用遗传算法解决设施布局问题毕业课程设计外文文献翻译、中英文翻译、外文翻译

O 2, 19210 2 006; 3 006) of of a is a to a to of in so of is to in . an in of is of or in of in an a of be of in to to in at of or of in (1) of (2) (3) of A of be as In a of to be to of of to in of be a of be to of is it to a to as be to of a an by of to a . of is to S 0% 0% of on an by at 0%2,3. to or of On a to or of on in to To to of 4,5 be to (1) of 2) of or to A is of on to is to in in on a s). is of of In of to of An of of in or of a in to of is by a of of of of of is in of a . in is to to a a is is of to of 2. he of as as in in to in of or to be a of be On as of to is by in of On be as a of of is as of of to a of of of on of in 7(990). do of of a a . is by in of of or in MS of is to of is it is if to a of a s of it is to by of up to of 0. In of of it is to 8. 3. he it is as an An of of is be as a of to 9. it is to be in an of is by a in of in to As be to to at as 10. of is by of of of A of to of be of on to a of to be to of is in in of it be or of of is 4. be as on of 11. to to as of in 960s 11. As of of of At in by of in of As 12. A in an of on a to in of as of a a of to or at to a of a of as at of by a of an is by , a 5. an As to is an in as as of in A of by is a of of in on C A in to 13, 14 6 is of to is to of is 40995 63200), of . ., ., ., A of to 2002, 34, 5972. 1996, 15,3513. 1992, 63, 3224. 1995,9, 2015. ., 2002 11, 356. . A of 2004, 47, 2337. ., 1990 ( 8. ., ., ., by 2004, 157 1509. ., ., ., O., of 988, 43, 110. ., ., J. 1987, 29, 22911. 1975 ( 12. ., ., 2000, 9, 21713. ., A of on 1994, 26(3),53714. A 1998, 1(1 113 用遗传算法解决设施布局问题 摘要 :设施布局问题需要大量的，离散空间的有效研究。生产现场有效的布局规划对于任何 项目都是根本任务。本文介绍了一种遗传算法（ 解决制造系统的设施布局设计的最优化，使材料处理成本最小化。通过文献中选的问题对启发式算法的性能进行了测试。计算结果表明，该方法相比，许多现有的算法在这方面产生更好的效果。与现有的许多研究方法相比，该方法在此领域的效果更好。 关键词 ：设施布局 ； 敏捷制造 ； 随机规划 1 引言 元件布局在许多工程产品的设计和可用性方面都扮演着很重要的角色。布局问题也归类在包装，包装，配置，集装箱，货盘装载或空间等文献的标题下。这个问题涉及的组件放置在一个可用的空间中，使得一组 目标可以优化，同时满足性能约束的可选的空间。 目前在一般的机械布局过程中，设计师可以利用的工具大多还停留在手动调节和视觉反馈的协助下的物理或电子模型阶段。 机械和机电布局流程自动化的困难源于：（ 1）造型的设计目标和约束 ； （ 2）的限制 ； （ 3）确定适当的优化搜索策略。 许多的设计目标可以建模如布局目标。此外，一组的限制往往必须被满足，以确保布局的适用性。在合理的时间内，高效的计算目标和约束条件是解决的布局问题所必需的，然而分析目标和约束条件的需要大量的计算和评估才能得到交点。布局问题的搜索空间是非线性的和多模式 ，确定一个合适的算法来导航空间和找到质量好的解决方案是至关重要的。 通常布局目标制定成目标函数。目标可能反映了成本，质量，性能和服务的要求。