蚁群算法及灰色理论在制造资源配置中的应用

• 论文 •

蚁群算法及灰色理论在制造资源配置中的应用

房亚东，杜来红，和延立

1.西安工业大学机电工程学院，陕西西安710032；2.西安财经学院信息学院，陕西西安710061；3.西北工业大学现代设计与集成制造教育部重点实验室，陕西西安710072

出版日期:2009-04-15 发布日期:2009-04-25

Application of ant colony algorithm and grey relation theory in manufacturing resource optimization configuration

FANG Ya-dong, DU Lai-hong, HE Yan-li

1.School of Mechatronics, Xi'an Technological University, Xian 710032, China;2.School of Information, Xi'an University of Finance and Economics, Xian 710061, China;3.The Key Lab of Contemporary Design and Integrated Manufacturing Technology,Northwestern Polytechnic University, Xi'an 710072, China

Online:2009-04-15 Published:2009-04-25

摘要/Abstract

摘要： 为了优化网络化制造环境下的制造资源配置问题，提出了一种将灰色关联理论和蚁群算法相结合的资源优化选择求解方式。在该求解方式中，首先根据工艺规划将零件加工任务分解为按照时间先后排列的工序集；然后在每个工序节点上利用灰色关联理论解决多目标决策问题中的优势，通过多层次灰色关联系数的确定，筛选出一定数量满足要求的候选制造资源，从而缩小问题域的范围；最后利用蚁群算法从运输成本角度出发，寻找零件加工最优的制造资源选择路径，以实现网络化制造中制造资源的优化配置。

关键词: 制造资源, 优化配置, 灰色关联, 蚁群算法, 网络化制造

Abstract: In order to resolve manufacturing resource optimization configuration problem under networked manufacturing environment, a hybrid optimization method of resource selection based on grey relation theory and ant colony algorithm was proposed. Manufacturing tasks were firstly decomposed into sets of working procedures in time order by process planning. Then considerable candidate manufacturing resources were selected in terms of multi-hierarchy grey relation coefficient at each working procedure node to reduce the size of problem. Lastly, manufacturing resource configuration path was decided by making use of ant colony algorithm,in light of transportation cost to realize resource optimization configuration under networked manufacturing.

Key words: manufacturing resource, optimization deployment, grey relation theory, ant colony algorithm, networked manufacturing

中图分类号:

TP391

房亚东，杜来红，和延立. 蚁群算法及灰色理论在制造资源配置中的应用[J]. .

FANG Ya-dong, DU Lai-hong, HE Yan-li. Application of ant colony algorithm and grey relation theory in manufacturing resource optimization configuration[J]. .

[1]	淮文博,史耀耀,蔺小军. 整体叶盘自适应柔性抛光效率优化[J]. 计算机集成制造系统, 2021, 27(6): 1550-1557.
[2]	刘德,史耀耀,蔺小军,鲜超,谷志阳. 叶片抛光表面粗糙度与残余应力优化分析[J]. 计算机集成制造系统, 2021, 27(5): 1328-1340.
[3]	曾鹏飞,刘辉. 基于二次相似性度量的即时学习转炉炼钢终点碳温软测量方法[J]. 计算机集成制造系统, 2021, 27(5): 1429-1439.
[4]	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.
[5]	耿秀丽,杨珍. 基于灰色关联预测与信任云混合算法的方案推荐[J]. 计算机集成制造系统, 2020, 26(第4): 980-988.
[6]	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.
[7]	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.
[8]	孙士平,杨威,胡政. 基于动态遗传神经网络和灰色关联的板料成形多目标优化[J]. 计算机集成制造系统, 2020, 26(12): 3399-3407.
[9]	吴家贝,常建娥,张峰. 基于病毒传播模型的制造系统关键资源识别指标评价[J]. 计算机集成制造系统, 2020, 26(11): 2955-2964.
[10]	熊晓琼,李智豪,李昇平. 基于改进灰色TOPSIS模型的信号—响应系统稳健参数设计[J]. 计算机集成制造系统, 2020, 26(10): 2723-2734.
[11]	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.
[12]	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.
[13]	陈友玲,牛禹霏,刘舰,左丽丹,王龙. 面向云制造的多供应商协同生产任务分配优化[J]. 计算机集成制造系统, 2019, 25(第7): 1806-1816.
[14]	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.
[15]	于超,樊治平. 基于顾客在线评论的服务要素优化配置方法[J]. 计算机集成制造系统, 2019, 25(第3): 714-725.