一種基于果蠅優(yōu)化算法的多工位裝配序列規(guī)劃方法【專利摘要】本發(fā)明公開一種基于果蠅優(yōu)化算法的多工位裝配序列規(guī)劃方法，包括：采用優(yōu)先序列圖表示零件間的優(yōu)先約束關(guān)系，構(gòu)建優(yōu)先關(guān)系矩陣、集成干涉矩陣、工位能力表和裝配信息表，描述裝配零部件間的干涉關(guān)系以及零件與工位之間的關(guān)系。給出了果蠅算法的編碼體系，并兼顧果蠅算法的局部和全局搜索能力很好地設(shè)計(jì)了果蠅的三個(gè)搜索階段：氣味搜索、視覺搜索和協(xié)同搜索。綜合考慮裝配操作成本、更換工具成本、裝夾變更成本和運(yùn)輸成本的影響，提出更接近實(shí)際工程的適應(yīng)度函數(shù)表達(dá)式。根據(jù)優(yōu)先序列矩陣引導(dǎo)初始序列進(jìn)化，再利用果蠅優(yōu)化算法對產(chǎn)品裝配序列和工位分配順序進(jìn)行優(yōu)化。【專利說明】-種基于果蝸優(yōu)化算法的多工位裝配序列規(guī)劃方法
技術(shù)領(lǐng)域：
[0001]本發(fā)明設(shè)及產(chǎn)品的裝配序列規(guī)劃
技術(shù)領(lǐng)域：
，具體設(shè)及一種基于果蛹優(yōu)化算法的多工位裝配序列規(guī)劃方法。【
背景技術(shù)：
】[0002]裝配序列規(guī)劃(AssemblySequencePlanning,ASP)是產(chǎn)品制造過程中的重要環(huán)節(jié)，裝配質(zhì)量直接影響著產(chǎn)品的性能。隨著市場競爭的壓力在不斷加劇，人們希望產(chǎn)品不僅要滿足性能需求，而且產(chǎn)品周期和產(chǎn)品成本在同行中占據(jù)著絕對的優(yōu)勢。相關(guān)研究表明，良好的裝配序列可W減少制造費(fèi)用20%~40%，生產(chǎn)效率提高100%~200%。因此，裝配序列規(guī)劃在產(chǎn)品制造過程中占有非常重要的地位。[0003]針對裝配序列規(guī)劃問題，中外學(xué)者進(jìn)行了大量的研究，要解決運(yùn)一問題大致可W分為Ξ個(gè)步驟：（1)建立裝配模型，（2)構(gòu)建裝配序列產(chǎn)生的算法，（3)優(yōu)化產(chǎn)生的裝配序列，從而得到最優(yōu)或次優(yōu)的裝配序列。從方法思想來看，主要分為間接法和直接法。間接法基于"可拆即可裝"的假設(shè)，先求出產(chǎn)品的拆卸序列，再逆序即可得到產(chǎn)品的裝配序列;直接法采用的是先任意挑選一個(gè)零件作為初始裝配件或選出基部件，再對剩余零部件進(jìn)行路徑規(guī)劃，選出所有可行的裝配路徑實(shí)行裝配，直到所有零件全部裝完為止。[0004]目前，獲得產(chǎn)品的裝配序列主要采用割集法、知識推理法或幾何推理法等。運(yùn)些方法雖然很直接，但隨著產(chǎn)品零件數(shù)目的增加，常常會出現(xiàn)組合爆炸的問題;并且需要人為的干預(yù)也較多，運(yùn)對非專業(yè)人員存在著較大的難度。因此，學(xué)者們認(rèn)識到解決裝配序列問題存在著兩大難題:一是如何解決產(chǎn)品零件規(guī)模較大時(shí)的組合爆炸問題;二是如何解決序列產(chǎn)生的自動化問題。[0005]沿著運(yùn)一思路，近20年來，大量學(xué)者圍繞智能算法展開了深入的研究，非常巧妙地將它們應(yīng)用到裝配序列規(guī)劃問題的求解上，取得了比較好的效果。