申请/专利权人：杭州电子科技大学

申请日：2021-07-22

公开（公告）日：2024-03-29

公开（公告）号：CN113705081B

主分类号：G06F30/27

分类号：G06F30/27;G06N3/006;G06Q10/04

优先权：

专利状态码：有效-授权

法律状态：2024.03.29#授权;2021.12.14#实质审查的生效;2021.11.26#公开

摘要：本文发明一种基于集束搜索进化算法的产品族设计优化方法，包括以下步骤：步骤1：个体的结构及编码；步骤2：种群初始化；步骤3：计算适应值函数；步骤4：选择操作；步骤5：个体交叉操作；步骤6：个体自适应变异操作；步骤7：终止规则。采用真实实验和仿真案例进行实验，实验结果表明，按照本文提出的方法比传统的遗传算法具有更好的效果，可帮助企业快速获得产品族设计的优化解决方案，为企业开发系列新产品扩大市场份额、减少开发成本、提高企业利润起到重要作用。

主权项：1.一种基于集束搜索进化算法的产品族设计优化方法，其特征在于，包括如下步骤：步骤1：个体的结构及编码：采用按照产品族中的产品进行分区和整数编码的方式进行个体的编码；步骤2：种群初始化：采用嵌入集束搜索的方法来产生初始种群，以提高种群的初始解质量和进化速度；步骤3：计算适应值函数：通过构造线性规划求解产品族设计优化的产品价格决策变量，并采用正则化方法将目标函数处理至0～1之间的适应值；步骤4：选择操作：算法的有效选择操作能驱使种群向适应值高的方向演化，即使得性能优良的个体有较大的选择概率；根据适应值大则选择概率大的原则，采用轮盘赌方法来进行个体的选择；步骤5：染色体交叉操作：采用均匀交叉方法来生成新的个体，并通过相似度指数来避免在种群中产生过多相同的个体；步骤6：个体自适应变异操作：通过动态控制变异率的值，使得变异率在迭代开始时取较小的值，在迭代末期取较大的值；步骤7：终止规则：算法的终止规则为，当迭代次数达到给定的阈值时，算法终止，同时得出当前种群的最优解作为算法获得的近似最优解；其中，步骤2中，嵌入集束搜索算法来产生初始种群的算法具体如下：步骤2-1：初始化；设定m＝1,z＝K,l＝1；计算相对成分效用矩阵C，设定Al＝C；其中，m为当前种群个体的索引值；l为搜索的层数；z为工作矩阵的个数；C为现有产品的相对成分效用矩阵；Al为当前层l的工作矩阵；步骤2-2：矩阵组合；从Al中迭代选取两个矩阵，然后组合这两个矩阵，形成新的属性水平组合矩阵，即：Els[g-1b+h]＝Al2s-1[g]+Al2s[h]其中， E为多个搜索层属性组合矩阵的集合；b为搜索的集束宽度；步骤2-3：排序选择；计算每个El中每一列的正元素个数PE,负元素个数NE，正元素的和SE；将El的列按照PE,SE,NE降序进行排序后，选择前b列导入Al+1并设置步骤2-4：产品配置；设l＝l+1；如果z≥2，则跳转到步骤2-2；在Al中选择其中具有最大目标函数值的列，将其中的产品配置信息保存在Pm中，设m＝m+1；如果m≤M，则跳转到步骤2-2；其中，M为种群的个体个数；P为产品族的产品配置矩阵；步骤2-5：输出结果；将矩阵Pm,m＝1,2,…,M中包含的每个产品的配置信息输出，初始化算法结束；步骤5中，避免种群中产生过多相同个体的方法如下：采用相似性指数σ来度量双亲个体的相似程度，表示如下：σ＝c其中c是双亲的相同基因数量，n是个体的所有基因数量；如果σ超过阈值r，则不进行交叉操作；阈值r的计算公式如下： 其中iiter是当前种群的迭代次数，G是种群迭代总次数；步骤6中，采用如下方法进行自适应变异：基于当前种群的状态来动态调整算法的变异率，利用构造的函数，在演化的初始阶段保持比较低的变异率，在演化的后期增大变异率，具体的变异率计算公式如下： 其中favg为平均适应值；f为当前适应值；pm1,pm2,pm3,A为调整参数。

全文数据：

权利要求：

百度查询： 杭州电子科技大学 一种基于集束搜索进化算法的产品族设计优化方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD