混合遗传算法在汽车混流装配线平衡中的应用研究

合集下载

基于遗传算法的装配线平衡问题研究

ＶａｌｕｅＥｎｇｉｎｅｅｒｉｎｇ
・１２３・
基于遗传算法的装配线平衡问题研究
ＡｓｓｅｍｂｌｙＬｉｎｅＢａｌａｎｃｉｎｇＰｒｏｂｌｅｍＲｅｓｅａｒｃｈＢａｓｅｄｏｎＧｅｎｅｉｃｔＡｌｇｏｒｉｔｈｍ
ａｌｇｏｒｉｔｈｍ．Ｔｈｅｌｇａｏｉｒｈｍｔｂａｓｅｄｏｎｆｅａｓｉｂｌｅｏｐｅｒａｔｉｎｇｓｅｑｕｅｎｃｅｓｐｒｏｄｕｃｅｉｎｉｔｉａｌｐｏｐｕｌａｔｉｏｎ，ａｎｄｔｈｕｓｃｏｎｓｔｒｕｃｔｅｄｃｒｏｓｓｏｖｅｒａｎｄｍｕｔａｔｉｏｎｏｐｅｒａｔｏｒ，ｔｏｅｎｓｕｒｅｆｕｔｕｒｅｇｅｎｅｒａｔｉｏｎｓｐｏｐｕｌａｔｉｏｎｓａｒｅｖｉａｂｌｅｓｏｌｕｔｉｏｎｓ；Ａｎｄｍｕｌｉｔｐｌｅ－ｐｏｐｕｌａｔｉｏｎｇｅｎｅｉｔｃａｌｇｏｒｉｈｍｔｂｏａｒｄｅｎｓｔｈｅｓｃｏｐｅｏｆｔｈｅｓｅａｒｃｈｓｐａｃｅ，ＳＯｉｔｃａｎａｖｏｉｄｌｏｃｌａｏｐｔｉｍｉｚａｉｔｏｎ，ａｌｓｏｅｎｈａｎｃｅｈｅｔｅｆｉｃｉｅｎｃｙｏｆａｌｇｏｉｒｈｍｓｔ．Ｆｉｎａｌｌｙａｎｉｌｌｕｓｔｒａｔｉｖｅｅｘａｍｐｌｅｉｓｇｉｖｅｎｔｏｔｅｓｔｉｆｙ

《2024年基于智能优化算法的汽车混流装配线排序问题研究》范文

《基于智能优化算法的汽车混流装配线排序问题研究》篇一一、引言随着汽车制造业的快速发展，混流装配线已成为现代汽车生产的重要方式。

混流装配线能够灵活地适应不同车型的共线生产，有效提高生产效率和降低成本。

然而，如何对混流装配线上的生产任务进行合理排序，以实现生产效率的最大化和资源利用的最优化，成为了一个亟待解决的问题。

本文将针对这一问题，基于智能优化算法进行汽车混流装配线排序问题的研究。

二、混流装配线排序问题的描述混流装配线排序问题是指在一定时间内，针对多种车型的装配需求，通过合理安排各车型的生产顺序，以达到生产效率、成本控制、资源利用等方面的最优。