其中具有代表作用的算法有遺傳算法、蛋火蟲算法、免疫算法、蟻群算法、粒子群算法等，大量實(shí)例證明，智能算法在一定程度上較好的解決了零件數(shù)目較多的裝配序列規(guī)劃問題，為進(jìn)一步優(yōu)化復(fù)雜產(chǎn)品的裝配序列奠定了基礎(chǔ)。但是現(xiàn)有優(yōu)化算法主要集中在單工位上完成產(chǎn)品裝配規(guī)劃任務(wù)，而對更接近現(xiàn)實(shí)裝配環(huán)境的多工位和多成本優(yōu)化研究較少;并且一般的優(yōu)化算法需要考慮的參數(shù)較多，參數(shù)之間的影響較大，運(yùn)就影響了算法執(zhí)行的質(zhì)量?！?br/>發(fā)明內(nèi)容】[0006]本發(fā)明所要解決的技術(shù)問題是現(xiàn)有裝配序列方法主要集中在單工位上完成產(chǎn)品裝配規(guī)劃任務(wù)，提供一種基于果蛹優(yōu)化算法的多工位裝配序列規(guī)劃方法，其能夠高效地且智能地輸出產(chǎn)品的裝配序列和相應(yīng)的工位分配序列，同時(shí)還能保證序列的可行性和裝配成本最低。[0007]為解決上述問題，本發(fā)明是通過W下技術(shù)方案實(shí)現(xiàn)的：[000引一種基于果蛹優(yōu)化算法的多工位裝配序列規(guī)劃方法，包括如下步驟：[0009]步驟A.采用雙向量的編碼體系，讓每一只果蛹代表著兩個(gè)向量。向量VI代表產(chǎn)品的裝配序列，向量V2代表著工位的分配序列；[0010]步驟B.捜集裝配產(chǎn)品幾何信息、工位信息，構(gòu)造適應(yīng)度函數(shù)；[0011]步驟C.設(shè)置算法初始參數(shù)，對果蛹種群進(jìn)行初始化，產(chǎn)生初始果蛹種群，即產(chǎn)生初始裝配序列和工位分配序列；[0012]步驟D.基于氣味捜索（Smell-basedSearch),在優(yōu)先關(guān)系矩陣(APM)的指引下進(jìn)化，實(shí)現(xiàn)局部捜索；[0013]步驟E.基于視覺捜索(Vision-basedSearch)，根據(jù)適應(yīng)度函數(shù)進(jìn)行適應(yīng)度評估，從而找出局部最優(yōu)和全局最優(yōu)解，即適應(yīng)度函數(shù)值最小(裝配成本最低）的裝配序列和工位分配序列；[0014]步驟F.協(xié)同捜索（CooperationSearch),各個(gè)子種群W學(xué)習(xí)概率P向全局最優(yōu)個(gè)體學(xué)習(xí)，實(shí)現(xiàn)進(jìn)一步進(jìn)化；[0015]步驟G.對所求解進(jìn)行可行性分析，對不滿足可行性的解直接刪除，最終輸出最優(yōu)解。[0016]上述步驟A具體包括如下步驟：[0017]步驟A1.采用十進(jìn)制數(shù)編碼每一只果蛹，每一只果蛹用兩個(gè)向量(VI和V2)表示；[0018]步驟A2.用向量VI表示裝配序列，其長度與產(chǎn)品零件數(shù)目相等；用向量V2表示工位的分配順序，其長度也與零件數(shù)目相等;其編碼形式如表1。[0019]上述步驟B具體包括如下步驟：[0020]步驟B1.畫出裝配產(chǎn)品的優(yōu)先關(guān)系圖(APG)如圖2,根據(jù)APG利用算法生成優(yōu)先關(guān)系矩陣(APM);[0021]步驟B2.給出裝配產(chǎn)品的集成干設(shè)矩陣AIM(僅考慮Χ、Υ、Ζ方向）；[0022]步驟Β3.給出產(chǎn)品的裝配工具、所用裝配工位能力表、工位完成裝配的操作成本W(wǎng)及零件運(yùn)輸?shù)椒峙涔の簧系倪\(yùn)輸成本等信息；[0023]步驟Β4.