遗传算法在制造业合作伙伴选择及优化中的应用1

《遗传算法在制造业合作伙伴选择及优化中的应用1》由会员分享，可在线阅读，更多相关《遗传算法在制造业合作伙伴选择及优化中的应用1（5页珍藏版）》请在装配图网上搜索。

1、精品论文大全遗传算法在制造业合作伙伴选择及优化中的应用1李耀池，邵良杉 辽宁工程技术大学系统研究所，研究生学院电信系，葫芦岛（125105） E-mail：bluton摘要：为了更有效，更准确的选择制造业的合作伙伴，本文首先介绍了虚拟企业的概念， 讨论了评判合作伙伴的重要因素，在此基础上建立建立了模型，采用遗传算法(GeneticAlgorithm ，GA) 对模型进行优化求解，最后通过实践证明其正确性。为进一步开发制造业 的网络联盟企业合作伙伴选择决策支持系统(DSS for PartnerSelection) 奠定基础。关键词：制造业，虚拟企业，合作伙伴，遗传算法0. 引言当人类大步跨入二

2、十一世纪的时候，随着信息技术的迅猛发展，全球经济的格局越来越 趋于一体化，我们迎来了一个更为激烈的竞争和生存环境。在市场持续、高速变化的 21 世 纪，企业不仅需要在技术上做出调整，不断地通过技术创新和产品更新来开拓市场，引导市 场，而且能够根据市场的变化迅速进行组织上的调整。管理学家彼得。德鲁克在 1995 年指 出，工商业正在发生的最伟大的变革，不是以所有权为基础的企业关系的出现，而是以合作 伙伴关系为基础的企业关系的加速增加。1. 虚拟企业与合作伙伴定义1.1 虚拟企业与合作伙伴的定义虚拟企业7，又称动态联盟，是指当市场出现新的机遇时，具有不同资源与优势的企业 为了共同开拓市场，共同对付

3、其他的竞争者而组织起来的暂时性联盟体。这个联盟体以信息 技术和网络技术为基础，在合作过程中各成员互不干涉，共担风险，共享资源，公担费用， 共享利益，联合开发，互惠互利。当预期目标达成后，此组织即告解体合作伙伴是建立虚拟 企业的基础，其具有如下特点7。1.2 动态联盟的组建及影响伙伴选择的因素 a.多元性。b.功能的集成完整性。c.地域上的分散性。d.组织上的非永久性。 根据制造业面临的全球化,客户化,动态多变的竞争环境,依托信息网络的技术 支持，通过优化、整合多家合作伙伴企业的核心竞争能力，组建动态联盟(DynamicAlliance ，Virtual Enterprise) 共同完成产品的开

4、发制造过程，从而达到快速响应市场机遇， 提高企业自身敏捷性的目的。合作伙伴选择与优化是组建动态联盟过程中的首要步骤，具有重要理论和现实意义。动态联盟这一组织模式决定了整个市场机遇的获取其产品提供给最终用户的过程需要 多家企业共同参与，站在盟主的角度，对于伙伴选择的评价因素往往要包括:完成某项任务 的成本 C(Cost) ，生产出来的产品的质量 Q(Quarlity)，生产单位产品所需时间 T(Time ) 6等 等，在此基础上还可以细化到下一层，如图 1 所示。为了有效的评价、选择合作伙伴，在系 统全面性、简单科学性、稳定可比性和灵活可操作性原则的指导下，本文框架性地构建了以 这几个方面为评判

5、依据的综合评价指标体系同时考虑到决策者具有不同的偏好，因此伙伴选 择成为典型的多目标规划问题。1本课题得到教育部博士点基金（20040147006）的资助。- 5 -生产产品质量生产时间 成本基 本 成 本成 本 修 正经 济 实 力技 术 实 力项 目 经 验企 业 设 备预 计 工 期管 理 水 平企 业 信 誉图 1 影响伙伴选择的评价因素Fig1 The factors of the partner2. 合作伙伴选择的方法与优化模型2.1 多目标优化模型5本文利用灰色多层次方法对指标函数进行评价处理，并将以下指标作为遗传算法的基因。(1)生产成本的指标函数为:uufc (u ij )