该问题具有多目标、多约束、离散性等特点，是一个典型的组合优化问题。

三、智能优化算法在混流装配线排序中的应用针对混流装配线排序问题的复杂性，智能优化算法成为了一种有效的解决方法。

智能优化算法能够通过模拟自然界的优化过程，寻找出复杂问题的最优解。

在混流装配线排序问题中，常用的智能优化算法包括遗传算法、模拟退火算法、蚁群算法等。

1. 遗传算法在混流装配线排序中的应用遗传算法是一种基于生物进化原理的优化算法。

在混流装配线排序问题中，遗传算法通过模拟自然选择和遗传学原理，生成初始解集，并通过交叉、变异等操作，逐步优化解集，最终得到最优解。

2. 模拟退火算法在混流装配线排序中的应用模拟退火算法是一种基于物理退火原理的优化算法。

在混流装配线排序问题中，模拟退火算法能够在搜索过程中引入随机性，避免陷入局部最优解，从而提高全局寻优能力。

3. 蚁群算法在混流装配线排序中的应用蚁群算法是一种模拟蚂蚁觅食行为的优化算法。

在混流装配线排序问题中，蚁群算法通过模拟蚂蚁的信息素传递过程，寻找出最优解。

蚁群算法具有较好的并行性和鲁棒性，适用于大规模的混流装配线排序问题。

四、研究方法与实验结果本文采用遗传算法、模拟退火算法和蚁群算法对混流装配线排序问题进行求解。

首先，建立混流装配线排序问题的数学模型，明确问题的目标和约束条件。

改进遗传算法在混合装配线平衡问题中的应用

改进遗传算法在混合装配线平衡问题中的应用［摘要］为满足顾客对产品个性化的需要,越来越多的企业采用多种小批量的生产模式,逐步设计和建立起了混合装配生产线,而如何确保混装线负荷平衡是一个十分重要的问题。

对此,本文提出了一种基于自适应遗传算法的解决方法,能够很好地解决简单遗传算法易早熟的问题,为混合装配线的设计和优化改进提供有效依据。

［关键词］遗传算法；混合装配线；负荷平衡1 引言装配线的平衡问题是指在作业先后顺序的约束下,将作业任务分派到工作站中,以使得各个工作站内负荷尽量接近节拍（即处于繁忙状态）,且各个工作站间负荷尽量均衡,从而确保整条装配线的总闲置时间最少。

装配线平衡问题实质上就是组合优化问题,其受到由产品设计工艺和制造过程技术所决定的作业任务之间先后关系的约束而变得异常复杂。

实际中,装配线的负荷平衡有着特别重要的意义：一方面,装配生产线的平衡程度不仅直接反映了装配生产线的效率,而且影响到产品的质量,如果各工位负荷不均衡,劳动强度大的工人就有可能为了赶上装配线的运行节拍而匆忙操作,常常忽视了产品质量。

