基于多种群遗传算法的Z汽车公司混流装配线平衡问题多目标优化研究

摘要

随着客户需求、产品品种日益多样化，混流生产逐渐成为一种主流的生产组织形式。目前在解决混流装配线平衡问题时以工业工程方法较为普遍，但是这种依靠传统的工业工程手法解决多品种混流装配线平衡的方法迫切需要一种更加高效的方法来替代。 Z汽车公司目前是T和X两种车型混线生产，生产过程中涉及到混流装配线的平衡优化问题。运用传统工业工程方法的进行优化工作量大、操作复杂、系统性不足，并且大多会涉及到增加设备、布局变动、新工具的设计、资金的再投入等问题。 根据Z汽车公司装配线的实际情况，提炼出具有普遍适用性的数学模型，并设计了一种改进的多种群遗传算法（Multi-Population Genetic Algorithm），将其应用到优化混流装配线平衡问题中。本文将这种优化定义为设计性优化，以区别于传统的改善性优化。目前国内针对此类问题较为先进的方法是智能算法，而在智能优化算法中，遗传算法是运用较多的一种，适合解决NP问题里的这种组合优化问题。但是目前国内研究装配线平衡的遗传算法大多是单种群遗传算法，种群多样性只通过变异算子保证，这就在算法最初设计阶段埋下了产生局部最优解的可能性，最近几年双种群遗传算法对这一弊端有了一定改进，在初始种群产生阶段提高了种群的多样性。本文基于此基础上，通过运用多种群策略和重新插入算子以及精英选择策略等进一步改进了遗传算法，使其在搜索能力、效率和避免产生局部最优解方面得到了更进一步的优化。同时提出了多目标函数尺度变换系数的设定方法来解决混装配线平衡问题的多个目标优化，此方法实现了运用遗传算法同时解决多个目标的目的。 本文构造了混流装配线多目标优化数学模型（MALBP-MOO），介绍了多种群遗传算法的设计原理，方法和过程，并通过Matlab编程实现，最后开发出GUI图形用户界面。并通过实验数据的验证和对比分析进行了程序有效性和可靠性的测试。最后将软件应用到Z汽车公司内饰线混流装配线平衡问题的多目标优化中，解决了混流装配线多目标优化的实际问题。

目录

声明

第一章 绪论

1.1 研究背景和选题意义

1.1.1研究背景

1.1.2选题意义

1.2 研究现状

1.2.1 遗传算法

1.2.2 混流装配线平衡优化

1.2.3 多目标优化

1.3研究目标与内容

1.3.1 研究目标

1.3.2 研究内容

1.4 研究思路

4、应用研究法

第二章 线平衡理论和遗传算法

2.1装配线平衡概述

2.1.1 装配线平衡的相关概念

2.1.2 装配线平衡问题的分类

2.2 遗传算法概述

2.2.1 遗传算法的基本原理

2.2.2 遗传算法的基本流程

2.2.3 遗传算法的关键点

第三章 Z汽车公司装配线平衡现状

3.1 Z公司生产现状

3.2 装配线工艺程序图

3.3 装配线精益管理现状

3.3.1 线平衡之标准作业

3.3.2 装配线之山积表与ECRS

3.4 装配线平衡现状

3.5 问题分析

第四章 MALBP-MOO数学模型构建

4.1 MALBP-MOO模型假设

4.2 模型参数定义

4.3 模型建立

第五章 改进遗传算法的设计

5.1 改进遗传算法概述

5.1.1 多种群进化策略

5.1.2 初始可行解的译码设计

5.1.3 多目标适应度函数的设计

5.1.4 精英策略

5.2 面向MALBP-MOO的多种群遗传算法程序实现

5.2.1 编码

5.2.2 初始种群产生

5.2.3 译码

5.2.4 适应度函数

5.2.5 选择

5.2.6 交叉

5.2.7 变异

5.2.8 重新插入

5.2.9 移民算子

5.3 GUI图形用户界面设计

5.3.1 GUI图形界面要素设计

5.3.2 GUI输入规则设计

5.3.3 GUI输出设计

5.4 程序测试

5.4.1 程序参数设定

5.4.2 实验数据对比分析

第六章 应用及效果评价

6.1 MALBPMOO实际问题优化

6.2 优化方案效果

第七章 结论与展望

7.1 总结

7.2 展望

参考文献

致谢