針對W上信息，構(gòu)造W成本為目標(biāo)的適應(yīng)度函數(shù)TC=AOC+ATC+ASC+GTC,Fitness=TC。[0024]上述步驟C具體包括如下步驟：[0025]步驟C1.設(shè)置果蛹算法參數(shù):種群規(guī)模NP，子種群隨機(jī)產(chǎn)生的個(gè)體個(gè)數(shù)S，學(xué)習(xí)概率P;[00%]步驟C2.根據(jù)算法隨機(jī)生成初始種群NP;[0027]步驟C3.針對生成的初始裝配序列，根據(jù)工位能力表生成工位分配序列。[0028]上述步驟D具體包括如下步驟：[0029]步驟D1.把NP只果蛹分成NP個(gè)子種群，每只果蛹是子種群中的個(gè)體；[0030]步驟D2.在每個(gè)子種群中隨機(jī)產(chǎn)生S只果蛹，組成新的子種群；[0031]步驟D3.利用優(yōu)先關(guān)系矩陣APM，指引各子種群中的個(gè)體進(jìn)行進(jìn)化，從而完成局部捜索。[0032]上述步驟E具體包括如下步驟：[0033]步驟E1.各子種群內(nèi)的個(gè)體，根據(jù)適應(yīng)度函數(shù)求出自己的適應(yīng)度值；[0034]步驟E2.各子種群選出各自的局部最優(yōu)個(gè)體，并對其進(jìn)行記錄；[0035]步驟E3.所有局部最優(yōu)個(gè)體進(jìn)行比較，選出全局最優(yōu)個(gè)體。[0036]步驟F，包括步驟：[0037]步驟F1.各子種群的最優(yōu)個(gè)體W學(xué)習(xí)概率P向全局最優(yōu)個(gè)體學(xué)習(xí)；[0038]步驟F2.針對裝配序列（向量VI)，實(shí)行改進(jìn)優(yōu)先交叉操作（theImprovedPrecedenceOperationCrossover,ΙΡΟΧ)，使裝配序列得到更新；[0039]步驟F3.針對工位序列（向量V2)，實(shí)行多點(diǎn)保留交叉(Multi-pointPreservativeCrossover，MPX)，使工位序列得到更新。[0040]上述步驟G具體包括如下步驟：[0041]步驟G1.通過優(yōu)先關(guān)系矩陣APM檢查零件在裝配時(shí)是否違反優(yōu)先關(guān)系；[0042]步驟G2.通過干設(shè)矩陣AIM檢查按照生成的裝配序列進(jìn)行裝配，零件之間是否存在干設(shè)現(xiàn)象；[0043]步驟G3.通過工位能力表（Sl:ationcapability1:able,SCT)檢查工位序列是否滿足工位能力表；[0044]步驟G4.通過裝配信息表(Assemblyinformation1:able,AIT)檢查可行的操作；[0045]步驟G5.檢查終止條件（算法迭代次數(shù)達(dá)到Tmax)，輸出最優(yōu)解，即裝配成本最小的裝配序列和工位分配序列。[0046]本發(fā)明基于果蛹算法(FruitFlyOptimizationAlgorithm,F0A)的多工位裝配序列規(guī)劃方法，包括:采用優(yōu)先序列圖(APG)表示零件間的優(yōu)先約束關(guān)系，構(gòu)建優(yōu)先關(guān)系矩陣、集成干設(shè)矩陣、工位能力表和裝配信息表，描述裝配零部件間的干設(shè)關(guān)系W及零件與工位之間的關(guān)系。給出了果蛹算法的編碼體系，并兼顧果蛹算法的局部和全局捜索能力很好地設(shè)計(jì)了果蛹的Ξ個(gè)捜索階段:氣味捜索（smell-basedsearch)、視覺捜索(vision-basedsearch)和協(xié)同捜索（cooperativesearch)。