另一方面,一条负荷不均衡的装配线会给工人不公平的感觉,易生厌烦和抵触情绪,进而影响整个装配线的生产效率。

混合装配线能够连续且同时在一条装配线上组装结构相似、工艺接近的不同品种产品,与单一装配线相比,其生产过程中产品种类多,工序复杂。

对此本文提出将混装线上不同产品利用虚作业任务整合为一种产品,即将混装线平衡问题转化成单一装配线平衡优化问题,之后采用自适应遗传算法进行基于作业任务的平衡优化。

2 问题分析与数学模型建立3 遗传算法设计3.1 编码与解码本文根据混合装配线平衡问题的特点,设计了实数编码的方法。

首先,按照装配的先后顺序将各个工序连接成一个实数串,构成一个染色体。

如按规则编码后的一种染色体基因型为142378569。

表示先完成操作1,再完成操作4,依此类推。

染色体的基因型表示了加工顺序,但不反映工位划分的情况。

遗传算法在装配线平衡中的应用

文献标识码：Ａ
文章编号：０６４１２１０ — ２３０１０ — ３（００）２０５ — ３１
生早熟收敛或收敛缓慢等缺点，甚至由于算子的不可行而无法得出装配线平衡是将基本的作业元素分配到工作站，满足特定的目可行解。这也是遗传算法在实际应用遇到的最大障碍，鉴于此本文标和约束条件。从实质上看，装配线平衡问题就是组合优化问题，但采取基于可行序列的非标准遗传算子，保证算子的可行性，并采取最这个问题由产品设计工艺和制造过程技术所决定的作业元素之间的有保留策略，避免最优解丢失或算法退化。先后关系而变得异常复杂。在实际生产中，由于装配线的柔性增加，２装配线平衡的遗传算法设计很多情况都可能导致生产线不能顺畅的运行，从而造成暂时性不平装配线平衡问题的一般提法是：给定产品装配作业表（包括各项衡现象发生，而且装配生产线的平衡程度不仅直接反应了装配生产装配作业、业时间及其先后关系）直接给出装配作业先后关系作或者线的效率，而且影响产品的质量，劳动强度大的工人为了赶上装配线图，化某一特定的目标函数。一般可以分以下几类：优 ①生产节拍ｃ的运行节拍，常忽视了产品质量。据美国有关资料统计，常即使在美给定，满足生产线约束条件的前提下最小化工作站；在 ②工作站数量在使节拍与工国这样工业发达的国家，在工业装配生产中平均要有５１％的装给定，满足生产线约束条件的前提下最小化生产节拍，％～０配时间是浪费在平衡延迟中。从装配线产生之日起，平衡问题就作站负荷之差最小；生产节拍给定，大化分配同～工位的操作相其 ③ 最直受到人们的重视＿现代关于此类问题的解决方案大致可以分关性。ｌ１。为四类： ①数学规划方法，包括线性规划，非线性规划，目标规划，多２１装配线平衡的数学模型．动态规划等； ②基于规则调度，此类方法是给不同的操作根据潜在的本文主要对上述提及的第二类装配线问题进行研究，即已知工最小化生产节拍，使节拍与工作站负荷之差最小。目标值生产瓶颈分配不同的权重以达到优化目的。③启发式方法，如模拟作站数量，ＷｏｋｏｄＶｒｎｅ，ａＴ等于最优方案中退火发、遗传算法、禁忌搜索算法、噪声算法等 ④人工智能算法，如设定为负荷方差（ｒｌａａｉｃ）最小节拍Ｃ专家系统、神经网络等［ｌ２。面对大规模的装配线平衡，Ｉｓ解决此类问题的最大工位时间。这类装配线平衡问题的数学模型如下：２的主要趋势是采用启发式。但一些启发式搜索方法在逼近最优解或次优解的搜索中，不断地有倒退过程，索效率低，易产生 “ 搜还组合爆ｍｉｎ炸” 现象。鉴于此，本文主要采用改进的遗传算法来解决这个Ｎ — Ｐ

基于改进遗传算法的汽车装配生产线平衡问题

汇报人：2023-12-01contents •引言•汽车装配生产线平衡问题概述•基于遗传算法的汽车装配生产线平衡问题求解•基于改进遗传算法的汽车装配生产线平衡问题求解目录contents•基于改进遗传算法的汽车装配生产线平衡问题的应用案例目录•结论与展望•参考文献01引言03基于改进遗传算法的解决方案01汽车装配生产线平衡问题的重要性02传统解决方法的局限性研究背景与意义国内外研究现状存在的问题和不足研究现状与问题研究内容与方法研究内容介绍本研究的主题和主要研究内容，包括对汽车装配生产线平衡问题的定义、特点和分类，以及基于改进遗传算法的解决方案的详细阐述。

研究方法介绍本研究采用的研究方法和技术路线，包括对遗传算法的改进、数据采集和分析、模型构建和验证等环节的详细说明。

02汽车装配生产线平衡问题概述定义约束条件生产线平衡问题的定义与约束条件数学模型变量与约束目标函数生产线平衡问题的数学模型生产线平衡问题是一个NP难问题，传统的求解方法包括启发式算法、分枝定界法、遗传算法等。

遗传算法作为一种高效的优化算法，在求解复杂、非线性、离散的生产线平衡问题时具有优势。

遗传算法遗传算法是一种基于生物进化原理的优化算法，通过模拟自然选择和遗传机制，不断迭代优化种群中的个体，以获得最优解。

在求解生产线平衡问题时，遗传算法可以针对不同的生产线类型、规模和约束条件，设计适应的编码方式、适应度函数和遗传操作方法。

求解方法生产线平衡问题的求解方法VS03基于遗传算法的汽车装配生产线平衡问题求解1）初始化种群；2）计算适应度函数；3）选择操作；4）交叉操作；5）变异操作；6）迭代更新种群直至达到终止条件。

