改进模拟退火算法在模块划分中的研究及应用

第33卷

第12期

计算机工程

2007年6月

VoL33

No.J2

ComputerEngineering

June2007

人工智能及识另日技术

文章编号tl∞o—3428(2∞7)12__0208__03

文献标识码t

中圈分类号 TP391.72

改进模拟退火算法在模块划分中的研究及应用

单泉,闫光荣,臂毅

(北京航空航天大学机械工程及自动化学院,北京100083)

摘要:模块划分是产品模块化设计的关键技术之一。目前大多采用非数值方法划分模块,数值划分方法主要是使用模拟退火算法或遗传算法。模拟退火算法虽可以一次性得到模块划分最优方案,但是操作困难,效率不高。而遗传算法容易陷入局部最傥解。该文在模拟退火算法的基础上,融入遗传算法的种群思想,提出了基于改进模拟退火算法的模块划分方法,研究了其实现的关键技术,并通过VC++6.0将其实现。通过具体的模块划分实例,证实了该方法的高效性和易操作性。关健词:模块划分;模拟退火算法;遗传算法;改进模拟退火算法

ResearchandApplicationofImprovedSimulatedAnnealing

AlgorithmsinModuleIdentification

SHANQuan,YANGuangrong,LEIYi

(Schoolof

MechanicalEngineeringandAutomation,BeijingUniversityofAeronauticsandAstronautics,Beijing100083)

[Abstract]Moduleidentificationisone

ofthekeytechniqueforproductmodularization

design.Whilenon—numericalvaluemoduleidentification

methodismoreCOlllnlOfl,themethodofnumericalvaluemainlyuses

simulatedannealingalgorithms

or

geneticalgorithms.Usingsimulated

annealingalgorithms

can

getthebestsolutionofmoduleidentification

at

one

time,butitishard

to

operateandhaslow

efficiency,usinggenetic

algorithmseasygetsintolocaloptimization.Thispaperputsforwardmoduleidentificationwaywhichisbasedon

improvedsimulateannealing

algorithmsandresearchesthekeytechniques.blendsthegeneticalgorithms’populationidea.This

methodisrealizedwithVisualC++6.0.Using

one

example,thismethodisvalidatedeasyoperationandhigh

efficiency.

[KeywordsIModuleidentification;Simulatedannealingalgorithm;Geneticalgorithm;Improvedsimulatedannealingalgorithm

面对目前日益激烈的市场竞争,企业必须增强产品创新

值的形成是使用数值方法划分模块的前提。通过层次分析及

能力、缩短设计周期和提高用户满意度,同时又要降低成本、

相关性分析方法得到产品元件两两之间的交互数值,一般是保证质量和相对延长产品生命周期。传统的产品设计方法已

采用[O,1】的平均分布数值来定义元件之间的关联关系,0表经无法满足上述要求,而模块化设计技术能满足以上要求,示没有任何关联关系,1表示关联关系密不可分,如元件和已经成为目前产品设计技术发展的重要方向之一。模块划分自身的关联关系。有了这些关联值后,就可以构成产品关联

是模块化设计的关键技术之一。目前,对模块划分非数值方

矩阵,因此关联矩阵是一个主对角元素为1的对称方阵。关

法,如启发式方法…、模糊聚类分析法旺J或最大树图法瞄’41等

联矩阵的具体形成过程可以参考文献【4】,在此不再赘述。值的研究较多,这些方法都较复杂,可操作性较差;对模块划得一提的是,关联矩阵的确立必须综合考虑产品生命周期各分数值方法研究较少,集中在单独使用模拟退火算法14’副或遗阶段的影响,并且针对具体的产品,各阶段的影响权重也不传算法【61方法上。模拟退火算法有很强的全局搜索能力和收相同,这些权重值应由人工确定。

敛性,但是通过随机迭代出邻域值,一次只对一个邻域值操模块划分问题是一个典型的组合优化问题,可以使用现作,算法效率较低,且借助Matlab等软件H】,对用户及计算代优化方法对其进行优化,遗传算法和模拟退火算法都属于

机配置都要求较高,操作也比较复杂;遗传算法强调对染色

现代优化方法。模拟退火算法和遗传算法可以参考文献【7】。

体种群进行操作,算法效率较高,但遗传算法容易陷入局部

结合模拟退火算法以一定概率接受邻域值且随温度下降确保最优解。本文基于模拟退火算法,融入遗传算法的种群思想,算法收敛性的特点和遗传算法对种群操作效率较高的特点,

并针对优化目标函数不能处理单一模块等问题,得到基于改改进模拟退火算法具有较高的效率和较强的全局搜索能力。

进模拟退火算法的模块划分方法,在VC++6.0上将该方法实使用改进模拟退火算法进行产品模块划分优化的过程如下:

现。用户只需打开零部件关联矩阵,程序将快速得到产品模

Stepl读入关联矩阵值,生成初始染色体,具体编码过

块划分最优方案,整个模块划分过程对使用者来说非常方便。

程详见关键技术部分;

将此方法和基于模拟退火算法的划分方法进行比较,优化结Step2随机交换最初染色体的基因,生成一组不含相同

果表明,该方法的确能大大提高模块划分的优化速度。

基金项目:国家“863”计划基金资助项目(2003AA423130)

1基于改进模拟退火算法的模块趔分方法

作者筒介:单泉(1977一),男,博士生,主研方向:CAD,产品模块翔分是模块化设计的核心问题之一,它是一个复杂、生命周期管理;闰光荣,副研究员;雷毅,教授、博导影响因素多的综合优化过程,而产品元件(零部件)之间关联收稿日期:2006—07—30

E-mail:shanquan200t@126.com

—-208一

Word文档免费下载Word文档免费下载:改进模拟退火算法在模块划分中的研究及应用 (共4页,当前第1页)

你可能喜欢

  • 模拟退火算法matlab
  • 模拟退火算法求解TSP问题
  • 遗传模拟退火算法
  • 粒子群优化

改进模拟退火算法在模块划分中的研究及应用相关文档

最新文档

返回顶部