綜合考慮裝配操作成本、更換工具成本、裝夾變更成本和運(yùn)輸成本的影響，提出更接近實(shí)際工程的適應(yīng)度函數(shù)表達(dá)式。根據(jù)優(yōu)先序列矩陣引導(dǎo)初始序列進(jìn)化，再利用果蛹優(yōu)化算法對產(chǎn)品裝配序列和工位分配順序進(jìn)行優(yōu)化。[0047]與現(xiàn)有技術(shù)相比，本發(fā)明具有如下特點(diǎn)：[004引1.采用多子種群并行捜索模式，擴(kuò)大算法的捜索空間和增強(qiáng)算法的執(zhí)行效率；[0049]2.重新設(shè)計(jì)了算法的捜索過程，兼顧算法的局部和全局捜索能力，有效地避免了算法陷入局部最優(yōu)而導(dǎo)致的早熟現(xiàn)象；[0050]3.綜合考慮了裝配的評價(jià)指標(biāo)，將果蛹算法與多工位裝配融合，提出了更接近實(shí)際裝配環(huán)境的規(guī)劃模型;求出的規(guī)劃序列更加具有指導(dǎo)意義。【附圖說明】[0051]圖1為一種基于果蛹優(yōu)化算法的多工位裝配序列規(guī)劃方法的流程圖。[0052]圖2為本實(shí)施例的裝配模型的優(yōu)先關(guān)系圖。[0053]圖3為本實(shí)施例的IP0X操作算子的執(zhí)行過程。[0054]圖4為本實(shí)施例的MPX操作算子的執(zhí)行過程。【具體實(shí)施方式】[0055]本發(fā)明的基于果蛹優(yōu)化算法的多工位裝配序列規(guī)劃方法，可W分成四個(gè)部分：[0056]第I部分--編碼設(shè)計(jì)[0057]本發(fā)明中，讓每一只果蛹代表一個(gè)解決方案，即為裝配序列和工位分配序列，運(yùn)兩個(gè)序列分別用向量VI和V2表示，采用的是雙向量編碼方式。裝配序列向量(VI)表示零件的裝配順序，它的長度和零件的數(shù)目在數(shù)值上相等，并且零件號所在向量上的位置序號代表著對應(yīng)零件的裝配次序。工位分配向量(V2)表示零件裝配過程中所對應(yīng)的裝配工位，它的長度在數(shù)值上也是和零件數(shù)目相等。[0化引第Π部分一一適應(yīng)度函數(shù)構(gòu)造[0059]本發(fā)明W裝配成本為目標(biāo)函數(shù)，構(gòu)造成本適應(yīng)度函數(shù)。裝配成本包括：[0060]1)裝配操作成本(Assemblyoperationcost,A0C)[0068]從而總成本TC=AOC+ATC+ASC+GTC，因此適應(yīng)度函數(shù)為：[0069]Fitness=TC[0070]第虹部分一一算法捜索過程設(shè)計(jì)[0071]果蛹優(yōu)化算法(FruitFlyOptimizationAlgorithm,F0A)作為一種相對較新的智能算法，最早由臺灣潘文超博±于2011年首次提出，該算法的產(chǎn)生是受到果蛹覓食行為的啟發(fā)。在經(jīng)典的果蛹優(yōu)化算法中，種群中的果蛹基于氣味捜索（smell-basedsearch)和視覺捜索(vision-basedsearch)都可W在有限的時(shí)間內(nèi)到達(dá)優(yōu)化的捜索空間?；诠继赜械拿翡J器官:視覺和味覺，W及果蛹算法參數(shù)少（只有3個(gè))且易完成的特點(diǎn)，許多學(xué)者成功地將其用于財(cái)務(wù)危機(jī)預(yù)測、比例積分微分控制器的調(diào)諧、多維背包問題、網(wǎng)絡(luò)拍賣物流服務(wù)、電子節(jié)氣口的分?jǐn)?shù)階模糊PID控制器、鋼鐵鑄造任務(wù)的安排等問題上，證明了果蛹算法在解決調(diào)度問題優(yōu)于其它智能算法。