基于蚁群算法的零件多工艺路线决策方法研究

• 论文 •

基于蚁群算法的零件多工艺路线决策方法研究

田颖，江平宇，周光辉，屈挺

1.西安交通大学机械制造系统工程国家重点实验室,陕西西安 710049；2.西安交通大学机械工程学院CAD/CAM研究所,陕西西安 710049；3.香港大学工业及制造系统工程系,香港 999077

收稿日期:2005-07-18 修回日期:2005-11-23 出版日期:2006-06-15 发布日期:2006-06-25
基金资助:
教育部新世纪优秀人才支持计划资助项目（NCET-04-0928）。

Research on part multiple process routes decision-making based on ant colony algorithm

TIAN Ying,JIANG Ping-yu,ZHOU Guang-hui,QU Ting

1.State Key Lab of Mechanical Manufacturing Systems Eng., Xian Jiaotong Univ., Xian 710049, China;2.CAD/CAM Inst., Sch. of Mechanical Eng., Xian Jiaotong Univ., Xian 710049, China;3.Dep. of Industrial & Manufacturing Systems Eng., The Univ. of Hongkong, Hongkong 999077, China

Received:2005-07-18 Revised:2005-11-23 Online:2006-06-15 Published:2006-06-25
Supported by:
Project supported by the Program for New Century Excellent Talents in University by Ministry of Education，China(No.NCET-04-0928).

摘要/Abstract

摘要： 为满足企业对工艺规划的新需求，提出了采用蚁群算法进行多工艺路线决策的方法。在几何和技术需求以及可用加工资源的基础上，零件所有特征的各个加工阶段的工序节点构成了工艺求解空间，把加工工序安排的基本原理作为决策加工顺序的约束。采用蚁群算法对工艺求解空间中的所有工序节点在搜索规则的约束作用下进行遍历，最终寻找到能够完全满足工序节点搜索规则的优化工序序列。最后，用实例验证了该方法的可行性，证明该方法可以搜索出可行的工艺路线。

关键词: 蚁群算法, 工艺规划, 多工艺路线

Abstract: To satisfy new requirements of process planning for enterprises, a method of multiple process routes decision- making using Ant Colony Algorithm (ACA) was proposed. Based on geometrical and technological requirements and the available machining resources, the solution space for process planning was formed by all the procedure-nodes of components characteristics. Basic principles of process planning were identified as constraints for operation sequences. All procedure-nodes in solution space were searched through ACA under search rules constraints so as to find the optimal procedure sequence, which was completely conforming to search rules of procedure-nodes.. Finally, an example was presented to verify the feasibility of this method. The result showed that the ACA was able to find the feasible process routes for a given part.

Key words: ant colony algorithm, process planning, multiple planning route, procedure-node

中图分类号:

TH166

田颖,，江平宇,，周光辉,，屈挺. 基于蚁群算法的零件多工艺路线决策方法研究[J]. .

TIAN Ying,,JIANG Ping-yu,,ZHOU Guang-hui,,QU Ting. Research on part multiple process routes decision-making based on ant colony algorithm[J]. .

[1]	李娟莉,沈宏达,谢嘉成,李梦辉,姜朔. 基于数字孪生的综采工作面工业虚拟服务系统[J]. 计算机集成制造系统, 2021, 27(2): 445-455.
[2]	徐兴,钱誉钦,赵芸,张云,陈小依,吕晓姝. 基于改进蚁群算法的立体仓库三维空间路径优化[J]. 计算机集成制造系统, 2021, 27(1): 207-214.
[3]	张玉茹,王晨旸. 引入变异算子的改进贪心和蚁群混合算法[J]. 计算机集成制造系统, 2020, 26(第3): 860-870.
[4]	李聪波,寇阳,雷焱绯,肖溱鸽,李玲玲. 基于动态事件的柔性作业车间重调度节能优化[J]. 计算机集成制造系统, 2020, 26(第2): 288-299.
[5]	徐小斐,陈婧,饶运清,孟荣华,袁博,罗强. 迁移蚁群强化学习算法及其在矩形排样中的应用[J]. 计算机集成制造系统, 2020, 26(12): 3236-3247.
[6]	窦建平,李俊,苏春. 基于可行工序序列遗传算法的工序排序优化[J]. 计算机集成制造系统, 2019, 25(第8): 1981-1990.
[7]	周翔,许茂增,吕奇光,李丹. 基于客户点行政地址的自提点选址—路径优化[J]. 计算机集成制造系统, 2019, 25(第8): 2069-2078.
[8]	杜轩,潘志成. 聚类差分进化算法求解多目标工艺规划与调度集成问题[J]. 计算机集成制造系统, 2019, 25(第7): 1729-1738.
[9]	白建龙,陈瀚宁,胡亚宝,何茂伟,梁晓丹,PARK Dongwon. 基于负反馈机制的蚁群算法及其在机器人路径规划中的应用[J]. 计算机集成制造系统, 2019, 25(第7): 1767-1774.
[10]	黎继子,张念,刘春玲. 基于全渠道设计的众包供应链订单生产决策优化[J]. 计算机集成制造系统, 2019, 25(第5): 1248-1258.
[11]	陈友玲,刘舰,凌磊,王龙. 基于协同效应的并行制造云服务组合算法[J]. 计算机集成制造系统, 2019, 25(第1): 137-146.
[12]	范厚明,杨翔,李荡,李阳,刘鹏程,吴嘉鑫. 基于生鲜品多中心联合配送的半开放式车辆路径问题[J]. 计算机集成制造系统, 2019, 25(第1): 256-266.
[13]	贺德强,罗安,邓建新,谭文举. 列车转向架关键部件预防性维修决策优化模型[J]. 计算机集成制造系统, 2018, 24(第5): 1155-1161.
[14]	黄学文,张晓彤,艾亚晴. 基于蚁群算法的多加工路线柔性车间调度问题[J]. 计算机集成制造系统, 2018, 24(第3): 558-569.
[15]	李聪波,雷焱绯,肖溱鸽,沈欢. 面向广义能耗的柔性作业车间调度优化模型[J]. 计算机集成制造系统, 2018, 24(第12): 3050-3059.