汽车总装是汽车生产的一个重要环节,它主要是对每一辆汽车按配置、驱动、动力、颜色等要素进行装配。由于每辆汽车的需求各有差异,所以对每一批待装配汽车,寻求一个最优的总装顺序,将能有效降低成本、提高生产效益。本文以某企业家用轿车总装生产线的生产情况为背景,抽象并提炼出汽车总装顺序优化问题进行研究,主要研究内容包括:(1)提炼问题并建立数学模型。根据企业汽车总装线生产情况,提出了综合考虑车辆的配置、驱动、动力、颜色等生产要求下,寻求使车辆切换次数最小的最优装配顺序问题。分别对车辆四类属性及装配要求进行量化和定义,构成约束条件;对任意装配序列进行统计,构成基于四类属性切换次数最小的多目标函数。(2)将基本数学模型转化为TSP模型。将待装配的汽车看作是TSP问题的路径顶点,任意顶点之间的距离即是配置、驱动、动力和颜色等因素对相邻汽车的约束赋值,从而将问题转化为一个多目标优化TSP模型。(3)用遗传算法求解单约束TSP模型。首先分别考虑配置、驱动、动力、颜色等约束,原模型被分别简化为只有一类约束的TSP模型。用遗传算法求解时,个体均采用实数编码,选择策略采用锦标赛策略,交叉和变异策略综合采用倒序、交换、循环移位策略,但适应度函数引入了各自的约束变量。算法的种群规模为800,遗传代数为2000,交叉概率为0.8,变异概率为0.1,待装配汽车总数为461辆。经MATLAB编程反复求解,当只考虑驱动约束时,最小切换次数为43,连续四驱车数均不超过2辆、两批四驱车之间的两驱车数介于[10,50]辆。只考虑动力约束时,最小切换次数为30,连续柴油车数均不超过2辆、两批连续柴油车之间的汽油车数介于[10,72]辆。只考虑颜色约束时,最小切换次数为7,连续黑色车数介于[67,70]辆、连续两批黑色汽车之间其它颜色汽车数介于[29,81]辆,而其它颜色的汽车相互约束也满足。求解结果均能完全满足约束条件,达到预期目标。(4)用遗传算法求解复杂约束TSP模型。通过对各个单约束TSP模型的求解,初步验证了遗传算法各项控制参数的有效取值范围,综合考虑所有约束条件,构成复杂约束的多目标TSP模型,其目标函数共由8个分量构成。遗传算法求解时,各项控制参数的取值与(3)相同,求得综合的最小切换次数为143,驱动切换46次,动力切换24次,颜色切换7次,配置切换66次。求解结果能较好地满足各个约束条件,达到预期目标,并且算法运行稳定。