并且果蛹算法也可W植入許多啟發(fā)或操作算子，實(shí)現(xiàn)并行捜索。[0072]本發(fā)明算法捜索過程包括Ξ個(gè)部分:基于氣味捜索、基于視覺捜索和協(xié)同捜索。[0073]1)基于氣味捜索(smell-basedsearch)氣味捜索過程中，子種群果[0074]蛹個(gè)體在優(yōu)先關(guān)系矩陣的指引下進(jìn)行進(jìn)化，又產(chǎn)生S只新果蛹個(gè)體，從而組成了新的子種群此時(shí)每個(gè)子種群的果蛹數(shù)量為（s+1)。每只新產(chǎn)生的子代果蛹相對于父代果蛹每次迭代只發(fā)生兩個(gè)位置的交換，沒有交換的保留即可。運(yùn)樣子代果蛹既繼承了父代果蛹的優(yōu)點(diǎn)，又實(shí)現(xiàn)了更新，促進(jìn)了種群的進(jìn)化。[0075]2)基于視覺捜索(vision-basedsearch)利用果蛹的視覺捜索對每個(gè)子種群中的個(gè)體進(jìn)行適應(yīng)度函數(shù)值進(jìn)行評估，選出各子種群的最優(yōu)個(gè)體作為局部最優(yōu)解。再采用局部最優(yōu)解向全局最優(yōu)解W學(xué)習(xí)概率P學(xué)習(xí)的機(jī)制，從而避免種群早熟的缺陷。[0076]3)協(xié)同捜索(cooperativesearch)針對群體間存在信息交流與協(xié)作的運(yùn)一現(xiàn)象，本發(fā)明引入學(xué)習(xí)機(jī)制，使子種群中局部最優(yōu)的個(gè)體W學(xué)習(xí)概率P向全局最優(yōu)個(gè)體學(xué)習(xí)。為實(shí)現(xiàn)運(yùn)一學(xué)習(xí)機(jī)制，將改進(jìn)優(yōu)先交叉操作（theImprovedPrecedenceOperationCrossover,IPOX)和多點(diǎn)保留交叉(Multi-pointPreservativeCrossover,ΜΡΧ)算子引入到算法中，分別獨(dú)立完成裝配序列規(guī)劃和工位分配。[0077]第IV部分一一序列的可行性分析[0078]每次迭代后，對每個(gè)解的可行性要進(jìn)一步分析。通過集成干設(shè)矩陣（Integratedinte;rferencema1:;rix,IIM)、優(yōu)先關(guān)系矩陣APM、工位能力表（Plantcapabilitytable,PCT)和裝配信息表(Assemblyinformationtable,A口），對解進(jìn)行篩選，刪除不可行解。在下一次迭代前，首先隨機(jī)生成一定數(shù)目的果蛹個(gè)體，使終群規(guī)模保持不變。運(yùn)樣不僅加強(qiáng)了種群的多樣性，而且更能保證算法捜索到全局最優(yōu)解，即最優(yōu)的裝配序列和工位分配序列。[0079]為了使本發(fā)明的技術(shù)方案及優(yōu)點(diǎn)更加清楚明白，下面采用一個(gè)飛機(jī)起落架的實(shí)施例，對本發(fā)明進(jìn)行詳細(xì)的說明，應(yīng)當(dāng)理解，此處所描述的具體實(shí)施例僅僅用W解釋本發(fā)明，并不用于限定本發(fā)明。[0080]本實(shí)施例所需裝配一種飛機(jī)起落架，其包括機(jī)輪(對稱件）、后艙口及連桿(對稱件）、前艙口、阻力桿、前艙口及連桿(對稱件）、鎖桿作動筒、下位鎖彈黃(對稱件）、鎖桿、收放動作筒和緩沖支柱。