第3期 2017年3月
组合机床与自动化加工技术
Modular Machine Tool & Automatic Manufacturing Technique
文章编号：10012265(2017)03006004
DOI: 10. 13462/j. cenki. mmtamt. 2017. 03. 016
No.3 Mar.2017
大批量定制下产品配置的差分元胞遗传改进算法
屈新怀，何升波，丁必荣，许吕
（合肥工业大学机械工程学院，合肥230009）
摘要：针对多目标产品配置方策等优问题，构建了性能、价格、交货期的优化配置数学模型，考虑配置模块的互斥互补约束、个性化约束，采用基于改进差分元胞遗传算法求解最优配置。该算法根据邻居非支配解个体情况，选择不同的差分交文策略，同时使用基于信息摘的优势个体评价准则更新中心个体，提高该算法的全局优能力和收效速度。最后通过相关算例对比，验证改进算法的可行性并用于实际配置问题求解。
关键词：产品配置：差分元胞遗传算法；多目标
中图分类号：TH161;TG506
文献标识码：A
Improved Differential Evolution Cellular Genetic Algorithm for
Product Configuration under Mass Customization QU Xin-huai, HE Sheng-bo, DING Bi-rong, XU Chang
( School of Machinery Engineering, Hefei University of Technology, Hefei 230009, China)
Abstract : This paper build a mathematic model of performance, price, and delivery time for the optimal so-lutions of multi-objective product configuration. In view of the incompatible and complementary constraints, personalized constraints, the optimal product configuration which used to improve the differential evolution cellular genetic algorithm is adopted. According to the neighbor non dominated solutions, the algorithm chooses different differential crossover strategies. At the same time , central individuals are updated by using the rule of advanced individual evaluation which is based on information entropy,then the global optimization ability and convergence speed of the algorithm are improved. At last, this paper verifies the feasibility of the improved algorithm by comparison with relevant examples, and applies it to the actual configuration problem solving.
Key words: product configuration; differential evolution cellular genetic algorithm; multi-objective
0引言
大批量定制是以大批量生产的成本和速度，提供定制的个性化产品和服务的生产模式1。产品配置是实施大批量定制的关键环节，它的实现基于灵活的配置模型和有效的求解方法2}。随着卖方市场向买方市场的转变，满足个性化需求的产品配置方案逐渐成为制造业的战略选择，其研究具有十分重要的理论和实践意义。WeiW等[3)构建性能、成本、交货期目标，在满足目标和模块约束条件下应用改进的非支配排序遗传算法(NSGA-II)进行配置。柳吉庆(4/以性能、成本、交货期为目标采用基于小生境的非支配排序遗传算法(NSGA-NT）求解欠约束条件下的最优配置。许波枪3等考虑产品虚拟特征基因选择、配合、相关性、成本和权重约束，应用蚁群算法（ACO）求解配置。以上
研究取得了一定的研究成果，但通过归纳分析发现还存在以下不足：配置约束不能完全满足客户的个性化需求；算法有效性不佳。元胞遗传算法能够实现全局探索和局部寻优之间的良好平衡，差分元胞遗传算法7将差分算法与元胞遗传算法相结合，改进后的多策略差分元胞遗传算法更加适合于高维复杂多目标优化问题的求解"。本文充分考虑配置建模的产品和客户个性化约束，提出改进多策略差分元胞遗传算法，通过对比分析验证算法有效性，并将其用于产品配置求解，同时推荐多种配置方案供客户选择。
1产品配置优化模型 1.1产品配置问题描述
产品的配置模块分为必选模块和选配模块，必选模块可细分为两类：必选单项模块和必选多项模块
收稿日期：20160705；修回日期：201608-13
作者简介：届新怀(1971一），男，安徽金案人，合肥工业大学博士，副教授，预士生导师，研究方向为企业信息化工程、数字化管理理论及应用、系统
6(E mail)987175647@ qq- com.
万方数据