遗传算法的基本原理与实现过程遗传算法的实现过程遗传算法的基本原理基于遗传算法的求解流程1）定义问题参数和约束条件；2）构建染色体编码方案；3）初始化种群；4）计算适应度函数；5）选择、交叉、变异操作；6）更新种群直至达到终止条件；7）输出最优解。

基于改进遗传算法的混合装配生产线平衡问题研究

ｂｌｃｒｂｅｉｈｓｒｓｅｔｂｓｄｏｈｍｐｏｅｅｅｉａｏｉｍｉｏｍｏｅａｊｓｍｅｔａａｅｐｏｌｍｔｉｅｐｃａｅｎｔｅｉｒｖｄｇｎｔｌｒｈｗｔｈｒｎｄｕｔｎｎｎｃｇｔｈ
ＡｂｔａｔＴｈａｅｅｌｗｉｈｔｅｓｔａｉｎｏｎｏｉｉｎｔｌｉｒｄｃｎｔｅｔａｉｉｎｌｍｉｅ－ｓｒｃ：ｅｐｐｒｄａｓｔｈｉｕｔｏｆｏｅｐｓｔｏｍｕｔｐｏｕｔｉｈｒｄｔｏａｘｄｏ —
ｉｙｆｎｔｎａｄｔｅｓｌｃｉｎ，ｉｔｒｅｔｏｎａｉｎｅａｉｈｔｃｏｅａｏｓａｅｄｓｇｅｏｓｌｅｔｅｔｕｃｉｎｈｅｅｔｏｏｎｅｓｃｉｎａｄｖｒａｃｒｔｍｅｉｐｒｔｒｒｅｉｎｄｔｏｖｈ
ＨＵｉｇ，ＪＡＮＧｅｇｑａｇ，ＧＥＭａ — ｅＪｎＩＺｎ－ｉｎｏｇｎ。ＤＵｅ—ｈｎＷｉａｓ
（ｈｏｆＭａｈｉｅｙａｄＡｕｏｂｌｇｎｅｉｇ，ＨｅｅｉｅｓｔｆＴｅｈｌｇＳｃｏｌｏｃｎｒｎｔｍｏｉｅＥｎｉｅｒｎｆｉＵｎｖｒｉｙｏｃｎｏｏｙ，Ｈｅｅ３０９，Ｃｈｎ）ｆｉ２００ｉａ
中图分类号：ＴＨ１６６文献标志码：Ａ文章编号：０３５６（０００—０６０１０ —００２１）７１０—５
Ｓｕｙｏａａｅｐｒｂｅｆｍｉｅ－ｏｅｓｅｂｙｔｄｎｂｌｎｃｏｌｍｏｘｄｍｄｌａｓｍｌｌｎｅｂｓｄｏｍｐｒｖｄｇｎｅｉｌｏｉｈｉａｅｎｉｏｅｅｔｃａｇｒｔｍ

基于遗传算法的混流装配线工作站平衡研究

基于遗传算法的混流装配线工作站平衡研究
凌文曙
（安徽国防科技职业学院机电系，安徽六安２７１）３０１
摘
Hale Waihona Puke 要：现有的装配线平衡方法缺乏关联性、系统性和整体性，未考虑混流水装配线工作站分配、排序及实际
应用中除工艺顺序以外的约束问题。文章以车桥装配生产线为例，引入惩罚函数优化装配工艺顺序以外的约束，利用遗传算法对该问题进行编码求解，将工作站数最小与平衡率最高同时进行优化。最后通过实例进行
Ｒｅｅｒｈｏｌｎｃｆｍｉｅ－ｏｅｓｅｂｙｌｎｅｓａｃｎｂａａｅｏｘｄｍｄｌａｓｍｌｉｗｏｋｓａｉｎｓｄｏｅｔｃａｇｒｔｍｒｔｔｏｓｂａｅｎｇｎｅｉｌｏｉｈ
ｍｏｅｓｅｂｙｌｅｏｄｒｎｎｈｅｔｉｔｏｓｏｒｃｉａｐｌａｉｎｘｅｔｆｒｔｅｏｄｒｎｆｄｌａｓｍｌｉ，ｒｅｉｇａｄｔｅｒｓｒｃｉｎｆｐａｔｃｌａｐｉｔｓｅｃｐｏｈｒｅｉｇｏｎｃｏ
仿真运算，以加强混流产品装配生产线工作站分配及平衡策略的可行性、效性和前瞻性，配线尤其是车有为装
桥类装配线工作站分配和平衡提供了一种右效途径。
关键词：装配线平衡；混合产品装配线；工站分配
中图分类号：２０７Ｆ７．文献标识码：Ａ文章编号：０３５６（０８０ —２７０１０ —００２０）８１８ —５