6、=c ij +ij其中：u为待选企业提供优惠措施修正值。ij(2)产品质量的指标函数为:u u u ufq(uij ) = A1 M ij + A2 K ij + A3 Z ij + A4 Y ij 其中：Mu 为企业经济实力ijuuuK ij 为企业技术实力 Z ij 为企业设备环境 Y ij 为企业行业经验A1 ， A2 ， A3 ， A4 分别为各项在企业实力中占的比重 其和为1.u u u(3)生产时间的指标函数为:其中：ft (u ij ) = 1 T ij + 2 G ij + 3 X ijuT ij 为企业生产产品的预计工期uG ij 为企业的管理水平uX ij 为企业的信誉状况

7、 1 ， 2 ， 3 分别为各项在工期中占的比重 其和为1.由于很多决策指标很难科学地进行定量地描述，采取多层次灰色方法进行比较评价，具体算法设计如下：利用层次分析法对各个一级指标进行权重评判，得出相对权重向量A = ( a1, a 2, a 3) ，根据灰类白化函数将评价分值转化为评价系数，然后权重与评价系数层层相乘得到综合评价值，由此方法得到各个待选企业各个指标的评价系数矩阵5 .2.2 适应度函数的构建依照固定权重方法原理1 3，即利用给多个目标分配权重从而将多目标组合为单目标函 数，并且在整个优化工程中权重保持不便，权重由决策着依据已有知识和决策者偏好决定。在制作化合作伙伴选择中生产成

8、本和生产时间越短越好，实力越大越好，所以本文采取 灰色理论中统一效果测度的原理，以综合效果测度的形势来构造适应度函数。假设每一个体： 生产成本函数为:nmfc( x) = fc(uij = 1, x) (1)i =1j =1产品质量函数为:nmfq ( x) = fq(uij = 1, x)(2)i =1j =1生产时间函数为:nmft ( x) = ft (uij = 1, x)(3)其中:i =1j =1j=1，2，3，m；x为当前遗传代数.综合(1)(2)(3)得出适应度函数为f( x )=n m f 1 fqi = 1 j = 1n m( uij= 1 , x )+max fqi =

9、1 j = 1( uij= 1 , x )n m f 2minn fci = 1 j = 1m( uij= 1 , x )+ fci = 1 j = 1( uij= 1 , x ) (4)n m f 3minn fti = 1 j = 1m( uij= 1 , x )其中:n m fti = 1 j = 1( uij= 1 , x )max fq (uij = 1, x )i=1 j =1为同一群体各个个体地产品质量函数的最大值。n mmin ft (uij = 1, x )i =1 j =1为生产时间函数的最小值。n mmin fc (uij = 1, x )i =1 j =1为生产成本函数

10、的最小值。fq( x)max fq( x)min fc( x)，fc( x)， min ft ( x)ft ( x)可分别看做表示质量、成本、时间函数与最优值的差异程度，f 1、 f 2、 f 3 分别为决策者偏好。令:f 1 =fq( x)， f 2 = min fc( x) ， f 3 = min ft ( x) (5)max fq( x)fc( x)ft ( x)这里对 f 1、 f 2、 f 3 采取专家相对评分法确定f1，f2，f3决策指标地权重.设由r名专家参与评分，且每一位专家地权重相同.记专家r对f1，f2，f3在f(x)中地相对重要程度评分为ck j (j=1，2，3)，专家