[0081]-種基于果蛹優(yōu)化算法的多工位裝配序列規(guī)劃方法，如圖1所示，包括如下Ξ個(gè)階段，具體步驟為：[0082]階段I:裝配信息收集及適應(yīng)度函數(shù)構(gòu)造。[0083]步驟1，對零件編號，建立一個(gè)N*3N集成干設(shè)矩陣，每行設(shè)為零件編號，表示已經(jīng)裝好的零件;每列也設(shè)為零件編號同時(shí)每列細(xì)分為+x，+y，+z^列，表示待裝配的零件;本實(shí)施例的集成干設(shè)矩陣如下；[0084][0085]步驟2,畫出本實(shí)施例飛機(jī)起落架的優(yōu)先關(guān)系圖，如圖2所示;它表示零件之間的裝配優(yōu)先關(guān)系，有向弧的初始節(jié)點(diǎn)必須優(yōu)先于有向弧的末節(jié)點(diǎn)（每一個(gè)節(jié)點(diǎn)代表著一個(gè)裝配零件）；[0086]步驟3,根據(jù)優(yōu)先關(guān)系圖求出用例的關(guān)系矩陣如下；[0087][008引步驟4,裝配工位能力表的獲取(表1)，每個(gè)零件在對應(yīng)的工位上都相應(yīng)的取值0或1;1表示零件能在該工位上進(jìn)行裝配，否則表示該工位沒有裝配相應(yīng)零件的能力；[0089]步驟5,獲取零件在裝配時(shí)，零件運(yùn)輸?shù)较鄳?yīng)的工位上的運(yùn)輸成本；[0090]步驟6，W裝配總成本構(gòu)建適應(yīng)度函數(shù)，其形式如下：[0091]TC=AOC+ATC+ASC+GTC[0092]Fitness=TC[009引階段I結(jié)束。[0094]階段Π:算法的執(zhí)行過程。[0095]步驟7,種群的初始化，每只果蛹個(gè)體采用表1的編碼方式，產(chǎn)生初始的裝配序列和工位序列;其中工位序列是在工位表(表2)的指引下產(chǎn)生；[0096]表1Γ00971[0100]步驟8,氣味捜索過程，子種群中的果蛹利用裝配優(yōu)先關(guān)系矩陣的引導(dǎo)，產(chǎn)生S只果蛹組成新的子種群，完成氣味捜索過程；[0101]步驟9,視覺捜索過程，利用果蛹的視覺捜索對每個(gè)子種群中的個(gè)體進(jìn)行適應(yīng)度函數(shù)值進(jìn)行評估，選出各子種群的最優(yōu)個(gè)體作為局部最優(yōu)解；[0102]步驟10,協(xié)同捜索過程，依據(jù)群體之間存在交流協(xié)作的特性，讓子種群中的局部最優(yōu)個(gè)體W學(xué)習(xí)概率P向全局最優(yōu)個(gè)體學(xué)習(xí)；運(yùn)樣既保留了原始個(gè)體的部分特性，又指引原是個(gè)體向好的方向進(jìn)化;其具體的實(shí)施過程如圖3和圖4;[0103]運(yùn)樣，整個(gè)種群就完成了一次進(jìn)化，階段Π結(jié)束。[0104]階段虹:完成一次迭代后，需要對種群個(gè)體進(jìn)行部分的刪除;在進(jìn)行下一次迭代前又產(chǎn)生新的個(gè)體，始種群規(guī)模保持不變;保證種群的多樣性。[0105]步驟11，對序列進(jìn)行干設(shè)檢查，可行的序列一定是裝配過程中，安裝配方向是無干設(shè)的；[0106]步驟12,對工位能力表進(jìn)行檢查，保證零件在工位上的可裝配性；[0107]步驟13,對裝配優(yōu)先關(guān)系進(jìn)行檢查，確保序列滿足APG、APM;[0108]進(jìn)行可行性后，每次迭代后都記錄當(dāng)代的最優(yōu)解;在迭代達(dá)到最大次數(shù)時(shí)，輸出最終的最優(yōu)解;算法結(jié)束。