基于聚类的混合多目标遗传算法在车辆路径问题中的应用

基于聚类的混合多目标遗传算法在车辆路径问题中的应用摘要：建立了有时间窗口的车辆路径问题多目标优化模型，提出了一种基于聚类的混合多目标优化遗传算法。

该算法采用并列选择方法，用擂台赛法则构造非支配集，并用聚类方法缩小非支配集，避免了求解非凸解的困难，提高了遗传算法搜索速度及避免了“早熟”等不足。

实验结果表明，该算法为解决车辆数不确定的时间窗车辆路径问题提供了一个较为有效的求解方法。

关键词：车辆路径问题；多目标遗传算法；聚类方法；擂台赛法则0 引言车辆路径优化问题（Vehicle Routing Problem VRP）最早是由Dantzig提出的，是现代物流系统中关键的一环，也是运筹学中的一个重要分支，时间窗的车辆路径问题（Vehicle Routing Problem with Time Window, VRPTW）是由一般车辆路径问题演化而来，它是对简单车辆路径问题VRP 的进一步扩展，目前，国内外关于VRPTW 的研究很多，如Braysy O、KIT M、Joe、李军和朗茂祥等。

本文提出一种基于聚类的遗传算法，采用AP 法构造Pareto 解以及混合并行选择算子，从而克服了遗传算法搜索速度慢，局部搜索能力差以及“早熟”的先天性不足。

1 数学模型的建立VRPTW问题的描述：设配送中心有m辆车，车辆集合用V表示，V={k}，其中k=1,2,…，m，m为待定车辆数，车辆k的载重能力均为T；i的货物需求量为q\-i，q\-0=0；要为n Q={i}，i=0,1,…,n，i=0时为配送中心；从客户i到客户j的距离为d\-\{ij\}行驶时间为t\-\{ij\}；且顾客允许服务的时间窗口为\[a\-i,b\-i\]；设c\-\{ij\}为车辆k到达顾客i的时间，则c\-\{ij\}∈\[a\-i,b\-i\]。

如何规划运输线路，使得分派的车辆数m其中，式(2)表示要求总行车路程最短，式(3)表示要求车辆数最少，式(4)表示每个顾客被访问且只被访问1次，式(5)表示车辆不能超载。