11、根据一定地相对重要程度评分标准得到 ck j .计算决策指标f1，f2，rf3相对重要程度评分综合 v fj = ck fj ，决策指标sf1，f2，f3地主观偏好权重为:i =1v= f 1 +f 1v f 1v f 2+ v f 3r(6)= r ck fji =1r r ck f 1 + ck f 2 + ck f 3i =1i =1i =12.3 遗传操作设计1) 选择概率.采取由Holland提出地轮盘赌选择法2 4，假设每一个个体地适应度为: fkN( x), k = 1,2,3., N ，群体总的适应度为 i = 1kf( x )，则将每个适应度在总适应度中比例作为每一个体的选择

12、概率:k ( x ) =Pskf ( x ) /Ni =1kf ( x ) (7)2) 交叉概率.采取两点交叉方法，利用两点交叉算子来产生新一代个体，每个交叉给进行但 字段变异.一般交叉概率 Pc 取之范围为0.61.0.3) 自适应编译概率.采取适应性变异概率，随着遗传迭代次数的增加，变异逐渐下降，即: Pm=0.5-0.3(x/G)(8)其中x事当前遗传代数，G是最大代数，随着遗传代数增长，变异率从0.5下降为0.2.2.4 建立修正机制假定存在对一子项目要求选择1s个伙伴地约束条件，则由必要增加一个调整机制，以 确保每一个代码串在评价之前满足约束条件.确定调整约束如下:m uij0(ui

13、j=1)sj(1,m)i=1 修正（不满足）其中:uij表示一个经过选择、交叉或变异后的代码串个体，若遗传算子产生地个体不符合约束条件 ，则代码串会被重置，选择、交叉或变异过程重新进行，直至产生的个体满足约束条件。2.5 算法的终止条件采用相邻代适应度无显著变化作为终止条件，并输出群体中多个具有较优结构的个体作 为最终结果以供决策者选择，选定相邻代适应度差异0. 01为最终迭代终止条件。3. 应用实例企业A，B，C，D的各项评价指标如表1表1 企业信息表Table1 The information of the partners待选企业生产时间(天)生产成本(万元)产品质量企业A4015一般企

14、业B3018较好企业C3522很好企业D2825好按照上一节中的求解过程,经计算得到的待选企业综合指标顺序为：B，A，D，C，从中决策者可以根据计算结果，结合自己的偏好合理的选择合作伙伴。4. 结论利用多层次灰色分析法与遗传算法的综合方法在制造业合作伙伴选择中存在着很大的 优势,尤其是制造工序目数量大、候选企业较多、决策信息量大的时侯更能体现决策方法的 优越性。参考文献1李敏强等. 遗传算法的基本理论与应用. 北京:科学出版社， 20022玄光南等. 遗传算法与工程优化. 北京:清华大学出版社，20043Holland. Adaptation in natural and artificial

15、 systems. u2niversity of Michigan press ，mit press ，Cambridge ，19924鲍玉昆，徐沧. 基于GA 算法的科技项目联合投标伙伴选择模型. 华中科技大学学报(自然科学版) ，2003 ;31 (11)5马祖军. 基于遗传算法的供应链联盟伙伴选择. 系统工程理论与实践，2003 ;9 (4)6石玉英. 虚拟企业伙伴选择的投资性建模与遗传算法分析. 运筹与管理，2003 ;12 (4)7叶永玲 等 虚拟企业合作伙伴的优化选择研究. 软科学.2004，18The use of GA in Manufacturing Partner-Sele

16、ction ModelLi Yaochi, Shao LiangshanLiaoning Technical University, Huludao, China (125105)AbstractIn order to choose the Manufacturing-Partner more effective and more accurate ,This article firstintroduces the concept of Virtual Enterprise, then draws the important factors which influenced the partn

17、er-selection, and then establish the model, uses the Genetic Algorithm(GA) to solve to the model, finally through a typical example, proved the validity and the usability of the model. For further, it lay the foundation of the DSS.Keywords: Manufacturing，Virtual Enterprise，partner，Genetic Algorithm作者简介：李耀池，男，1980 年出生，硕士生，主要研究方向：数据挖掘。