模糊作业时间的多目标装配线平衡问题建模与优化OA

针对动力电池模组实际装配作业的不确定性,采用梯形模糊数描述作业时间的不确定性,建立了考虑模糊作业时间的多目标装配线平衡问题(assembly line balancing problem,ALBP)的数学模型,以最小化各工作站空闲时间差异、减少激活工作站数量以及降低装配过程中的能耗为目标。为有效解决该问题,提出了一种改进的北方苍鹰优化(improved northern goshawk optimization,INGO)算法进行求解。该算法基于Pareto快速非支配排序和拥挤距离机制,重新定义了搜索算子,并通过局部搜索策略将非支配解作为个体,引导算法向最优方向收敛。基于动力电池模组装配实例,求得7种可选平衡方案,实现了求解结果的多样性。为验证INGO算法的可行性与优越性,将其与非支配排序遗传算法Ⅱ(non-dominated sorting genetic algorithm,NSGA-Ⅱ)和多目标模拟退火(multi-objective simulated annealing,MOSA)算法进行了对比分析,并以超体积(hypervolume,HV)和反向生成距离(inverted generational distance,IGD)作为主要性能评估指标,结果表明,该算法相比于NSGA-Ⅱ和MOSA,HV指标分别提高了7.5%和13.2%,IGD指标分别降低了22.7%和43.3%,该方法可实现模糊作业时间ALBP的高效求解。最后,通过消融实验进一步验证了该算法的有效性。