基于遗传蚁群混合算法的孔群加工路径优化

相关主题

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

ＷＡＮＧｈｎｉｎ．ＧＵＯＸｉｏｉＣｕｘａｇａｎ
（ｃａｉｌｎｉｅｒｇＳｈｏ，ＩｎｒｎｏｉＵｉｒｔｏＭｅｈｎｃｇｅｉｃｏｌｎｅＭｏｇｌｎｖｓｙｆａＥｎｎａｅｉＳｉｃｃｅｅ＆Ｔｃｎｌｙａｔｎｅｎｏａ０４１ｎｅｈｏｏ．ＢｏｏＩｎｒｇｌ１００．ＣｉａｇｕＭｏｉｈｎ）
妮，Ｅ—ｍｉｉｉ１３ｃｍ。ａ：ｒｇｌ６．ｏｌｎ＠
・
４４・
机床与液压
第３９卷
１遗传蚁群混合算法遗传算法具有快速全局搜索能力，但没有利用系统中的反馈信息，往往导致无为的冗余迭代，后期求
解效率低。蚁群算法是通过信息素的累积和更新而收敛于最优路径，具有分布、并行、全局收敛能力。但初期信息素匮乏，导致算法速度慢。因此，作者采用前期利用遗传算法产生初始信息素分布，后期进行蚁群算法的融合思想。流程框图如图１所示。
（ｒｅｎａｓａｒｂｍ，ＴＰ，通过建立ＴＰＴａｌｇＳｌｍｎＰｏｌｓＳ）ｖｉｅｅＳ
虽然采用遗传算法能够求解到比传统加工方法较优的结果，但基于遗传算法的特性还是容易陷入局部最优解。为了利用遗传算法的优点克服其缺点，作者采用将遗传算法和仿生算法中的另一类算法——蚁群算法融合的方法，进行孔群加工路径的优化。针对这两种算法融合时的关键点——遗传解到信息素的转化，提出一种ＧＡ转化策略。该策略是：在遗传解ｅｄｏＳｎｐｐ中选取前９％个个体和随机产生的１％个个体合并００组成新矩阵，将此新矩阵作为信息素值的转化依据。同时为了提高混合算法中遗传部分的求解精度，交叉算子和变异算子采用通过对ＴＰ问题实验得出的最Ｓ佳组合交叉算子和变异算子。
ｆｎｔｎ，ａｈｂｄａｇｒｍ（Ａ）ｉｔｒｔｅｅｃａｏｔｍ（Ａ）ｗｔａｔｏｎｐｉｉｔｎ（ＣｕｃｏｉｙｒｌｏｔｉｉｈＨｎｇａｄｇｎｔｌｒｈｅｅｉｇｉＧｉｎｌｙｏｔｚｉｈｃｏｍａｏＡＯ）ｆｌｎｏｓａｈ— ｏｓｖｇｈｌｃｉｒｏｉｅｍ
开始
重复实验，结果取５次独立重复实验的平均值。
表１交叉算子和变异算子组合测试
设置遗传算法运行参数随机生成初始群体
初始化蚁群算法个参数；将遗传算法求解的 Ⅳ个较优个体转化为蚁群算法的初始信息锁矩阵
蚂蚁ｊ１
定义目函数，计算各种群适应度标开始蚁群算法，将Ｊ，１只放到月节点上，蚂蚁ｊ个秆ｌ按照概率函数选择下一个节点
交叉操作（部分交叉）
＼
Ｎ
变异操作（逆转变异）
在只蚂蚁完成求解后，增加最优路径信息索，禁忌表清零
