智能優化算法背景下的設備布局設計分析

張樊 廖列法

（江西理工大學信息工程學院 江西省贛州市 341000）

我國制造系統的設備布局設計過程中如何可以更加高效準確的計算得到設備布局設計結果是十分重要的，并且智能優化算法的因素是當前增加我國制造業在國際市場上的競爭力的主要因素。而智能優化算法可以幫助設備在不同生產條件、制作人員人數不同、制造產品標準等不同數值進行計算，得到更加合理的設備布局設計，在物流運輸成本、產品生產效率和產品生產質量等得到提高[1]。

1 智能優化算法簡介

1.1 遺傳算法

遺傳算法是通過達爾文的進化論和孟德爾的遺傳學說作為基礎進而發展的一種具有自適應能力和全局性的隨機化搜索算法。遺傳算法是一種全局尋優搜索的迭代算法，其不依賴梯度信息[2]。遺傳算法將優化參數如設備數量、生產場地和溫度等數據進行編碼如同生物內基因組成的染色體，然后通過模擬自然界的選擇和遺傳過程，利用選擇算子、交叉算子、變異算子來變換染色體攜帶的信息，經過多次重復的操作產生能夠代表優化函數所需的染色體。遺傳算法通過模擬自然界“優勝劣汰，適者生存”的規律鼓勵好的結構，其只需要利用設備數量、生產場地和溫度等數據的取值信息對設備布局設計進行有指導的搜索。遺傳算法通過群體完成搜索過程，不同于單點搜索，其適應性強，因此適用于大規模、高度非線性的不連續、多峰函數的設備布局設計及優化，由于具有很多搜索軌跡，因此易于并行化，從而進一步提高算法的效率[3]。如圖1 所示。

1.2 人工神經網絡

人工神經網絡簡稱神經網絡，人工神經網絡是通過模擬生物神經網絡的組織結構和運行機制的一種工程系統。人工神經網絡的工作原理是通過人腦的思維邏輯等情況進行模擬，對已有的樣本對人工神經網絡進行訓練，但是因為人工神經網絡中存在諸多的神經元并且整個人工神經網絡中需要存儲海量的信息，使得人工神經網絡可以在面對不確定信息的處理能力。因此，人工神經網絡在進行設備布局設計中可以對生產效率等情況都有優異得表現[4]。

1.3 粒子群優化算法

粒子群優化算法是一種在1995年提出一種通過模擬鳥群覓食行為而進行設計開發的一種群體協作的隨機搜索算法。粒子群優化算法通過將鳥群捕食過程中可以進行交流幫助，位置和陣型等都可以進行有條不紊的變化，并且鳥在運動過程中可以對飛翔的位置高度進行記錄，因此在對設備布局設計過程中可以將影響布局過程中的無關或者冗余的變量進行去除，除此之外還可以對變量進行隨機化處理，使其與鳥群捕食時的運動更加相像，為求得設備布局設計的最優解更添助力[5]。

1.4 模擬退火算法

圖1：遺傳算法

模擬退火算法是在1953年受到物理中固體退火過程中與一般組合優化問題之間的相似性的啟發所提出一種算法，并且在1983年進行優化。模擬退火算法在設備布局設計中的基本思想是從設備數量、生產場地和溫度等數據的初始解開始，在鄰域中隨機產生另一個設備布局設計的數值，與此同時可以接受在相應數據中出現誤差，并且也可能在設計中可能出現計算得到的設備布局設計解并不是最優解，其設計結果可能效果較差的概率，但是在實際應用中模擬退火算法可能在計算過程中逐漸可以得到設備布局設計的最優設計[6]。

2 設備布局設計相關概念

設備布局設計是指將生產設備和輔助設備根據場地、功能和協作配合等將相關設備管道等進行合理的安排放置，保障企業生產工作可以正確順利的開展，并且資源相互傳遞過程中出現的物流成本和時效等都可以做到最小化的設計。而在此過程中最重要的兩個因素是設備的位置和場地的面積。設備布局設計是空間組織問題，通過計算將設備進行搭配，完成生產鏈的循環，減少工業廢物的出現，增加產品的利用率，提升生產效率，節約生產成本，使得制造企業的經濟利益最大化[7]。

在設備布局設計過程需要和其他相關步驟緊密相連并且相互作用相互影響。設備布局不僅深刻的影響著產品的設計、產品工藝，還對物流成本和生產時效等產生深刻影響。設備布局的合理化設計可以使得生產過程中節約能源的消耗，增加對原料的利用率，使得產品的產能、制作率和產品品質表現更加優秀，并且通過其合理化設計使得物流運輸過程中產生的產品運輸損耗、物流成本和產品運輸時間等減少，幫助我國制造業可以更快的進行生產運作，提升產能，為我國在世界制造業競爭力做出卓越貢獻[8]。

設備布局設計常見三種形式。

（1）單行布局是設備布局設計中最簡單最基礎的布局形式。其中又分為線性布局、U 型布局和半圓形布局三種形式。單行布局多常見于單向流程的設備布局設計中，其優點是因為產品一直向同一個方向運動，所產生的運輸費用和運輸時間較少，并且產品等控制方便，但是其在加工過程中零件加工的順序卻不是單向的，會嚴重影響生產效率[9]。

