面向汽车投产排序的混合多目标网格遗传算法

汽车投产排序时,希望同时实现零部件消耗均衡化、车型调整费用最小化、工位作业位置精准化三个目标,为此提出一种基于Pareto层级的混合多目标网格遗传算法(HmoGA)。先将个体排斥机制加入到Pareto层级构造中,使非支配解的分布更均匀,再融合Pareto层级划分、网格拥挤度评价与相邻个体几何距离计算,设计一种多目标自适应网格选择机制,用于从动态变化的父代种群中选择较优个体构成进化种群、获取交叉运算的父代基因、改善非支配解集的分布质量。混合双基因位的迁移算子对非支配解进行邻域搜索,适时扩大搜索空间,跳出局部最优。利用三组不同规模的测试问题集,从非支配率、非支配解数量和相邻个体距离偏差三个指标方面进行比较,实验证明HmoGA算法在收敛性、解的数量和分布性方面都比NSGA-Ⅱ算法有显著优势。