龙空技术网

物流仿真Plant Simulation中遗传算法的应用

智能快车手 136

前言:

目前你们对“基因遗传算法的流程是什么”可能比较注意,各位老铁们都需要知道一些“基因遗传算法的流程是什么”的相关知识。那么小编同时在网摘上收集了一些关于“基因遗传算法的流程是什么””的相关资讯,希望兄弟们能喜欢,各位老铁们一起来了解一下吧!

某制药企业物流仿真项目案例

一、遗传算法:

遗传算法(Genetic Algorithm,GA)是一类借鉴生物界的进化规律(适者生存,优胜劣汰遗传机制)演化而来的随机化搜索方法,它最早是由美国的 J.Holland教授于1975年首先提出。该算法通过数学的方式,利用计算机仿真运算,将问题的求解过程转换成类似生物进化中的染色体基因的交叉、变异等过程。在求解较为复杂的组合优化问题时,相对一些常规的优化算法,通常能够较快地获得较好的优化结果。遗传算法已被人们广泛地应用于组合优化、机器学习、信号处理、自适应控制和人工生命等领域。

Plant Simulation在支持系统仿真的同时,通过内嵌的遗传算法(以下简称GA)对于系统的关键参数进行优化运算,通过优化算法帮助用户寻找典型的非解析求解问题的最优化值。

在考虑到诸如产量、在制品、资源利用率、交货日期等多方面的限制条件的时候,我们也可以采用遗传算法来优化系统参数,遗传算法可以通过迭代自动为复杂的生产线找到并评估局部最优的解决方案。

二、使用方法:

打开GA,在定义标签页我们可以:

l 定义优化的方向:①最小值,②最大值

l 改变世代数和世代大小

l 定义要优化的参数

l 定义要要优化的适应度

在运行标签页我们可以:

l 控制优化仿真的开始与结束

l 观测运行的进程

l 查看录像

在评估标签页,我们可以查看运行后的评估结果:

三、GA推程排产优化:

如图建模,一条产线有十个工位在工作,每个工位之间都有一个容量为500的缓冲区,在物料表单中,我们有20个不同的零件给物料源生产,每个零件在不同的工位上都有不同的处理时间。我们现在可用遗传算法来定义物料源如何安排生产计划,优化我们的生产时间达到最小,进而节约成本。

参数设置完成后,在GA运行标签页点击开始,优化仿真随机开始运行,优化结果如下:最佳适应度26:29。

来源:网络

标签: #基因遗传算法的流程是什么