基于改善人工蜂群算法的不完全拆卸线平衡优化方法

1.本发明涉及生产线设计领域，尤其涉及一种基于改善人工蜂群算法的不完全拆卸线平衡优化方法、装置、电子设备及存储介质。


背景技术：

2.随着科学技术的发展，生产出了越来越多的电子产品来提高人们的生活质量，但是，伴随着也产生了大量的电子废品。
3.目前，为了对电子废品进行拆除，引入了拆卸线，利用拆卸线对电子废品进行拆卸，能够得到电子废品的零件，降低了对电子废品的处理难度。然而，在运行过程中，难免会出现设备故障的问题或者需要对设备进行维修保养等部分设备停用的情况，拆卸线属于流水线，因此，部分设备停用将会造成拆卸线关闭。
4.因此，现有技术中存在由于部分设备故障造成拆卸线失效的问题。


技术实现要素：

5.有鉴于此，有必要提供一种基于改善人工蜂群算法的不完全拆卸线平衡优化方法，用以解决现有技术中由于部分设备故障造成的整个拆卸线失效的问题。
6.为了解决上述问题，本发明提供一种基于改善人工蜂群算法的不完全拆卸线平衡优化方法，包括：
7.设置不完全拆卸目标参数；
8.获取待拆元件的拆卸参数，利用元启发式算法，确定待拆元件的优先拆卸集合；
9.根据优先拆卸集合，确定蜜源及其对应的不完全拆卸目标参数值；
10.雇佣蜂和观察蜂采用自适应邻域搜索方法，搜索邻域蜜源并计算邻域蜜源的不完全拆卸目标参数值，对比确定优选蜜源；
11.根据优选蜜源，确定不完全拆卸线平衡优化方案。
12.进一步地，获取待拆元件的拆卸参数，利用元启发式算法，确定待拆元件的优先拆卸集合，包括：
13.获取待拆元件的拆卸参数，拆卸参数包括待拆元件的必拆部分、优先关系和可不拆部分；
14.根据拆卸参数，利用元启发式算法，确定待拆元件的拆卸属性集合；
15.根据拆卸属性集合，反向确定待拆元件的优先拆卸集合。
16.进一步地，确定蜜源及其对应的不完全拆卸目标参数值，之后还包括：
17.采用实数编码表示的方式，对蜜源进行编码，并为每个蜜源配置雇佣蜂、观察蜂和侦察蜂。
18.进一步地，雇佣蜂和观察蜂采用自适应邻域搜索方法，搜索邻域蜜源并计算邻域蜜源的不完全拆卸目标参数值，对比确定优选蜜源，包括：
19.获取蜜源的不完全拆卸目标参数值；
20.雇佣蜂采用自适应邻域搜索方法，搜索邻域蜜源的信息并传递给观察蜂；
21.观察蜂根据邻域蜜源的信息，计算得到邻域蜜源的不完全拆卸目标参数值；
22.对比蜜源的不完全拆卸目标参数值和邻域蜜源的不完全拆卸目标参数值，确定优选蜜源。
23.进一步地，不完全拆卸目标参数是多目标函数，不完全拆卸目标参数包括生产节拍、拆卸成本和调整成本。
24.进一步地，根据优选蜜源，确定其对应的不完全拆卸线平衡优化方案，包括：
25.根据优选蜜源，利用pareto原则，确定不完全拆卸线平衡优化方案。
26.进一步地，根据优选蜜源，确定其对应的不完全拆卸线平衡优化方案，包括：
27.根据优选蜜源，利用决策树法，确定不完全拆卸线平衡优化方案。
28.为了解决上述问题，本发明还提供一种基于改进人工蜂群算法的不完全拆卸线平衡优化装置，包括：
29.目标参数确定模块，用于设置不完全拆卸目标参数；
30.优先拆卸集合确定模块，用于获取待拆元件的拆卸参数，利用元启发式算法，确定待拆元件的优先拆卸集合；
31.蜜源确定模块，用于根据优先拆卸集合，确定蜜源及其对应的不完全拆卸目标参数值；
32.优选蜜源确定模块，用于控制雇佣蜂和观察蜂采用自适应邻域搜索方法，搜索邻域蜜源并计算邻域蜜源的不完全拆卸目标参数值，对比确定优选蜜源；
33.平衡优化方案确定模块，用于根据优选蜜源，确定不完全拆卸线平衡优化方案。
34.为了解决上述问题，本发明还提供一种电子设备，包括处理器以及存储器，存储器上存储有计算机程序，计算机程序被处理器执行时，实现如上文所述的基于改善人工蜂群算法的不完全拆卸线平衡优化方法。
35.为了解决上述问题，本发明还提供一种计算机可读存储介质，存储介质存储有计算机程序指令，当计算机程序指令被计算机执行时，使计算机执行如上文所述的基于改善人工蜂群算法的不完全拆卸线平衡优化方法。
