[發(fā)明專利]一種基于改進(jìn)粒子群算法的裝配序列規(guī)劃方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202010030756.6
• 申請(qǐng)日: 2020-01-13
• 公開（公告）號(hào): CN111222799B
• 公開（公告）日: 2023-10-27
• 發(fā)明（設(shè)計(jì)）人: 趙永勝;侯玉晴;蔡力鋼;王建華
• 申請(qǐng)（專利權(quán)）人: 北京工業(yè)大學(xué)
• 主分類號(hào): G06Q10/0631
• 分類號(hào): G06Q10/0631;G06Q10/04;G06Q50/04;G06N3/006
• 代理公司: 北京思海天達(dá)知識(shí)產(chǎn)權(quán)代理有限公司 11203
• 代理人: 沈波

本發(fā)明公開了一種基于改進(jìn)粒子群算法的裝配序列規(guī)劃方法，本方法考慮裝配問題求解過程中，粒子群算法容易陷入局部?jī)?yōu)化，出現(xiàn)多個(gè)優(yōu)化解，但實(shí)際可行優(yōu)化解效率較低，因此，根據(jù)迭代過程中全局最優(yōu)值的實(shí)際更新情況，改進(jìn)標(biāo)準(zhǔn)粒子群算法中的w參數(shù)，以前后兩次的全局最優(yōu)最優(yōu)值的變化與否為基礎(chǔ)，通過對(duì)w參數(shù)的自適應(yīng)調(diào)整，提高算法的收斂精度和全局搜索能力。將傳統(tǒng)標(biāo)準(zhǔn)的w固定模式改進(jìn)為在考慮全局最優(yōu)值的變化情況下，以迭代次數(shù)為變量的非連續(xù)性變化的可調(diào)節(jié)參數(shù)模式，可以有效提高粒子群算法的收斂準(zhǔn)確性和全局搜索能力，較好地解決在裝配序列規(guī)劃問題中出現(xiàn)的可行解效率較低的問題。

技術(shù)領(lǐng)域

本發(fā)明涉及一種裝配序列規(guī)劃方法，基于標(biāo)準(zhǔn)粒子群算法的優(yōu)化原理，通過對(duì)原有粒子群算法進(jìn)行重新定義與改進(jìn)，適用于裝配體序列規(guī)劃等多目標(biāo)優(yōu)化問題。

背景技術(shù)

裝配序列規(guī)劃嚴(yán)重影響著產(chǎn)品生產(chǎn)的實(shí)際效率和經(jīng)濟(jì)成本，是數(shù)字化裝配過程中重要環(huán)節(jié)之一，目前，國(guó)內(nèi)外的學(xué)者對(duì)其進(jìn)行了大量研究，隨著群體智能的廣泛應(yīng)用，遺傳算法，蛙跳算法，蟻群算法、模因算法、粒子群算法等都成功應(yīng)用在該領(lǐng)域，但是由于裝配問題優(yōu)化屬于離散型問題，在求解前期，需要大量的算法調(diào)試工作，例如在遺傳算法中的選擇因子、交叉因子、變異因子、操作指數(shù)等，蟻群算法中的信息素參數(shù)等，因此，借助粒子群算法的優(yōu)勢(shì)，考慮對(duì)粒子群算法進(jìn)行改進(jìn)，用來求解裝配序列規(guī)劃問題。

發(fā)明內(nèi)容

現(xiàn)有的裝配序列規(guī)劃方法主要分為兩大類：精確計(jì)算方法和啟發(fā)式方法.精確計(jì)算方法如樹搜索或圖搜索方法等。采用割集算法，能確保全局最優(yōu)解的產(chǎn)生，然而對(duì)零件數(shù)目較多的復(fù)雜產(chǎn)品，將會(huì)出現(xiàn)裝配序列組合爆炸問題，使該方法求解難度增大，很難得到理想結(jié)果。因此，結(jié)合粒子群算法具有編程結(jié)構(gòu)簡(jiǎn)單、調(diào)制參數(shù)較少、收斂速度較快等優(yōu)勢(shì)，將粒子群算法應(yīng)用在裝配序列規(guī)劃問題上，考慮粒子群算法在迭代過程中容易出現(xiàn)局部最優(yōu)等現(xiàn)象，對(duì)標(biāo)準(zhǔn)粒子群算法進(jìn)行改進(jìn)，避免陷入局部最優(yōu)結(jié)果，提高算法優(yōu)化結(jié)果。由于裝配求解問題是離散型整數(shù)求解問題，因此對(duì)粒子群算法中的位置、速度以及適應(yīng)度函數(shù)等進(jìn)行重新定義。

一種基于改進(jìn)粒子群算法的裝配序列規(guī)劃方法，該方法的實(shí)現(xiàn)過程如下：

1)利用三維軟件繪制裝配體的三維模型圖，得到三維實(shí)體模型。

2)結(jié)合等計(jì)算機(jī)語言對(duì)相應(yīng)三維設(shè)計(jì)軟件進(jìn)行二次開發(fā)，根據(jù)三維軟件繪制的實(shí)體模型，得到裝配體零部件之間的裝配關(guān)系矩陣。

3)以得到的裝配關(guān)系矩陣為評(píng)價(jià)標(biāo)準(zhǔn)，設(shè)計(jì)裝配序列優(yōu)化的適應(yīng)度函數(shù)f。

4)每一個(gè)粒子的空間位置代表裝配優(yōu)化的一個(gè)解，設(shè)置粒子群數(shù)目為m,即在算法優(yōu)化裝配問題時(shí)有m個(gè)空間解在同時(shí)進(jìn)行優(yōu)化，設(shè)置最大迭代次數(shù)K，學(xué)習(xí)因子c₁,c₂，c₃以及粒子的搜索空間，即裝配體的零件數(shù)目d。

5)考慮到裝配序列優(yōu)化問題的優(yōu)化解為離散型的整數(shù)，即對(duì)粒子的位置與速度進(jìn)行重新定義，對(duì)d個(gè)零件位置、速度進(jìn)行隨機(jī)序排序設(shè)置，保證每個(gè)粒子的空間位置是包含所有零部件序號(hào)但又隨機(jī)分布的向量。

6)計(jì)算每個(gè)粒子的評(píng)價(jià)函數(shù)值，設(shè)置當(dāng)前粒子位置為歷史最優(yōu)位置p_i，即m個(gè)裝配序列的潛在優(yōu)化解，帶入評(píng)價(jià)函數(shù)f，得到每個(gè)粒子歷史最優(yōu)適應(yīng)度值f_i，即每個(gè)粒子的裝配序列優(yōu)化解對(duì)應(yīng)的評(píng)價(jià)函數(shù)值大小；通過比較不同粒子之間f_i的大小，更新種群最優(yōu)適應(yīng)度值f_g，其中f_g對(duì)應(yīng)的粒子空間位置即當(dāng)前裝配序列的最優(yōu)解。

7)在粒子群迭代過程中，根據(jù)當(dāng)前全局最優(yōu)值的變化與否，對(duì)當(dāng)前全局最優(yōu)值進(jìn)行上下浮動(dòng)并調(diào)整當(dāng)前慣性權(quán)重的大小。

8)根據(jù)速度公式和位置公式，更新對(duì)各粒子的位置和速度以及粒子個(gè)體最優(yōu)值f_i和全局最優(yōu)值f_g。