（2）多行布局是在給定的空間范圍內對生產設備進行合理的布置和設計，在多行布局中存在兩個維度及以上的變量，需要滿足生產場地的限制，并且生產設備不能相互重疊等條件，因此在實際進行設備布局設計中需要建立的數學模型較為復雜，需要考慮設備相互配合作用、物流協助、工作內容搭配、工人調休等因素，所建立的數據模型及求解過程也相對繁瑣。其具有設備利用效率高，成本少，占地空間小，生產效率高，物流成本較低等優點。多行布局問題是在實際應用中被廣泛使用的設備布局設計之一。

（3）雙行布局是指所有的工作單元沿著中間的通道進行布置，并且物流環節也是通過其中間的通道進行完成。在雙行布局中存在兩個維度的變量，并且在進行設備布局設計中同樣需要考慮場地的長度和寬度，設計設備的步驟及循環。在雙行布局中影響因素較為明顯，可以考慮全面，數學模型也相對簡單，并且在求解過程中也通常較為簡單。

3 基于智能優化算法的設備布局設計

3.1 自適應遺傳算法在設備布局設計中的應用

在設備布局設計的多行布局問題中，所建立的設備布局設計數學模型可以考慮諸多因素，例如物流成本、時間等進行多方面的優化，而在此過程中使用的自適應遺傳算法可以幫助交叉概率和變異概率隨著相應數值的變化而做出相應的自適應變化，防止在設計設備布局設計過程中陷入局部最優的情況，并且在實際應用過程中使用精英保留策略，將計算過程中所產生的最優解可以進行記錄，避免錯過在計算過程中出現了最優解。通過計算的性能可以表明，在實際計算設備布局設計的時間上收斂速度更快，并且在物流成本及時間等表現更佳，在實際設備布局設計的過程中的有效的解決問題，并且在設計在實際實施的過程中具有較好的可行性。

自適應遺傳算法在進行設備布局設計過程中為了避免占用過大的存儲空間，增加計算過程的時間而影響計算效率，因此在實際應用的過程中多選用實數編碼。將設備布局中所需要用到的裝置和其中需要進行的間距進行編碼，與此同時采用自動換行的策略，將在相同行數的裝置長度在大于空間長度時自動將裝置放到下一行中。除此之外，在進行自適應遺傳算法中計算適應度時需要加入相應的函數進行幫助自適應的實現，協助在計算設備布局設計過程中的劣種解進行去除。然后，將編碼的相應數據作為初始種群放入數學模型中進行計算，得到相應的設備布局設計優秀解進行精英保留，提升了在計算過程中的自適應遺傳算法效率，更快的得到最優解。實際應用過程中通過MATLAB 進行模擬，將自適應遺傳算法與傳統的遺傳算法進行比較，可以發現自適應遺傳算法的優化能力比遺傳算法更強，并且具有更好的收斂速度，在成本的節約與時效的提高上都表現優異。

3.2 遺傳退火算法在設備布局設計中的應用

在設備布局設計的問題是屬于NP 難問題，并且在實際計算求解的過程中所得到的最優解的時間花費較長，因此遺傳退火算法在其中可以進行應用，保障在設備布局的物流成本、時間、生產效率等情況進行優化，通過以物流成本最低為優化目標，將遺傳算法和退火算法相結合，更快的提升收斂速度并且減少陷入局部最優解的困局中，通過設備布局設計的最優化保障制造業企業在實際中生產效率。

在建立模型的過程中，將物流成本作為優化目標進行設計，并且以生產場地的數據、生產設備的相關數據，并且在相應的生產過程中根據要求進行數據約束來建立數據優化模型，例如裝置的數量、可放置裝置的位置數量、運輸原料及產品過程中所需要的成本等設計為矩陣等進行優化。在實驗過程中結合了遺傳退火算法的特點，將相關參數進行設計過程中尤為重要的是確定冷卻進度參數，其需要滿足目標為將所有設備進行加工過程中所需要的循環最少，并且在初始數據的設計中需要對其進行隨機設計，與此同時在得到解之后需要對其進行判斷，如果不是禁忌對象其可以進行下一步的判斷，在滿足條件之后則循環終止。最后對其進行降溫，滿足條件之后退出算法。在實際實驗過程中通過MATLAB 進行編譯進行遺傳退火算法在設備布局設計中仿真實驗，通過實驗結果可以發現，在設備布局設計中實驗數據規模較大的時候，收斂所需要的次數變少，但是在實際進行計算的時間增加，并且可以發現在成本等數值上更佳。

4 結語

隨著我國科技和制造工業的不斷大跨步邁進，我國對制造系統所提的要求和施加的壓力都比較之前更加嚴重，而在科技上的發展使得我國智能優化算法在此過程中可以幫助制造系統的設備布局計算過程可以更快更準確的得到結果。因此，本文詳細的研究了在設備布局設計中應用智能優化算法中的所能起到的作用及其優勢。首先，本文介紹了遺傳算法、人工神經網絡、粒子群優化算法和模擬退火算法等智能優化算法，幫助對其來源及工作原理等進行深度理解。然后，本文通過自適應遺傳算法和遺傳退火算法在設備布局設計中的應用為例，進行詳細的介紹和性能相互比較，表明智能優化算法在設備布局設計中解決問題的優勢。本文通過對智能優化算法在設備布局設計中的詳細分析，為后續相關研究和應用奠定堅實的基礎。