新的信息素更新方法，并结合了基于局部信息素交流的Pareto优化方法和基于小生境技术的全局搜索方法，以获得问题的Pareto非支配解。通过提出一种启发式布局更新策略来更新布局，以增加解的多样性。采用基于自适应步长梯度法的局部搜索和一种启发式设施变形策略相结合的方法，来处理设施之间的干涉性，以获得问题的可行布局方案。用10组典型算例对所提出的算法进行了测试。实验结果表明，本文提出的MOACO算法是一种求解SFLP的有效算法。 (2)研究动态车间设施布局问题(DFLP)的多目标蚁群算法。根据动态车间设施布局问题的特点，提出了一种基于弹性区带结构的多目标蚁群算法(MOACO-FBS)。对MOACO-FBS算法中解的表示方式进行了重新定义。提出了一种成对交换策略以提高初始解的质量和算法的寻优能力。为了提高解的多样性，定义了一种基于局部搜索方式的设施更新策略。用4组典型动态算例对算法进行了测试，实验结果证明，所提出的算法是解决DFLP的一种有效的算法。

目录

声明

摘要

第一章绪论

1．1研究背景和意义

1．2国内外研究现状与进展

1．3论文的主要工作

1．4论文的组织结构

1．5本章小结

第二章布局优化算法

2．1常见布局算法

2．1．1遗传算法

2．1．2模拟退火算法

2．1．3粒子群优化算法

2．1．4蚁群算法

2．2布局优化算法分析

2．3本章小结

第三章静态车间设施布局问题的多目标蚁群算法

3．1问题描述与数学模型

3．2问题的求解思路

3．3多目标优化问题

3．4改进的多目标蚁群算法

3．4．1多目标蚁群算法

3．4．2基于局部信息素交流的Pareto优化

3．4．3基于小生境技术的全局搜索

3．4．4信息素更新

3．4．5启发式布局更新策略

3．4．6布局合法化操作

3．4．7算法步骤

3．5算法测试及评价

3．5．1经典算例的测试

3．5．2性能分析

3．6本章小结

第四章动态车间设施布局的多目标蚁群算法

4．1问题描述与数学模型

4．2问题的求解思路

4．3基于弹性区带结构的多目标蚁群算法

4．4．1弹性区带结构解的表示方式

4．4．2基于局部搜索的布局更新策略

4．4．3成对交换策略

4．4．4基于局部信息素交流的Pareto优化

4．4．5基于小生境技术的全局搜索

4．4．6信息素更新

4．4．7算法步骤

4．4实验结果和分析

4．4．1测试算例

4．4．2结果分析

4．5本章小结

第五章总结与展望

5．1论文所做的工作

5．2论文的主要创新点

5．3研究展望

致谢

参考文献

作者简介