各种约束可能是必要的指定组件之间的空间关系，元件的规格，目标，约束，拓扑连接定义一个布局的问题，优化搜索算法的问题，通过评估设计方案和不断变化的设计状态来制定和确定可行的解决方案。目标的分析和约束的变化从一个问题到另一个问题，然而，优化搜索技术、几何表示和结果干扰评价都是独立的课题，因此，一个通用的布局工具成为了焦点。 设计问题的主要目的是与生产及物料运动的布局，半导体 制造和服务中心的布局，尽量减少成本。美国制造商的总经营开支的 20至 50之间，用于材料处理和适当的设施设计，至少可以减少这些成本 10 由于不正确的决策改变设备设计，预测或假定通常涉及大量的成本，时间和破坏活动。另一方面，良好的设计决策，就可以收获长期的经济和经营效益。因此，关键的环节是设计，容易翻译成物理现实和是“健壮”从假设出发的设计。 项目经理或策划者通常是在他 /她自己的知识和专业技能的基础上执行编制布局的任务。很明显，这可能会导致从一个人到另一个人布局明显不同的结果。为了把这个任务分解成 更多的角度，研究人员已经推出了系统地规划生产现场布局的不同的方法。 设施布局规划的分类一般根据两个主要的特征：（ 1）设施分配方法（ 2）布局规划技术设施布局规划。 数学技术通常包括一个或多个目标的识别寻求的布局要努力实现。一种被广泛使用的目标是尽量减少现场的运输成本。这些目标通常数学家被解释为“目标函数”，然后根据问题的具体限制，优化该目标函数生产所需的布局。系统利用知识为基础的技术，相反，提供协助规划者布局规划的规则，而不是完全基于一个指定的优化目标的执行过程。 通常情况下选择的合格函数是搬运工件的最低总成 本。在一般情况下，这些费用是运输成本的总和（这些是成比例的流的强度和距离）及其他成本。 一个有效的设备布局设计可以降低生产交货时间，并提高了吞吐量，从而提高整体的生产力和效率的工厂。制造系统中主要的布置类型有：流线或单线，多线，半圆形和环路布局。选择一个特定的布局意味着哪些部分从一台机器移动到另一台机器的方式。设备布局的选择受多个因素的影响，即机器的数量，可用的空间，操作序列的相似性和使用的材料处理系统。有许多类型的材料搬运设备，包括自动搬运车，输送系统，机器人，和其他。材料搬运设备的选择对于一个现代制造工 厂中的设计是很重要的。 整机布局设计中的问题是分配一个给定的布局的位置，如给定的性能指标等是优化的。这里使用的措施要尽量减少材料处理成本。这个问题属于非多项式硬盘（ 的。问题复杂性的增加与可能的机器位置的数目呈倍数关系。 2 布局空间特性和解决方法 工厂布局的问题，涉及分配不同的部门，设备，和物理资源在设施中尽可能的最优化，为了在产品或服务方面提供更大的效率，实现的目标是在处理上述的问题时可以从两个角度进行描述。一方面，许多研究人员描述该问题的作为一个优化的产品流，从原材料阶段到最终产品。这是 通过总的材料处理成本最小化。在这个意义上解决问题，需要知道部门之间的距离（通常是从他们的重心），部门与部门之间的旅行的数目，以及单位成本。 另一方面，布局可以被认为是一个设计问题。从这个角度来看，解决这个问题不仅涉及收集上述的量化信息也包括定性信息，例如，不同的部门是如何从图邻接点有关。 布局空间被定义为映射针对每个配置的成本的配置空间的数学表达式。确定性算法是无法接近最优的解决方案为全球导航这样的空间，并随机算法通常需要良好的质量的解决方案。 安排的工作装置的方式，在很大程度上取决于生产的类型。 问题在多项式时间是不可解（ 精确的数学解决方案不存在这样的问题。这样问题的复杂性与设备的数量呈倍数关系。比如，一个灵活的制造系统（ 成的 N 机器将包括解空间的大小 ，随机搜索），但实际经验表明，不管是人类还是计算机解决能力的方式都超过安排在 个元素的数目。当 N 很大时，它是困难的，在合理的时间内产生最佳的解决方案是不可能的，即使有一个功能强大的计算机的支持。以今天的现代计算机的计算能 力寻找检查某处总空间尺寸为 10 的最优解决方案是可能的。在大尺寸的问题的情况下使用复杂的解决方法是必要的，而在研究解决空间要以某种限制自己的方式，并利用可能已经研究的解决方案。 3 布局搜索算法 布局的问题可以有不同的配方，但它通常是抽象为一个优化问题。寻求成本降至最低成本，并满足一定的放置要求的元件坐标和方向的分配。这个问题可以被看作是一个推广的二次分配问题，因此属于 题之类的。因此它准确的解决总体布局的问题是极不可能的，可以得到的量的时间范围内的大小的问题中的一个多项式，导致大问题的计算时间望 而却步。启发式算法通常用来生成可以接受的解决方案。将要讨论的，一般的算法通常需要一定程度的（随机的）干扰以避免局部最优解。在过去三年已经提出了各种模型和解决方法。 介绍了在合理的计算时间内针对大问题用启发式技术寻求接近最优的解决方案，覆盖几个公知的方法，如改善，建筑和混合方法，图的理论方法。然而，许多研究人员认为区域研究仍然是很有趣的，因为今天的问题通过新方法和现代计算机强大的计算能力的应用都解决了。各种的优化算法已应用于的布局问题。一些方法对于特定类型的问题可能是有效率的，但往往在部件的几何形状， 允许程度的自由，制定目标函数受到限制。其他适用于更广泛的问题，望而却步计算时间长，但可能需要解决简单的问题。布局算法根据设计空间探索使用的搜索策略可以分为不同的类别。 4 遗传算法 遗传算法（ 以被定义为基于进化的元启发式自然生态系统的过程。自成立以来，已应用于许多优化问题的高度可以接受的结果。遗传算法是新