一种求解绿色模块划分的蚁群算法研究_0.docVIP

一种求解绿色模块划分的蚁群算法研究 0 引言 模块化设计是实现大规模批量生产的关键技术，这种技术通过将大量的零件按照对应的属性进行模块组合，可以组合成不同功能和特性的产品，在一定程度上能满足客户特有的要求，同时为大批量的生产奠定基础，提高企业的效率。绿色设计是基于传统设计的层面上，面向产品整个生命周期内，考虑产品环保属性，比如通用性、升级性、回收性、维护性、处理性、污染性、耗能性，并将其以上作为设计目标，同时考虑产品功能结构特性，使得产品的环境友好性在最佳状态。 国内外不泛这方面的研究，文献[5]在确定产品整个生命周期的基础上，采用模拟退火算法进行模块化划分；文献[6]在考虑产品装配/拆卸性能方面，利用遗传算法实现了模块化划分；文献[7]引入聚类和模块密度等概念来进行模块划分。但是基于蚁群算法的求解，几乎是空白，由于蚁群算法有其收敛速度快的优势，能很好的解决大批量零件的模块化组合NP_Hard问题；基于此作者提出了一种绿色模块划分的蚁群优化方法，很好的解决了实际问题。 1 问题描述 一个双梁桥式起重机桥梁作为实例，共有11 个基本单元:1.主梁、2.轨道、3.端梁、4.端梁栏杆、5.走台、6.走台栏杆、7.直梯、8.斜梯、9.司机室平台、10.司机室、11.检验平台；分别用T1、T2、T3、T4、T5、T6、T7、T8、T9、T10、T11表示。将进行模块划分，划分成模块内聚合度最高，模块之间耦合度最低，同时绿色度最大。 2 相关知识和数据 2.1 数据表示说明 功能相关性便于将实现同一功能的基本单元聚合成模块，以提高模块的功能独立性。结构相关性便于实现每种功能所对应的模块在结构上的完整性。它们的相关程度是根据人的经验和知识进行数值来描述。假设功能相关性有属性“很强”“强”“较强”“一般”“无”，分别用10.0,8.0,5.0,2.0,0.0。结构相关性表示类似。零件的绿色性属性大部分用“很好”、“好”、“较好”、“一般”,”差”和“无”6个语言标度度量，分别用10.0,8.0,6.0,4.0,2.0,0.0表示。 2.2 零件属性和相关性数据 假设基本零件单元有七个绿色属性，其中五个绿色属性：通用性、回收性、升级性、维护性和处理性是属性值越大绿色性越好；而后面两个属性：污染性、耗能性是属性值越小绿色性越好。 3 多个目标模型建立 3.1 模块耦合度和内聚度模型 设产品有N个基本单元，则两两模块的总关联度为 ，Fomega; 和Somega; 为功能相关准则的权重系数和结构相关准则的权重系数，fij为功能相关值，sij为结构相关值。 4 问题求解 规划模型为式(1)、式(3)、式(4)三个目标函数，分别是maxC1，minC2，maxG~ ；在此采用加权系数法把多目标转化为单目标求解求最大值，这是个NP组合问题，适合用提出的蚁群优化算法求解。 4.1 基本蚁群算法 蚁群算法的初衷是用于求解TSP问题，然后又有着色问题，作业问题等等组合问题。TSP问题非常类似于蚁群的觅食过程；基于TSP问题的基本蚁群算法步骤如下： 步骤1：初始化各个参数，设置最大迭代次数N，各个路径信息素eta;ij，启发式参数值alpha;,beta;,rho;等； 步骤2：循环迭代开始； 步骤3：将m只蚂蚁随机的放在n个城市上面； 步骤4：设置好禁忌表控制下一个访问城市，保存好访问的城市； 步骤5：根据状态概率公式(5)来计算蚂蚁选择下一个城市j的概率，j是非禁忌表中的城市； 步骤6：选择具有最大状态转移概率的城市，并把该城市标记进禁忌表中，存好城市访问次序； 步骤7：若m只蚂蚁还没有访问完所有的城市，就转步骤5继续执行；否则转步骤8； 步骤8：采用蚁周模型，对路径上的信息素按式(6)~式(8)进行更新； 步骤9：若m只蚂蚁均迭代最大迭代次数则输出结束，否则清空禁忌表，城市访问次序表以及初始化相关值转步骤3。 4.2 提出一种求解蚁群算法 本文提出一种蚁群算法对绿色模块划分优化 进行求解，求解步骤如下： 步骤1：初始化各个参数以及矩阵值，蚂蚁数，迭代次数，初始化信息素；存储好功能相关性值、结构相关性值以及绿色性值；准备好禁忌表和访问表以及模块划分递增表。 步骤2：循环迭代开始。 步骤3：把蚂蚁随机存放在各个顶点上，在这里各个顶点