基于改进蚁群算法的装配序列规划

• 论文 •

基于改进蚁群算法的装配序列规划

史士财，李荣，付宜利，马玉林

1.哈尔滨工业大学机器人技术与系统国家重点实验室，黑龙江哈尔滨150001；2.黑龙江工程学院汽车系，黑龙江哈尔滨150050；3.哈尔滨工业大学现代生产技术中心，黑龙江哈尔滨150001

出版日期:2010-06-15 发布日期:2010-06-25

Assembly sequence planning based on improved ant colony algorithm

SHI Shi-cai， LI Rong， FU Yi-li， MA Yu-lin

1.State Key Laboratory of Robots & System, Harbin Institute of Technology, Harbin 150001, China; 2.Department of Automobile, Heilongjiang Institute of Technology, Harbin 150050, China; 3.Advanced Manufacturing Technology Center, Harbin Institute of Technology, Harbin 150001, China

Online:2010-06-15 Published:2010-06-25

摘要/Abstract

摘要： 针对装配序列规划问题，分析了基本蚁群系统的不足，提出了面向装配序列规划的改进蚁群算法，来获得最优或次最优的装配序列。改进蚁群算法中，将装配操作约束作为启发式信息引入状态转移概率中，通过获取零部件之间的装配关系设定可行转移范围。通过信息素残留系数的动态变化和影响转移概率的α、β参数的动态设置，提高了蚁群的收敛速度并有效地避免了其陷入局部最优解。通过实例验证了改进算法的有效性。

关键词: 蚁群算法, 装配序列规划, 信息素

Abstract: Aiming at Assembly Sequence Planning(ASP)problem, shortcomings of basic ant system were analyzed, an improved Ant Colony Algorithm(ACA)oriented to ASP was proposed to obtain optimal or near optimal assembly sequence. In this algorithm, assembly operation constraint was introduced into the state transfer function as heuristic information. And feasible transition area was set up by obtaining assembly relationship of the parts. By dynamic change of pheromohe trail persistence and dynamic setting of parameters α and β, the convergence speed of ACA was improved and the local optimization was avoided. Finally, the effectiveness was verified by an example.

Key words: ant colony algorithm, assembly sequence planning, pheromone, optimization

中图分类号:

TP24

史士财，李荣，付宜利，马玉林. 基于改进蚁群算法的装配序列规划[J]. .

SHI Shi-cai， LI Rong， FU Yi-li， MA Yu-lin. Assembly sequence planning based on improved ant colony algorithm[J]. .

[1]	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.
[2]	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.
[3]	王豆,段晓强,邵晓东,高峰. 一种反射面天线面板装配优化方法[J]. 计算机集成制造系统, 2020, 26(6): 1679-1690.
[4]	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.
[5]	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.
[6]	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.
[7]	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.
[8]	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.
[9]	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.
[10]	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.
[11]	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.
[12]	刘江伟,郭宇,查珊珊,王发麟,章诗晨. 基于改进粒子群算法的多工位装配序列规划[J]. 计算机集成制造系统, 2018, 24(第11): 2701-2711.
[13]	杨玮,刘江,高贺云. 堆垛机式密集仓储系统复合作业三维空间路径优化[J]. 计算机集成制造系统, 2017, 23(第7期): 1552-1560.
[14]	王豆,邵晓东,刘焕玲,葛晓波. 基于混合算法的反射面天线面板装配序列规划[J]. 计算机集成制造系统, 2017, 23(第6期): 1243-1252.
[15]	王磊,郭顺生,李西兴,杜百岗,彭兆. 基于改进蚁群算法的多主体制造资源配置冲突协调方法[J]. 计算机集成制造系统, 2017, 23(第12): 2561-2570.