一种基于神经网络和遗传算法的飞机装配线资源配置优化方法与流程

技术特征：
1.一种基于神经网络和遗传算法的飞机装配线资源配置优化方法，其特征在于：包括以下步骤：步骤1：选取关键资源的配置数量作为设计变量，同时确定优化目标：步骤1.1：选取设计变量：选取飞机装配线中n种关键资源作为配置优化的对象，该n种资源在m个装配工作站位的分配数量作为设计变量，得到的一种资源配置方案rl表示为rl＝{w
i,j
|i＝1,2,
…
,m,j＝1,2,
…
,n},其中w
i,j
表示第j种资源在第i站位的分配数量；步骤1.2：确定优化目标：以最小化飞机装配线生产节拍ct、站位间平衡延迟率bd和资源总数y作为资源配置优化的目标；步骤1.3：建立多目标优化数学模型：以三个优化目标最小化为目标函数，将预设的生产节拍需求ct
pre
和资源最大可用总数y
up
作为约束条件，优化数学模型为：其中，x为设计变量，f1,f2,f3为目标函数，x
min
和x
max
为设计变量的上、下限；步骤2：获取训练样本：步骤2.1：在设计变量的上、下限之间，生成若干组资源配置方案；步骤2.2：利用离散事件仿真技术建立飞机装配线的仿真模型，将步骤2.1生成的资源配置方案输入仿真模型，通过仿真运行获取每一组资源配置方案下飞机装配线的生产节拍和站位间平衡延迟率作为样本标签；步骤2.3：步骤2.1生成的若干组资源配置方案与步骤2.2获得的对应样本标签组成了样本库，按照一定的比例将样本库中的样本分为训练集和测试集；步骤3：构建神经网络并利用训练集训练神经网络：将设计变量x作为神经网络输入层；构建两个输入节点相同的神经网络分别输出ct与bd；两个神经网络都拥有一个包含m
×
n个神经元的输入层和一个包含一个神经元的输出层，以及中间的隐藏层；采用步骤2.3中得到的训练集，训练两个神经网络；步骤4：利用快速非支配排序遗传算法进行优化求解：步骤4.1：确定初始种群的规模大小；基于设计变量的上、下限产生初始种群，种群中每一个个体代表一种资源配置方案；步骤4.2：利用两个神经网络以及资源总数计算公式来计算种群中所有个体的三个目标函数值，基于目标函数的计算结果对每一个个体进行快速非支配排序以及拥挤度的计算。由此在当前种群中每一个个体都拥有两个属性值：分支配排序等级和拥挤度；步骤4.3：采用快速非支配排序遗传算法，依据所述两个属性值对种群中所有个体进行两两比较，当两个个体属于不同的非支配排序等级，则将排序等级更低的个体视为更优；当
两个个体属于相同的非支配排序等级，再比较拥挤度，将拥挤度值更大的个体视为更优；由此种群中所有个体全部进行了优劣性排序，然后对当前种群进行交叉、变异操作，获得种群大小相同的子代种群；再将父子代种群组合执行精英保留策略；然后将种群代数加一，再返回步骤4.2重复上述步骤进行迭代优化，直至种群代数达到预先设定的最大代数，输出此时的种群作为一组帕累托最优的资源配置方案集；步骤5：根据约束条件ct
pre
和y
up
，通过如下步骤在帕累托最优的资源配置方案集中筛选最优的资源配置方案：淘汰生产节拍不达标的资源配置方案，淘汰资源总数超过最大限制的资源配置方案；之后如果资源配置方案集中无剩余方案，则输出当前生产需求与约束条件下没有可行的资源配置方案；如果资源配置方案集中还有单个剩余的方案，则直接输出该方案；如果资源配置方案集中还有多个剩余的方案，则从多个剩余方案中选择其中bd值最小的方案作为最优资源配置方案输出。2.根据权利要求1所述一种基于神经网络和遗传算法的飞机装配线资源配置优化方法，其特征在于：步骤2.1中，采取随机设计的方法，在设计变量的上、下限之间，随机生成若干组资源配置方案。3.根据权利要求1所述一种基于神经网络和遗传算法的飞机装配线资源配置优化方法，其特征在于：步骤3中，神经网络采用bp神经网络。4.根据权利要求3所述一种基于神经网络和遗传算法的飞机装配线资源配置优化方法，其特征在于：步骤3中，神经网络中间隐藏层个数以及其中各层神经元的个数通过实验来确定，具体实验方法为设计多种结构的神经网络模型，它们分别具有不同的隐藏层数和神经元个数，分别测试它们在同一组测试集上的预测准确度，依据实验结果选取预测准确度最高的神经网络。5.根据权利要求4所述一种基于神经网络和遗传算法的飞机装配线资源配置优化方法，其特征在于：步骤3中，使用relu函数作为激活函数。6.根据权利要求4所述一种基于神经网络和遗传算法的飞机装配线资源配置优化方法，其特征在于：步骤3中，使用均方误差函数作为评估神经网络预测准确度的损失函数。7.根据权利要求1所述一种基于神经网络和遗传算法的飞机装配线资源配置优化方法，其特征在于：步骤4.3中，采用仿二进制交叉算子以及多项式变异算子对当前种群进行交叉、变异操作，获得种群大小相同的子代种群。8.根据权利要求1所述一种基于神经网络和遗传算法的飞机装配线资源配置优化方法，其特征在于：步骤5得到最优的资源配置方案后，对该方案下的生产节拍和平衡延迟率进行仿真求解分析，如果仿真分析输出的生产节拍并不能满足预设的节拍需求，说明该资源配置方案不具备可行性，且说明目前神经网络模型存在过拟合，仅在测试集上表现为良好的准确度，需要重新进行神经网络的构建和遗传算法优化求解。

技术总结
本发明提出一种基于神经网络和遗传算法的飞机装配线资源配置优化方法，将资源配置方案、生产目标、资源约束信息输入本方法，通过快速非支配排序遗传算法在整体解空间内自主寻优，结合神经网络进行种群目标函数的计算，经过迭代优化输出最优的资源配置方案。其中，神经网络是通过装配线仿真来获取其训练数据的，由此训练完成的神经网络不仅拥有近似仿真的评估精度，同时还有较快的响应速度。本发明方法能够保证飞机装配线满足实际的生产需求与约束的前提下，对资源配置方案进行多目标优化。化。化。


技术研发人员：张杰 蒋昌健 余剑峰 李原 敖瑞波 姚雅
受保护的技术使用者：西北工业大学
技术研发日：2020.11.29
技术公布日：2022/2/6