36.采用上述实施例的有益效果是：本发明提供一种基于改善人工蜂群算法的不完全拆卸线平衡优化方法、装置、电子设备及存储介质，该方法包括：设置不完全拆卸目标参数；获取待拆元件的拆卸参数，利用元启发式算法，确定待拆元件的优先拆卸集合；根据优先拆卸集合，确定蜜源及其对应的不完全拆卸目标参数值；雇佣蜂和观察蜂采用自适应邻域搜索方法，搜索邻域蜜源并计算邻域蜜源的不完全拆卸目标参数值，对比确定优选蜜源；根据优选蜜源，确定不完全拆卸线平衡优化方案。上述方式通过元启发式算法，确定待拆元件的优先拆卸集合，采用自适应邻域搜索方法搜索邻域蜜源，实现自适应地调整邻域结构，不仅能解决由于部分设备故障导致的拆卸线失效的问题，并且能够快速地根据拆卸目标参数确定不完全拆卸线平衡优化方案。
附图说明
37.图1为本发明提供的基于改善人工蜂群算法的不完全拆卸线平衡优化方法一实施例的流程示意图；
38.图2为本发明提供的确定待拆元件的优先拆卸集合一实施例的流程示意图；
39.图3为本发明提供的确定优选蜜源一实施例的流程示意图；
40.图4为本发明提供的基于改进人工蜂群算法的不完全拆卸线平衡优化装置一实施例的结构框图；
41.图5为本发明提供的电子设备一实施例的结构框图。
具体实施方式
42.下面结合附图来具体描述本发明的优选实施例，其中，附图构成本技术一部分，并与本发明的实施例一起用于阐释本发明的原理，并非用于限定本发明的范围。
43.在陈述实施例之前，先对人工蜂群算法以及不完全拆卸进行阐述：
44.人工蜂群算法(artificial bee colony algorithm，abc)是一个在2005年提出的集群智能算法。通过模仿蜜蜂群觅食时探索蜜源时的行为，得到目标结果。蜂群中蜜蜂主要分为侦察蜂、雇佣蜂和观察蜂，在觅食时，首先由侦察蜂找到蜜源，由雇佣蜂对蜜源进行初步探索，观察蜂根据雇佣蜂探索的结果选择资源丰富的蜜源继续探索，雇佣蜂进行完初步探索后转变为侦察蜂继续探索新蜜源。人工蜂群算法的主要特点是不需要了解问题的特殊信息，只需要对问题进行优劣的比较，通过各人工蜂个体的局部寻优行为，最终在群体中使全局最优值突现出来，有着较快的收敛速度。
45.拆解线是将废旧产品拆解成零件的专用流水线系统。它由一组由材料处理系统连接的连续工作站组成。拆卸线平衡问题是将拆卸任务分配到具有优先关系的有序工作站序列上，例如：以实现工作站数量、周期时间和拆卸线成本最小为目标的优化问题。根据拆卸水平，可将拆卸线平衡问题分为完全拆卸和不完全拆卸(部分拆卸)，不完全拆卸是根据拆卸需要，将废旧产品中有需要的或者对环境有害的部分拆卸下来，其余部分尽可能不拆。
46.为了对解决现有技术中由于部分设备故障造成的拆卸线失效的问题，本发明提供一种基于改善人工蜂群算法的不完全拆卸线平衡优化方法，以下分别进行详细说明。
47.图1为本发明提供的基于改善人工蜂群算法的不完全拆卸线平衡优化方法一实施例的流程示意图，如图1所示，基于改善人工蜂群算法的不完全拆卸线平衡优化方法包括：
48.步骤s11：设置不完全拆卸目标参数。
49.步骤s12：获取待拆元件的拆卸参数，利用元启发式算法，确定待拆元件的优先拆卸集合。
50.步骤s13：根据优先拆卸集合，确定蜜源及其对应的不完全拆卸目标参数值。
51.步骤s14：雇佣蜂和观察蜂采用自适应邻域搜索方法，搜索邻域蜜源并计算邻域蜜源的不完全拆卸目标参数值，对比确定优选蜜源。
52.步骤s15：根据优选蜜源，确定不完全拆卸线平衡优化方案。
53.本实施例中，首先，根据待拆元件的拆卸目标，设置不完全拆卸目标参数，以便后续进行量化评价；其次，由于不同的待拆元件具有不用的拆卸需要，所以还需要获取待拆元件的拆卸参数，然后再利用元启发式算法，确定待拆元件的优先拆卸集合；接下来，根据优先拆卸集合，确定初始拆卸方案，也就是蜜源，以及各个初始拆卸方案对应的不完全拆卸目标参数值；然后，雇佣蜂和观察蜂采用自适应邻域搜索方法，搜索邻域蜜源，也就是基于初始拆卸方案寻求附近的可替换拆卸方案，并进行对应计算，得到可替换拆卸方案的不完全