[0109]本發(fā)明基于果蛹算法和多工位對產(chǎn)品的裝配序列及工位序列進(jìn)行研究，采用多子種群并行捜索模式，同時(shí)重新設(shè)計(jì)果蛹捜索過程，引入IP0X和MPX算子，兼顧了果蛹算法的局部和全局捜索能力，較大的提升了算法的捜索能力。[0110]通過結(jié)合附圖對本發(fā)明具體實(shí)施的描述，本發(fā)明的其他方面及特征對本領(lǐng)域的技術(shù)人員而言是顯而易見的。W上對本發(fā)明的具體實(shí)施例進(jìn)行了描述和說明，運(yùn)些實(shí)施例應(yīng)被認(rèn)為只是示例性的，并不用于對本發(fā)明進(jìn)行限制，本發(fā)明應(yīng)根據(jù)所附的權(quán)利要求進(jìn)行解釋?！局鳈?quán)項(xiàng)】1.一種基于果蠅優(yōu)化算法的多工位裝配序列規(guī)劃方法，其特征是，包括如下步驟：步驟A.采用雙向量的編碼體系，讓每一只果蠅代表著兩個(gè)向量vjpv2，其中向量V1代表產(chǎn)品裝配序列，向量^代表著工位分配序列；步驟B.搜集裝配產(chǎn)品幾何信息和工位信息，并據(jù)此構(gòu)造適應(yīng)度函數(shù)；步驟C.設(shè)置果蠅算法的初始參數(shù)，對果蠅種群進(jìn)行初始化，產(chǎn)生初始果蠅種群，即產(chǎn)生初始的產(chǎn)品裝配序列和工位分配序列；步驟D.基于氣味搜索，在優(yōu)先關(guān)系矩陣的指引下進(jìn)化，實(shí)現(xiàn)局部搜索；步驟E.基于視覺搜索，根據(jù)適應(yīng)度函數(shù)進(jìn)行適應(yīng)度評估，從而找出局部最優(yōu)和全局最優(yōu)解，即適應(yīng)度函數(shù)值最小的產(chǎn)品裝配序列和工位分配序列；步驟F.協(xié)同搜索，各個(gè)子種群以設(shè)定學(xué)習(xí)概率P向全局最優(yōu)個(gè)體學(xué)習(xí)，實(shí)現(xiàn)進(jìn)一步進(jìn)化；步驟G.對所求解進(jìn)行可行性分析，對不滿足可行性的解直接刪除，最終輸出最優(yōu)解。2.根據(jù)權(quán)利要求1所述的一種基于果蠅優(yōu)化算法的多工位裝配序列規(guī)劃方法，其特征是，步驟A具體包括如下步驟：步驟A1.采用十進(jìn)制數(shù)編碼每一只果蠅，每一只果蠅用兩個(gè)向量vdPv2表示；步驟A2.用向量V1表示產(chǎn)品裝配序列，其長度與產(chǎn)品零件數(shù)目相等；用向量^表示工位的分配順序，其長度也與零件數(shù)目相等。3.根據(jù)權(quán)利要求1所述的一種基于果蠅優(yōu)化算法的多工位裝配序列規(guī)劃方法，其特征是，步驟Β具體包括如下步驟：步驟Β1.畫出裝配產(chǎn)品的優(yōu)先關(guān)系圖，并生成優(yōu)先關(guān)系矩陣；步驟Β2.給出裝配產(chǎn)品的集成干涉矩陣；步驟Β3.給出產(chǎn)品的裝配工具、所用裝配工位能力表、工位完成裝配的操作成本以及零件運(yùn)輸?shù)椒峙涔の簧系倪\(yùn)輸成本信息；步驟Μ.針對步驟Β3所得信息，構(gòu)造以成本為目標(biāo)的適應(yīng)度函數(shù)：Fitness=TC=AOC+ATC+ASC+GTC其中，F(xiàn)itness表示適應(yīng)度函數(shù)，TC表示總成本，A0C表示裝配操作成本，ATC表示工具更換成本，ASC表示裝配裝夾變更成本，GTC表示運(yùn)輸成本。