遗传算法产生最优解后，如何将最优解转化为蚁群算法的信息素，是算法融合的一个关键点，作者将蚁群算法信息素的初值设置为ｒ＝＋。ｒ，其中ｒ为根据具体求解问题规模给定的一个信息素常数（这里取为００１，丁遗传算法求解结果转换的信息素．０）为
ｎｎａｈｏｔｚｔｎｗａｔｄｅ．ＴｅＧＡｗａｕｒｔａｄｔｅｉｇｐｔｐｉａｉｓｓｕｉｄｍｉｏｈｓｒｎｆｓｎｈｎＡＣＯｉｈｙｒｇｒｈｉｎｔｅｈｂｄａｏｔｍ．ＡｎｗｓｒｔｇａｌｄＧＳｓｐｏｉｌｉｅｔａｅｙｃｅＡｗａｒ — ｌｐｓｄａｍｉｇａｅｋｙｌｋｉｅ“ＨＡ” ｔａｏｖｒｅｅｅｉｏｕｉｎｆｏＧｉｔｎｏｍａｉｎｐｅｏｎｏｄｓｒｕｅｉＯ．ｏｅｉｎｔｔｅｉｎｔｈｎｈｈｔｃｎｅｄｇｎｔｓｌｔｒｍＡｎｏｉｆｒｔｈｒｍｏｅｔｉｉｔｎＡＣｔｃｏｏｔｂｈｅｍａｓｔｋｎｂＳＴｅｎｗｒｘｗａａｅｙｔｅＧＡ，ｗｈｃａｒｅｙｔｅｃｍｂｎｔｎｏｅｆｒｅ０ｈｉｈｗｓｆｍｄｂｏｉａｉｆｈｏｏｈｏｔｍｒ％ｏｄｖｄａｒｍｅｅｉｏｕｉｎａｄ９ｆｉｉｉｕｌｏｇｎｔｓｌｔｎｎｆｃｏ１％ｏｄｖｄａｙｒｄｍｅｅａｉｎａｈａｉｏａｓｏａｉｎｏｈｒｍｏｅｖｕ．Ｔｅｂｓｃｍｉａｉｎｏｅｅｉｐｒｔｒ０ｆｉｉｉｕｂａｏｇｎｒｔｓｔｅｂｓｆｒｎｆｒｔｆｅｏｎａｅｎｌｎｏｓｔｍｏｐｌｈｅｔｏｂｎｔｆｇｎｔｏｅａｏｏｃｓｉｓｓｉｃｓｅ．Ｔｅｅｐｒｍｅｔｅｕｔｈｗｔａｉｈｒｄｔｎｒｃｓｉｇｒｕｅｂｕｅｏａｅ，ｂｈｎＧＡＷａａｏｄｓｕｓｄｌｈｘｅｉｎａｒｓｌｓｏｈｔｗｔｔｅｔａｉｏａｐｏｅｓｏｔｙｎｍｒｃｍｐｒｄｌｓｈｉｌｎｂｓｙｔｅＨＡｕｉｇｏｔｌｏｉａｉｎｏｅａｏｎＡｔｎｆｒａｉｎｓｒｔｇ，ｔｅｌｎｔａｅｓｏｔｎｄｆｒ０９％，ａｄｈｓｈｇｅｒｃｓｎｓｐｉｍｂｎｔｐｒｔｒｄＧＳｒｓｏｎｍａｃｏａａｍｔｔｅｙｈｅｇｈＣｂｈｒｅｅ．ｏａｎｏ７ｎａｉｈｒｅｉｉｐｏｈｎａｓｌｅｅｉａｇｒｈｔａｉｇｅｇｎｔｌｏｔｍ．ＴｅＮＣｍａｈｎｎｆｃｅｃｆｈｌｓｃｎｂｂｉｕｌｍｐｏｅｅｒｔａｌ．ｎｃｉｈｃｉｉｇｅｉｎｙｏｏｅａｅｏｖｏｓｙｉｒｖｄｔｏｅｉｌｉｈｃｙＫｅｗｏｄ：Ｈｏｅｃｉｉｇｐｔｐｉｚｔｎ；Ｇｎｔｇｒｔｍ；Ａｎｏｏｙｏｔｚｔｎ；Ｈｙｒｄａｇｒｍｙｒｓｌｓｍａｈｎｎａｈｏｔｍｉｉａｏｅｅｉａｏｈｃｌｉｔｃｌｎｐｉａｉｍｉｏｂｏｔｉｌｉｈ
— — — 一
从以上实验可以看出，对ＴＰ问题总体来说ＳＰＸ交叉和ＩＭ变异的搭配要优于其他搭配，能够ＭＶ以良好的搜索性能完成最优化问题的寻优过程。因此文中采用Ｐｘ交叉和ＩＭ变异。ＭＶ
１２遗传解到信息素的转化．