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

ｎ
Ｔｉｍｅ，记为Ｃ），以免出现某些工位的任务堆积
而某些工位又形成工时流失的现象。作业分配量按Ｔ位同期化，即要求工位能力均衡，作业时间均衡；产品按一定的速度移动，在移动中装配；线上全体员工同时作业：产品按合理化直线路径向完成方向移动。总装配工艺特点是在一条生产线上同时生产不同车型和品种的汽车，实现混流生产而不是混乱生产。
Ｌｉｎｅ，ＭＭＡＬ）在一定时间内一
条生产线上生产出多种不同型号的产品（同一产品族），产品的品种可以随顾客需求的变化而变化汜］。装配流水线负荷平衡直接关系到设施利用率和生产效率，流水线装配具有产品在移动中组装。各工位同时作业的特点．因而要求将整个总装过程分割成若干独立的装配作业单元。并把这些单元合理安排到流水线的工位上。混流装配线由于能实现“在需要的时候．按需要的量，生产需要的产品”而在工业生产中得到了日益广泛的应用。
ＦｌａｐｐｉｎｇＷｉｎｇＭｉｃｒｏ
Ｖｅｈｉｃｌｅ［Ｚ］．ＡＩＡＡｐａｐｅｒ，２００７．
［６］ＨｅａｔｈｃｏｔｅＳ，ＷａｎｇＺ，ＧｕｒｓｕｌＩ．ＥｆｆｅｃｔｏｆＳｐａｎｗｉｓｅＦｌｅｘｉｂｉｌｉｔｙ
ｏｎ
ＦｌａｐｐｉｎｇＷｉｎｇＰｅｏｐｕｌｓｉｏｎ［Ｚ］．ＡＩＡＡｐａｐｅｒ，２００６．
它方面的约束：由于场地、昂贵设备的限制，一些作业元素只能被分配到固定的工作站，如汽车玻璃安装的
机器人涂胶工位；一些装配作业元素不能（或只能）分配
到同一个工位等。根据装配线规划设计的３个不同阶段．混流装配线的平衡问题ＭＭＡＬＢＰ可以分为：ＭＭＡＬＢＰ一１、ＭＭＡＬＢＰ－２和ＭＭＡＬＢＰ一３三类装配线平衡问题。２．１ＭＭＡＬＢＰ—ｌ类装配线平衡模型在装配线的设计与安装阶段。主要考虑生产能力满足市场需求、系统投资少和装配线效率高等目标。这一阶段的已知信息就是对市场需求的预测和设备的能力．求最小化工位数ｋ。该类装配线平衡问题的模型：已知节拍Ｃ，确定作业元素集Ｅ＝｛１，２…．，，｝的一个划
混合遗传算法在汽车混流装配线平衡中的应用研究木
口曹振新口许少华口朱建昌
浙江师范大学工学院浙江金华３２１００４
摘要：为实现汽车流水装配线各工位任务均衡。分析了汽车总装工艺流程和作业特点。根据装配线平衡问题的不同求解参数和约束条件，建立了３类装配线平衡问题数学模型。以遗传算法为基础，融入模拟退火算法来提高局部搜索效率，提出了混合遗传模拟退火算法。按作业元素分配到工位的先后顺序，用序列编码方案将混合遗传模拟退火算法应用到混流装配线平衡实例中。计算结果表明．该算法求解装配线平衡问题优于传统启发式算法。关键词：混流装配线
Ａｅｒｉａｌ
Ｖｅｈｉｃｌｅ
ｅｒｉｓｔｉｃｓｏｆＦｌａｐｐｉｎｇＷｉｎｇｓｗｉｔｈＡｐｐｌｉｃａｔｉｏｎｓｔｏ
Ａｐｐｌｉｃａｔｉｏｎ［Ｊ］．Ｓｅｎｓｏｒｓ［５］
Ａｄｉｔｙ
ｏｎ
ａｎｄＡｃｔｕａｔｏｒｓＡ，２００１，８９：９５－１０３．ｏｆＳｔｒｏｕｈａｌＮｕｍｂｅｒＥｆｉｅｅｔ