拆卸目标参数值，通过对比初始拆卸方案的不完全拆卸目标参数值和可替换拆卸方案的不完全拆卸目标参数值，确定较优拆卸方案，也就是确定优选蜜源；最后，根据优选蜜源，得到其对应的优选拆卸方案，从而确定不完全拆卸线平衡优化方案。
54.本实施例中，先通过元启发式算法，确定待拆元件的优先拆卸集合，将待拆元件的优先拆卸集合先进行绑定，避免了后续出现不合理的拆卸方案；然后采用自适应邻域搜索方法搜索邻域蜜源，也就是基于初始拆卸方案，利用自适应邻域搜索方法寻求附近的可替换拆卸方案，由于自适应邻域搜索方法是通过比较可替换拆卸方案与初始拆卸方案的适应度值，自适应地调整邻域结构，因此，通过自适应邻域搜索方法调整邻域结构，能够实现快速收敛，提高寻求到较优拆卸方案，即优选蜜源的速度。
55.通过上述方式，不仅能解决由于部分设备故障导致的拆卸线失效的问题，并且基于元启发式算法和自适应邻域搜索方法，能够快速地根据拆卸目标确定不完全拆卸线平衡优化方案。
56.作为优选的实施例，在步骤s12中，为了确定待拆元件的优先拆卸集合，如图2所示，图2为本发明提供的确定待拆元件的优先拆卸集合一实施例的流程示意图，包括：
57.步骤s121：获取待拆元件的拆卸参数，拆卸参数包括待拆元件的必拆部分、优先关系和可不拆部分。
58.步骤s122：根据拆卸参数，利用元启发式算法，确定待拆元件的拆卸属性集合。
59.步骤s123：根据拆卸属性集合，反向确定待拆元件的优先拆卸集合。
60.本实施例中，先根据待拆元件中各个零部件的属性，对待拆元件的各个零部件进行分类，分为必拆部分和可不拆部分，进一步地，根据必拆部分，还要获取必拆部分以及其相关联的可不拆部分在拆卸过程中的优先关系；然后，利用元启发式算法，将必拆部分及其相关联的可不拆部分进行绑定，确定待拆元件的拆卸属性集合；最后，根据拆卸属性集合，反向确定待拆元件的优先拆卸集合。
61.上述方式通过元启发式算法确定拆卸属性集合，充分利用元启发式算法的搜索和优化平衡功能，得到较优的拆卸属性集合，从而确定待拆元件的优先拆卸集合。
62.作为优选的实施例，在步骤s13中，在确定蜜源，即初始的拆卸方案后，为了便于统计计算和定位，还需要对蜜源进行编码排序。
63.在一具体的实施例中，采用实数编码表示的方式，对蜜源进行编码。进一步地，还需要为每个蜜源配置雇佣蜂、观察蜂和侦察蜂，以满足人工蜂群算法的需要。
64.作为优选的实施例，在步骤s14中，为了根据自适应邻域搜索方法确定优选蜜源，如图3所示，图3为本发明提供的确定优选蜜源一实施例的流程示意图，包括：
65.步骤s141：获取蜜源的不完全拆卸目标参数值。
66.步骤s142：雇佣蜂采用自适应邻域搜索方法，搜索邻域蜜源的信息并传递给观察蜂。
67.步骤s143：观察蜂根据邻域蜜源的信息，计算得到邻域蜜源的不完全拆卸目标参数值。
68.步骤s144：对比蜜源的不完全拆卸目标参数值和邻域蜜源的不完全拆卸目标参数值，确定优选蜜源。
69.本实施例中，通过雇佣蜂搜索邻域蜜源的信息，并由观察蜂计算出邻域蜜源的不
完全拆卸目标参数值，然后与初始的蜜源进行对比，确定优选蜜源。通过自适应邻域搜索方法调整邻域结构，能够实现快速收敛，提高观察蜂得到较优拆卸方案，即优选蜜源的速度。
70.进一步地，一般情况下，优选蜜源包括多个，因此，在确定优选蜜源后，还需要根据拆卸需要，确定唯一的最优拆卸方案。
71.在一具体的实施例中，一般将拆卸需要量化为不完全拆卸目标参数。
72.在一具体的实施例中，不完全拆卸目标参数包括生产节拍、拆卸成本和调整成本。
73.在一具体的实施例中，根据优选蜜源，利用pareto原则，确定不完全拆卸线平衡优化方案。
74.在一具体的实施例中，根据优选蜜源，还可以利用决策树法，确定不完全拆卸线平衡优化方案。
75.通过上述方式，首先，利用元启发式算法，确定待拆元件的优先拆卸集合；在确定蜜源，即初始拆卸方案后，利用自适应邻域搜索方法，搜索邻域蜜源，即可替换拆卸方案，从而得到较优的拆卸方案；最后，根据不完全拆卸目标，确定最终的不完全拆卸线平衡优化方案。上述方式不仅通过确定优先拆卸集合，避免了后续可能出现的不可用拆卸方案，并且通过对可替换拆卸方案进行计算迭代，得到了较优的拆卸方案，实现了快速确定不完全拆卸线平衡优化方案。
