[发明专利]一种基于绝对值和函数最小化与粒子群优化的车间设备双行布局方法

说明书

本发明涉及一种基于绝对值和函数最小化与粒子群优化的车间设备双行布局方法，通过建立车间设备双行布局的数学模型，根据其既含有组合优化又含有连续优化的特点，提出分层次优化的设计方法：在初始化层，从一个随机的设备排序出发，采用上下行设备总长度相近的策略确定优化的上下行设备数量，形成一个初始的双行布局方案；在粗优化层，采用基于绝对值和函数最小化的局部搜索方法确定优化的设备排序以及对应的下行设备起始位置；在细优化层，采用粒子群算法确定各个设备优化的精确位置。最终确定成本最小、效率最高的车间设备双行布局方案。本发明可较快确定大规模车间设备优化的双行布局，从而提高企业的效益。

技术领域

本发明涉及车间设备布局方案设计的研究领域，特别是一种基于绝对值和函数最小化与粒子群优化的车间设备双行布局方法。

背景技术

车间设备布局对企业的生产成本和效率有着巨大的影响，是制造领域一个重要的研究内容。TOMPKINS等学者的研究表明良好的设备布局可以节约10％-30％的物料搬运费用。与传统的单行布局相比，双行布局具有占地空间小的优势，在制造领域得到了更广泛的应用。但是，双行布局不仅需确定设备在双行上的排序,而且需确定设备的精确位置,要同时考虑组合优化和连续优化使得双行布局比单行布局更为复杂。特别随着设备数量的增加，获得布局最优方案难度越来越大，给企业的成本的控制带来了挑战。因此，研究快速获取车间设备双行布局最优方案的方法，具有重要的现实意义。

采用混合整数规划模型分析车间设备双行布局是一种有效的方法。但是，现有的车间设备双行布局的混合整数规划模型，存在变量多、约束多、不易理解等不足。混合模型需同时考虑组合变量和连续变量，求解难度大。主要的求解方法有构造性启发式算法和借助求解器。构造性启发式算法具有求解速度快的优点，但所求得的解与最优解之间存在较大的偏差。求解器，比如CPLEX，能够求得最优解，但具有求解速度慢的缺点。现有的方法具有一定的局限性。

局部搜索是一种基于邻域的搜索方法，具有很强的深度搜索能力，被成功应用于组合优化问题。车间设备双行布局的目标函数值可展开为具有绝对值的和函数，在局部搜索过程可利用绝对值和函数最小化性质求解目标函数值。基于绝对值和函数最小化的局部搜索适用于求解车间设备双行布局中的组合变量。粒子群算法是一种模拟鸟群飞行觅食行为的优化算法。鸟群在各个个体的历史最优位置和整个种群的历史最优位置共同引导下，不断向前飞行，向着食物的位置靠近并获得食物。粒子群算法被成功应用于连续优化问题，适用于求解车间设备双行布局中的连续变量。将车间设备双行布局问题划分为组合优化问题和连续优化问题，再利用局部搜索和粒子群算法，可快速寻得优良的布局方案。

发明内容

有鉴于此，本发明的目的是提出一种基于绝对值和函数最小化与粒子群优化的车间设备双行布局方法，能够快速确定优良的布局方案，从而减少设备间的物料搬运费用成本并提高工作效率。

本发明采用以下方案实现：一种基于绝对值和函数最小化与粒子群优化的车间设备双行布局方法，包括以下步骤：

步骤S1：分析影响车间设备双行布局的要素，建立车间设备双行布局的数学模型，将物料搬运总成本作为所建立数学模型的目标函数值，用以获得最低物料搬运总成本的设备双行布局方案S；

步骤S2：对步骤S1中所述的设备双行布局方案S进行编码；用一个序列向量π表示设备的排序，一个实数向量a表示设备间的可调整空间，一个整数变量m表示上行设备的数量，则下行的设备数量为n-m；其中，n为需要布局的设备总量；

步骤S3：构造随机的设备排序；

步骤S4：采用上下行设备总长度相近的策略确定上行的设备数量m和下行的设备数量n-m，构造一个初始的布局方案S₀，并将其视为本轮的最优方案S_nbest；