［７］曾锐，昂海松，梅源，等．扑翼柔性及其对气动特性的影响［Ｊ］．计算力学学报，２００５，２６（６）：７５０—７５４．［８］余春锦，昂海松，陈青，等．适合于柔性结构扑翼飞行器的空间非定常涡格法［Ｊ］．南京航空航天大学学报，２００８，４０（４）：
△ （编辑机械制造５２卷第５９９期
功成）
画２０１４／７
２混流装配线平衡问题建模
混流装配线平衡问题（Ｍｉｘｅｄ
Ｂａｌａｎｃｉｎｇ
ＭｏｄｅｌＡｓｓｅｍｂｌｙＬｉｎｅ
分｛＆Ｉｋ＝ｌ，２…．，Ｋ｝，使目标函数：ｍａｘ，＇／＝艺ｔ＿；，（Ｋｃ）甘
ｉ＝１
Ｐｒｏｂｌｅｍ，ＭＭＡＬＢＰ）就是在工艺条件的约束
下，将所有作业序列元素分派到各个工位，使工位数目ｋ和生产节拍Ｃ设置合理，实现工序同期化【引。定义如下符号和变量：ｍ为产品的型号，ｍ＝｛１，２，…，Ｍ｝；如为在一个循环中产品型号ｍ的数量；ｉ为作业元素的集合ｏ．＝｛１，２，…，Ｊ｝）；矗为所有工位的集合（七＝｛１，２， …，Ｋ｝）；＆为分配到工位ｋ的任务集合；ｔｊ。为单位型号ｍ产品装配任务元素ｉ的作业时间；ｔ娃为型号ｍ
厂。丁———————————————一
ｍｉｎｓ＇－－Ｖ２｛ｍａｘ［Ｔ（Ｓｊ）卜ｃＩ：，满足约束条件①②③，
Ｔ
Ｊ
２
１
Ｓ工为装配线平滑系数。
３装配线负荷平衡优化算法
装配线平衡问题（作业优化）是根据工艺流程将，个作业元素分配到ｋ个工位上．是典型的ＮＰ－ｈａｒｄ难题。作业分配问题具有排序和组合分配的特点，在实践中采用启发式算法，如最大候选规则（ＭａｘｉｍｕｍＴｉｍｅ）、分级位置权（Ｒａｎｋｅｄ
万方数据
褴
单位产品在工位ｋ的作业时间（艺
ｉ
Ｅｓ。
‰）；Ｐｉ为装配作业元素，的所有前期作业元素集合；Ｅ为装配作业元素ｉ的所有后期作业元素集合。假设
在计划期刀内．生产ｍ个品种的系
列产品。每个品种的产品需求量是ｄ。，给定ｍ个无回路的有向图Ｇ＝
轨机压线
（Ｅ，Ｐ），节点Ｅ代表作业元素集，弧Ｐ代表装配作业之间的先后关系集。一个节点ｉＥＥＥ有一个值‘，（，＝１，２，…，ｎ）来表示作业时间。装配线的平衡问题就是先将所有品种的先行关系综合为一个综合先行关系图．然后求节点
ｍｉｎ＝ｋ；约束条件：①ＳｎＳ＝囝，（ｉ刊；ｉ４＝１，２…．，Ｋ）；②
Ｕ耻Ｅ，七＝ｌ，２…．，ｒｔ；⑧ｒ（＆）≤Ｃ。
＾
２．２
ＭＭＡＬＢＰ一２类装配线平衡问题一旦新的装配线安装完成．工位数ｋ就有可能确
定。对已存在的生产线进行调整。需要优化装配线的节拍，其目标是最小化循环时间Ｃ。该类装配线平衡问题的模型：已知工作站数Ｋ，确定作业元素集Ｅ＝｛１，２…．，
１
混流汽车总装工艺流程
・教育部人文社会科学研究基金资助项目（编号：０９ＹＪＣ６３０２１１）浙江省自然科学基金资助项目（编号：ＬＹｌ２Ｇ０１００４．．●●。。
ＥｘｐｅｒｉｍｅｎｔａｌＢｉｏｌｏｇｙ，２００３，２０６（４）：７４５—７５７．
４５ｌ—４５５．
［４］Ｐｏｍｓｉｎ－ｓｉｒｉｒａｋ
ＭＥＭＳ
ＴＮ，Ｔａｉ
ＹＣ，ＮａｓｓｅｆＨ，ｅｔａ１．Ｔｉｔａｎｉｕｍ－ａｌｌｏｙｆｏｒ
ａ
［９］Ｖｅｓｔ
ＭＳ．Ｕｎｓｔｅａｄｙ
ＡｅｒｏｄｙｎａｍｉｃｓａｎｄＰｒｏｐｕｌｓｉｖｅＣｈａｒａｅｔ— ＡｖｉａｎＦｉｇｈｔ
Ｗｉｎｇ
Ｔｅｃｈｎｏｌｏｇｙ
Ｍｉｃｒｏ