在数控加工中孔群加工所占的比重相当大，其加工时间直接影响到生产效率。影ｍ：群加工时间的因￣Ｌｆ素主要有钻孔的时间和钻头移动的时间。人们往往关注孔的加工时间而忽视了钻头移动的时间，事实上，钻头移动时间对孔群加工生产率的影响程度大于其加工时间，特别是当待加工孔数量巨大时更是如此… 。因此，如何合理规划孔群加工路径是提高生产率的关键。孔群加工路径规划问题是典型的旅行商问题
ＡｓａｔｎｏｄｒｏｉｐｖｅｅｆｉｃｆｏｓＮｃｉｉｇｉｅｓｏｅｔａｏｓｍｃｉｉｇａｅｏｊｃｖｂｔｃ：ＩｒｅｒｅｔｆｃｎｙｏｌＣｍａｈｎ，ｗｔｔｈｒｓｐｔｔｈｌａｈｎｎｓｔｂｅｔｅｒｔｍｏｈｉｅｈｅｎｈｈｔｈｏｅｈｉ
基于遗传蚁群混合算法的孔群加工路径优化
王春香，郭晓妮
（内蒙古科技大学机械工程学院，内蒙古包头０４１）１００
摘要：为了提高孔群的数控加工效率，以孔群加工路径最短为目标函数，采用遗传蚁群混合算法对孔群加工路径规划
问题进行研究。该混合优化算法的前期采用遗传算法、后期采用蚁群算法。在遗传算法向蚁群算法转换过程中，提出一种ＧＡ遗传解到信息素转化策略。该策略以在遗传解ｅｄ叩中选取前９％个个体和再随机产生的１％个个体合并后组成的Ｓｎｐ００新矩阵作为信息素值的转化依据；同时探讨了遗传算法中遗传算子的最佳组合问题。实例计算结果表明：与传统分批按编
号加工的路径相比较，采用最佳组合算子和ＧＡ转化策略后的遗传蚁群混合算法求解问题所获得的孔群加工路径缩短了Ｓ７．％，比单一遗传算法具有更高的求解精度，理论上可以明显地提高孔群的数控加工效率。０９
关键词：孔群加工路径优化；遗传算法；蚁群算法；混合算法中图分类号：Ｔ６Ｐ８Ｈ１；Ｔ１文献标识码：Ａ文章编号：１０３８（０１１０３— ０１— ８１２１）２ — ４３ＨｏｅａｈｎｎｔｐｉｉａｉｎＢａｅｎａＨｙｒｄＡｌｏｉｍｌｓＭｃｉｉｇＰａｈＯｔｚｔｏｓｄｏｂｉｇｒｔｍｈＩｔｇａｅｎｔｇｒｔｍ、ｈＡｎｌｎｔｍｉａｉｎｎｅｒｔｄＧｅｅｉＡｌｏｉｃｈｔｔＣｏｏｙＯｐｉｚｔｏ
２１０１年１月１第３９卷第２１期
机床与液压
ＭＡＣＨＩＮＥＴＯＯＬ＆ＨＹＤＲＡＵＬＣＳＩ
Ｎｏ．０１ｖ２１Ｖｏ．９Ｎｏ２１１３．
ＤＩ１．９９ｊｉｎ１０３８．０２．１Ｏ：０３６／．ｓ．０１— ８１２１．１０ｓ１１
数学模型，利用仿生算法进行求解。周正武等采用
遗传算法对２６个孔群进行了路径优划；凌玲等人采用改进的遗传算法对２６个孔群进行了路径规划。
收稿日期：２１００—１０一ｌ８
基金项目：内蒙古自然科学基金项目（０７１２７３；包源自文库市科技发展基金资助项目（０８２０１００１）２０）作者简介：王春香（９２）１６一，女，硕士研究生，教授，从事优化方法及逆向工程技术及其应用等研究。通信作者：郭晓