4.根據(jù)權(quán)利要求3所述的一種基于果蠅優(yōu)化算法的多工位裝配序列規(guī)劃方法，其特征是，步驟B2中給出的裝配產(chǎn)品的集成干涉矩陣需要考慮X、Y、Z方向。5.根據(jù)權(quán)利要求1所述的一種基于果蠅優(yōu)化算法的多工位裝配序列規(guī)劃方法，其特征是，步驟C具體包括如下步驟：步驟C1.設(shè)置果蠅算法參數(shù)，即種群規(guī)模ΝΡ，子種群隨機(jī)產(chǎn)生的個(gè)體個(gè)數(shù)S，學(xué)習(xí)概率Ρ;步驟C2.隨機(jī)生成初始種群NP，即ΝΡ只果蠅，每只果蠅代表著產(chǎn)品裝配序列和工位序列；步驟C3.針對生成的初始產(chǎn)品裝配序列，根據(jù)工位能力表生成工位分配序列。6.根據(jù)權(quán)利要求1所述的一種基于果蠅優(yōu)化算法的多工位裝配序列規(guī)劃方法，其特征是，步驟D具體包括如下步驟：步驟D1.把NP只果蠅分成NP個(gè)子種群，每只果蠅是子種群中的個(gè)體；步驟D2.在每個(gè)子種群中隨機(jī)產(chǎn)生S只果蠅，組成新的子種群；步驟D3.利用優(yōu)先關(guān)系矩陣，指引各子種群中的個(gè)體進(jìn)行進(jìn)化，從而完成局部搜索。7.根據(jù)權(quán)利要求1所述的一種基于果蠅優(yōu)化算法的多工位裝配序列規(guī)劃方法，其特征是，步驟E具體包括如下步驟：步驟E1.各子種群內(nèi)的個(gè)體，根據(jù)適應(yīng)度函數(shù)求出自己的適應(yīng)度值；步驟E2.各子種群選出各自的局部最優(yōu)個(gè)體即當(dāng)前局部最優(yōu)序列，并對其進(jìn)行記錄；步驟E3.所有局部最優(yōu)個(gè)體進(jìn)行比較，選出全局最優(yōu)個(gè)體即當(dāng)全局部最優(yōu)序列。8.根據(jù)權(quán)利要求1所述的一種基于果蠅優(yōu)化算法的多工位裝配序列規(guī)劃方法，其特征是，步驟F具體包括如下步驟：步驟F1.各子種群的最優(yōu)個(gè)體以學(xué)習(xí)概率P向全局最優(yōu)個(gè)體學(xué)習(xí)；步驟F2.針對產(chǎn)品裝配序列即向量V1，實(shí)行改進(jìn)優(yōu)先交叉操作，使產(chǎn)品裝配序列得到更新；步驟F3.對工位序列即向量ν2，實(shí)行多點(diǎn)保留交叉操作，實(shí)現(xiàn)工位序列的更新。9.根據(jù)權(quán)利要求1所述的一種基于果蠅優(yōu)化算法的多工位裝配序列規(guī)劃方法，其特征是，步驟G具體包括如下步驟：步驟G1.通過優(yōu)先關(guān)系矩陣檢查零件間是否違反優(yōu)先關(guān)系；步驟G2.通過干涉矩陣檢查按照對應(yīng)產(chǎn)品裝配序列進(jìn)行裝配，零件間是否存在干涉；步驟G3.通過工位能力表檢查工位序列是否滿足工位能力表；步驟G4.通過裝配信息表檢查可行的操作；步驟G5.檢查終止條件即判斷達(dá)到最大迭代次數(shù)Tmax，若未達(dá)到最大迭代次數(shù)Tmax，則返回步驟C;若達(dá)到最大迭代次數(shù)Tmax，則輸出最優(yōu)解，即裝配成本最低的產(chǎn)品裝配序列及對應(yīng)的工位分配序列。【文檔編號】G06N3/00GK105825293SQ201610137366【公開日】2016年8月3日【申請日】2016年3月10日【發(fā)明人】常亮,袁文兵,古天龍,祝曼麗,徐周波【申請人】桂林電子科技大學(xué)