工艺管理
一种基于自适应蚁群算法的产品配置方案
上海200245）
杜浩明吉晓乐（上海电机学院高等职业技术学院
摘要：在大规模定制生产模式下，企业面对复杂产品配置问题。在基于数群算法实现产品配置求解方策的过程中，
针对参段选取对于效群算法性能的影响选行了研究，给出了基于白适应效群算法的产品配置求解方案，仿真实验验证了该算法策略不仅能保持数群算法较为精确的求解性能，且在算法的全局接索能力和收效速度上部取得了较好的平衡。
关键调：产品配置多日标优化白速应效群算法
产品配置是一项复杂的系统工程，涉及到企业的产品、技术、决策、操作、管理、设计等各个方面。基于此，产品配置技术领域的研究和系统都成为了当今社会共同关注的焦点间题
在产品配置求解技术的研究领域，传统的产品配置求解技术是有基于约束满足问题，基于规则满足间题和基于结构满足间题等类型。然而在现有市场的驱动下，企业和客户对于产品的需求和目标日趋多元化，产品配置间题往往是多约束、多目标的优化间题，是一种典型的NP间题
因此，本文针对伤生智能优化算法中一种较为典型的蚊样算法，对其中的信息启发式因子α、期望启发式固子β和蚁群遗留信息素强度T等会对蚊群算法寻优过程产生较大影响的算法参数进行研究，提出一种自动调整算法重要参数的策略，使人们在解决多目标产品配置方案的求解工作中，即可以获得较好的全局搜索能力又可以得到精确的求解性能。
一、基于双群算法实现产品配置求解方案
本文提出基于蚁群算法求解产品配置组合优化的基本模型为：将产品配置系统定义为一个由各生产功能模块所组成的网络化结构，将产品分解为独立的模块，这些模块对配置系统都具有各类参数，将产品定制生产任务在各路径上的选择过程定义为蚁群的行走过程，
针对本文所面对的现代制造领域下各种可能的相互制约、基至相互矛盾的需求和目标，算法难以使各分目标同时达到最优。为实现总体最优，企业可根据功能模块化划分和模期决策方案建立产品配置方案的数学模型，使产品的各向量目标加权求和形成一个统一的目标函数。
算法优化配置目标函数的数学规划模型为： +++um
(2)
式中,min之为最小综合评价系数差值，r代表权重，u为权重项数量，n为自然数，II代表由功能模块节点I(元素)转移到下个任意功能模块节点(元素)的路径(I口)，为相邻节点的路径长度，v为权重等级划分数量
当蚂蚊在行进过程中，根据各条路径上的信息素强度来决定下一步所行进的路径，采用P(t)表示在时刻t第h个蚂蚁由现阶段所在功能模块节点I(元素)转移到下一个任意功能模块节点Ⅱ(元素），并以此为依据建立算法的转移概率函数：
() ++()Fa+()Fd = ( (e)
Ean ·
若 allosed
pu(t) =
0
3) 4>
223
式中，T()为信息量函数：u(t）为启发函数， m(t)=
d.dg为相邻节点的路径长度，在产品配置中代表
不同模块节点参数的差异8为信息启发式因子，表示轨迹的相对重要性，其值越大，蚂蚁间协作越强；β为期望启发式因子，表示能见度的相对重要性，其值越大，转移概率越接近贪心规则；S Callowed表示下一步蚂蚁允许行进的功能模块节点（元素）集合。
本文采用Dorigo M提出的第三种Ant-Density模型，设蚊蚁群数目为：
T，若第只好级在t肚+1之同进过生产路轻
4r(t)
l,
efse
()
式中，4（t)表示第h只蚂敦在本次循环中留在路径(1、)上的信息素量，T为蚊群遗留信息素的强度，代表已生成的产品配置方案的吸引力，信息素更新规则如下：
fm/ut +n) =(Ip)xTm(r)+4rm(r), 4tm(t) = 式中,信息素挥发系数pC[0,1)。
蚂蚁选择转移到哪个功能模块节点由伪随机概率选择规则(产品配置中采用某配置模块的概率)来决定。在这种规则下，每当蚂蚁要选择转移的功能模块节点时，就会产生一个在[0,1]内的随机数，算法根据该随机数确定蚂敦移动方向，即
=
ar
a
（e，
0 香期
(7)
其中,9为一个在区间(0,1)之间的随机数，9。为一个在区间(0,1)之间的常数。
二、蚁群算法的性能分析
蚊群算法在产品配置中的寻优机制主要包含了适应和协作两个基本阶段：在适应阶段，主要在于“探索"间题空间的可行解；在协作阶段，在于“利用"蚂蚁样体内的有效信息来获得性能更为优异的可行解，
在两者之间建立起一个较好的平衡关系是提高算法的有效措施。其中，蚁群算法参数的选取方法和选取原则对于其求解性能和求解效率影响巨大，当间题规模较大时，对算法性能的影响将尤为明显。
但参数α和β的选取具有较为复杂的双重性。本文在算法初始阶段将参数α和B设置为较小值，使算法在起始时获得个较大的求解空间，使算法的随机性发挥一定的作用；在算法后期，线性地增大参数和β设值，增强算法的正反馈机制，使法逐渐向较优解的路径上集中，提高算法的收敛效率。设循环次数为N。.最大循环次数为N...本文对参数α和β作以下改进：