ＳｉｍｕｌａｔｅｄＡｎｎｅａｌｉｎｇＡｌｇｏｒｉｔｈｍＧｅｎｅｔｉｃ
为：ＧＡ利用ＳＡ得到的解作为初始种群，通过并行化遗传操作，使种群得以进化；ＳＡ对ＧＡ得到的进化种群进行进一步优化．温度较高时表现出较强的概率突跳性，体现为对种群的“粗搜索”，温度较低时演化为趋向局部搜索算法．体现为对种群的“细搜索”。引进模拟退火算法，在温度高时（遗传算法前期），适应度相近的个体产生的后代概率相近；而当温度不断下降后，拉伸作用加强，使适应度相近的个体适应度差异放大，从而使优秀的个体优势更明显。从算法的结构上看出，大致
［Ｄ】．ＳａｎＤｉｅｇｏ：Ｓａｎ
Ｄｉｅｇｏ，ＳｔａｔｅＵｎｉｖｅｒｓｉｔｙ，１９９６．
Ｋ，ＭａｌｏｌａｎＶ．Ｉｎｖｅｓｔｉｇａｔｉｏｎ
Ａｉｒ
［１０］余春锦，昂海松，衣克洪，等．膜扑翼飞行器的研究［Ｊ］．计
算力学学报，２００９，３０（６）：９３５—９４１．［１１］胡明朗，魏瑞轩，崔晓峰，等．仿昆扑翼飞行器的翅膀惯性力分析［Ｊ］．航空动力学报，２００８，２３（７）：１２７９—１２８６．［１２］王伟，邓涛，等．橡胶Ｍｏｏｎｅｙ—Ｒｉｖｉｌｉｎ模型的材料常数确定［Ｊ］．特种橡胶制品，２００４，２５（４）．
（Ｃｙｃｌｅ
目标得到优化，同时满足一定的约束条件。流水线平衡
要满足下面的约束：①优先关系的约束：它是由产品设
计和生产工艺所确定的作业元素之间的加工先后顺序．在生产线平衡中，当且仅当一个作业元素的所有紧
前作业元素被分配完毕，这个作业元素才能被分配；②
节拍的约束：节拍是生产相邻两件产品的时间间隔，每
个工作站的总作业时间在一定的生产节拍之内；③其
中图分类号：ＴＨｌ６５混合遗传算法平衡文献标识码：Ａ
文章编号：１０００—４９９８（２０１４）０７—０４０—０４
随着顾客对产品需求的日益多样化和个性化．产品生命周期不断缩短，促使企业打破传统单一品种和大批量的生产，转向多品种变批量生产…。混流装配线
（ＭｉｘｅｄＭｏｄｅｌＡｓｓｅｍｂｌｙ
现代家用汽车多为承载式车身。主要由发动机、底盘、车身和电器设备４大部分组成［２］。汽车制造装配过程主要由冲压、焊接、涂装和总装组成。混流汽车总装流水线一般由工位和连接这些工位的传动设备构成，主要由内饰线、底盘线、合装线、门分装线及动力总成分装线５部分组成，汽车总装工艺流程如图ｌ所示。汽车总装线上的基本单元是工位（Ｓｔａｔｉｏｎ），工位地址提供物料运送的位置，安排人员并提供服务，同时安排工具和设备。车身内外饰线装配主要安装顶棚、车门附件、仪表板、地板和玻璃、前后保险杠、座椅、发动机附件、操作系统及各种管线连接等；底盘装配线主要装配发动机、动力总成、前后悬架合件、油箱、排气消声器等：合装线主要装配车身与底盘的合装、加注各种液体等：门分装和动力总成分装线主要负责门分装和发动机部件的装配作业。总装配作业，３ｚｌ：程主要是以零部件的安装、紧固为主；其次是连接、压装和加注冷却液、制动液等液体以及整车质量检测等工序。汽车总装车间生产计划部根据订单和作业均衡情
２０１４／７
盘
机械制造５２卷第５９９期
１４１０
万方数据
‘，｝的一个划分｛ＳＩｊ＝ｌ，２…．，．，｝，使目标函数：ｍａｘｒ／＝艺