76.为了解决上述问题，本发明还提供一种基于改进人工蜂群算法的不完全拆卸线平衡优化装置，如图4所示，图4为本发明提供的基于改进人工蜂群算法的不完全拆卸线平衡优化装置一实施例的结构框图，基于改进人工蜂群算法的不完全拆卸线平衡优化装置400包括：
77.目标参数确定模块401，用于设置不完全拆卸目标参数；
78.优先拆卸集合确定模块402，用于获取待拆元件的拆卸参数，利用元启发式算法，确定待拆元件的优先拆卸集合；
79.蜜源确定模块403，用于根据优先拆卸集合，确定蜜源及其对应的不完全拆卸目标参数值；
80.优选蜜源确定模块404，用于控制雇佣蜂和观察蜂采用自适应邻域搜索方法，搜索邻域蜜源并计算邻域蜜源的不完全拆卸目标参数值，对比确定优选蜜源；
81.平衡优化方案确定模块405，用于根据优选蜜源，确定不完全拆卸线平衡优化方案。
82.本发明还相应提供了一种电子设备，如图5所示，图5为本发明提供的电子设备一实施例的结构框图。电子设备500可以是移动终端、桌上型计算机、笔记本、掌上电脑及服务器等计算设备。电子设备500包括处理器501以及存储器502，其中，存储器502上存储有基于改进人工蜂群算法的不完全拆卸线平衡优化程序503。
83.存储器502在一些实施例中可以是计算机设备的内部存储单元，例如计算机设备的硬盘或内存。存储器502在另一些实施例中也可以是计算机设备的外部存储设备，例如计算机设备上配备的插接式硬盘，智能存储卡(smart media card，smc)，安全数字(secure digital，sd)卡，闪存卡(flash card)等。进一步地，存储器502还可以既包括计算机设备的内部存储单元也包括外部存储设备。存储器502用于存储安装于计算机设备的应用软件及各类数据，例如安装计算机设备的程序代码等。存储器502还可以用于暂时地存储已经输出
或者将要输出的数据。在一实施例中，基于改进人工蜂群算法的不完全拆卸线平衡优化程序503可被处理器501所执行，从而实现本发明各实施例的基于改善人工蜂群算法的不完全拆卸线平衡优化方法。
84.处理器501在一些实施例中可以是一中央处理器(central processing unit，cpu)，微处理器或其他数据处理芯片，用于运行存储器502中存储的程序代码或处理数据，例如执行基于改进人工蜂群算法的不完全拆卸线平衡优化程序等。
85.本实施例还提供了一种计算机可读存储介质，其上存储有基于改进人工蜂群算法的不完全拆卸线平衡优化程序，计算机该程序被处理器执行时，实现如上述所述的基于改善人工蜂群算法的不完全拆卸线平衡优化方法。
86.通过本技术中的技术方案对不完全拆卸线进行平衡优化，不仅能在部分设备故障的情况下保证拆卸线能够继续运行，并且基于元启发式算法和自适应邻域搜索方法，能够快速地根据拆卸目标确定不完全拆卸线平衡优化方案。
87.本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。本技术所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(rom)、可编程rom(prom)、电可编程rom(eprom)、电可擦除可编程rom(eeprom)或闪存。易失性存储器可包括随机存取存储器(ram)或者外部高速缓冲存储器。作为说明而非局限，ram以多种形式可得，诸如静态ram(sram)、动态ram(dram)、同步dram(sdram)、双数据率sdram(ddrsdram)、增强型sdram(esdram)、同步链路(synchlink)dram(sldram)、存储器总线(rambus)直接ram(rdram)、直接存储器总线动态ram(drdram)、以及存储器总线动态ram(rdram)等。
88.以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。