欢迎来到知嘟嘟! 联系电话:13095918853 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13095918853
知嘟嘟经纪人
收藏
专利号: 2020107355607
申请人: 河南科技大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2024-01-05
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于多目标蚁狮算法的客户需求模块化工艺配置方法,其特征在于:步骤如下:步骤一、建立模块化重组数学模型,在模块化工艺配置的过程中引入需求权重,根据客户需求来确定需求工艺的权重并进行排序,以工艺实例库、模块库、规则库、产品库作为产品信息平台,同时依据质量功能配置将顾客定制权重转化为重组模块配置的约束,得到模块化工艺重组的多目标优化模型为:F(X)={f1(X),f2(X),f3(X)}s.t ga(X)≥0,a=1,2,3,...,m;

hb(X)=0,b=1,2,3,...,n;(14)其中:F(x)各组成部分都是极小化目标函数;f1(X)各个工序模块工艺对应的质量损失函数的串联关系;f2(X)模块化工艺重组最小化生产时间的目标函数;f3(X)最小生产成本确定可选工艺方案的目标函数;ga(X)和hb(X)分别为优化问题的不等式约束和等式约束,m与n则分别为其个数;X为其决策向量,为1或0,表示该工艺是否用到模块;

步骤二、基于模块化工艺重组的多目标优化模型,分析客户定制需求与产品以及模块化工艺之间关系,结合多目标蚁狮优化算法,计算优化得出满足客户需求的产品工艺;

蚁狮优化算法中的参数优化为:蚁狮算法构建陷阱、随机游走、进入陷阱、陷阱边界自适应缩小、捕获并重构陷阱和保优策略;

其中构建陷阱的具体方法为:

根据初始适应值,通过轮盘赌法从上一代的蚂蚁种群中随机选择个体,被选中的个体将和精英一起作为蚁狮构建陷阱;

Step1:根据适应度函数fi,i=1,2,...,n,计算得到种群中每个个体适应度大小;

Step2:根据以下公式计算得出每个个体各维度被选中的概率;

Step3:根据以下公式计算得到种群中每个个体的累积概率;

Step4:在区间[0,1]上利用函数Random产生一组均匀分布的随机数r;

Step5:判别产生的随机数是否在q[j‑1]

1;

Step6:若j

其中设定蚂蚁随机游走的方案为:

假设每只蚂蚁随机游走受轮盘赌选择的蚂蚁和精英蚁狮的影响,可得:其中: 表示轮盘赌选择游走的蚂蚁, 表示精英蚁狮;

蚂蚁的随机游走包含所有的维度,规定蚂蚁的初始随机移动位置:x(t)=[0,cumsum(2r(t1)‑1),cumsum(2r(t2)‑1),...,cumsum(2r(tn)‑1)]其中:cumsum为蚂蚁游走的累积和,n是设置的最大迭代次数,t为游走的步数,r(t)是与迭代次数相关的随机函数,为了保证蚂蚁在求解空间内行走,需对其爬行位置进行归一化处理:其中:ai和bi为行走过程中第i个变量的最小值和最大值, 和 为第t代第i个变量的最小值和最大值;

其中蚂蚁进入陷阱的具体操作为:

蚂蚁靠近陷阱的过程,可以看做蚂蚁围绕构建陷阱的蚁狮游走,为了控制蚂蚁在蚁狮陷阱的周围移动,改进每个维度的随机游走范围始终使蚂蚁游走在选定的蚁狮周围:t t

其中:c 和d 分别为第t代所有变量中的最小值和最大值, 是第t代第j个蚁狮的位置;

其中陷阱边界自适应缩小具体为:

随着蚂蚁不断靠近陷阱,蚂蚁游走的上/下界不断减小:ω

其中:R=10 t/tmax,ω∈[1,6]与随着迭代次数的增加逐渐增大,减小了蚂蚁随机行走的边界。

其中捕获并重构陷阱具体为:

第i只蚂蚁被第j只蚁狮吃掉并重构陷阱,选择并储存适应度最优的蚁狮作为精英个体:其中:t为当前代数, 是第t代适应度最优的第i个蚂蚁,f为适应度函数;

其中保优策略为:在优化ALO过程中,引入外部精英蚁狮种群,保存精英蚁狮中优良个体,还引入新的外部设计蚂蚁种群来保存蚂蚁中的优良个体,优良个体为未被捕食蚂蚁,每一代种群中的非支配解都被复制到两个外部种群空间中,当外部非支配解的数量过多时,则按照精英蚁狮种群和蚂蚁种群中个体的欧式距离进行删除操作,进而控制精英种群中非支配解的个数,同时保证外部种群个体多样性;

采用蚁狮优化算法对工艺重组配置求解的具体操作为:初始参数设定:输入:外部种群规模N,迭代次数T,陷阱边界ai和bi;

Step1:令t=0,随机生成Antlion和Ant在解空间初始位置,建立目标空间种群OA0和变量空间种群VA0;

Step2:计算Antlion中个体的适应度,将Antlion中的适应度最好的作为精英蚁狮RA;

Step3:按照ALO中提出的算法,通过轮盘赌法从初始Ant中选出一个蚁狮RE,按照式(15)至(22)迭代更新位置;

Step4:判断蚂蚁的适应度与RA和RE的关系,若大于则更新RA或RE,并将其复制到外部种群空间;

Step5:如果外部种群空间中个体的数量超过N,则对两个种群中个体进行删除操作以减少个体数量,如小于N则采用竞争机制将Ant和Antlion中的优良个体添加到外部种群空间;

Step6:判断是否达到最大循环代数,即t≥T,若没有则跳转至步骤7;若达到则终止算法,输出当前最优解RA;

Step7:通过复制外部种群生成生成新的Ant,并令t=t+1,跳转至Step2。