惯性系数;Pi表示个体最优粒子;g表示全局最优粒子；
[0046] 步骤g:对每个更新鸟巢生成随机数random()，与发现外来鸟蛋的概率?3进行比 较，若random() <Pa，则宿主放弃更新鸟巢并随机新建鸟巢，从而得到一组新的鸟巢，然后 用新的鸟巢位置与更新鸟巢进行对比，若更好，则用其作为现有鸟巢，同时更新对应的帖装 排序和调度目标值；
[0047] 步骤h:评估全部鸟窝的目标调度值，若更新之后鸟窝目标调度值更优，则在更新 后的鸟窝中产卵，并找出其对应的最优鸟窝位置，保留最优鸟窝，并更新对应的帖装排序和 调度目标值，
[0048] 步骤i:保留最优帖装工序排列和调度目标值，迭代次数增加1，若达到最大迭代次 数，转步骤j，否则转步骤c，进行下一轮寻优；
[0049] 步骤j :输出最优值和最后的生产调度方案。
[0050] 本发明原理：
[0051] 本发明步骤1)，针对PCB板的组装生产线是多贴片机同时工作的并行流水生产线 (具体想详见图1和图2)的特点，假定各类PCB板在不同贴片机上的加工时间是已知的，以整 体组装时间最小化为优化目标，旨在构造确定PCB板的组装顺序和加工任务分配方案的智 能优化方法。从流水生产和连续批量生产的特点可知，加工时间最长的贴片机决定了整个 加工工序的完成时间。如果能使流水线上各贴片机的加工时间相等且达到最小，则整个生 产线就完成负荷均衡，可以获得最高的生产效率。故，建立带约束条件的生产线各贴片机负 荷均衡的优化调度数学模型，以求得使各个贴片机的加工时间相等且达到最小的最优解。
[0052] 本发明步骤2)采用改进布谷鸟搜索算法，先基于最小位置值规则的随机键编码方 式实现布谷鸟选择宿主鸟巢的连续位置向量和各种PCB板的元器件帖装顺序之间的相互转 换;再用粒子群算法(PS0)对布谷鸟搜索算法进行改进，使布谷鸟按照Levy Flight机制随 机游走基础上，使其在后期按照PS0算法更新路径，这样既保持了布谷鸟搜索算法的全局寻 优能力，又大幅提高了其在局部的寻优能力，从而达到对生产线负荷均衡的优化调度数学 模型进行全局最优求解，获得负荷均衡最优的调度方案所对应的各种PCB板的全部元器件 的帖装顺序。
[0053]本发明的有益效果：
[0054]本发明在现有技术中各算法的优缺点的基础上，为了使各种算法取长补短，提高 算法寻优的效率，结合贴片机生产的实际，提出了将布谷鸟搜索算法和粒子群算法进行融 合，并将其应用于解决PCB板组装的多机流水生产线负荷均衡优化问题的求解。本发明根据 表面组装流水生产线的工作过程和特点，建立了生产线上各种PCB板的元器件帖装顺序优 化调度数学模型，通过对各贴片机的优化调度，实现生产线上各贴片机的的帖装时间相等 且最小，采用改进布谷鸟搜索算法求解生产线上各贴片机负荷均衡的优化调度数学模型， 获得全局最优的元器件贴装调度方案，从而使各台贴片机的负荷达到均衡，提高生产线的 效率。
【附图说明】
[0055]图1是本发明中PCB板组装生产线的流水线特征示意图；
[0056]图2是本发明中PCB板组装生产线的并行特征示意图；
[0057]图3是本发明中改进布谷鸟搜索算法的框图。
【具体实施方式】 [0058] 实施例1:
[0059] 如附图1，1为PCB板、21为元件1、22为元件2、23为元件3、、24为元件4、25为元件5、 26为元件6、27为元件7、28为元件8、29为元件9，在本发明所述基于改进布谷鸟算法的表面 组装生产线贴片机负荷均衡优化的调度优化方法中，该流水生产线的特点为:PCB板的分配 是按类型进行的，同一类型的PCB板通常在一台贴片机上完成加工;每个部件的组装任务由 生产线上所有贴片机共同完成，每台贴片机的加工任务完全不同；
[0060] 如附图2,3为输送带，在本发明所述基于改进布谷鸟算法的表面组装生产线贴片 机负荷均衡优化的调度优化方法中，该流水生产线的特点为：多台贴片机并行布置，各类 PCB板被分配到不同的贴片机上完成加工组装，一台贴片机对某类PCB板（由若干元件构成） 进行执行加工的同时，其它贴片机对其它部件也执行加工操作；
[0061] 基于改进布谷鸟算法的表面组装生产线贴片机负荷均衡优化的调度优化方法，其 具体过程如下：
[0062] 步骤一:针对该流水线生产的实际特征，PCB板的多机流水生产线负荷均衡问题的 描述如下：设PCB板上有c种元件将在m台贴片机上加工，为了便于描述和解析问题，所有贴 片机及PCB板的元件类型分别用数学编号表示如下：
[0063] 贴片机集合为:M= {1，2，…，m};PCB板的类型集合为:C= {1，2，…，c};加工需求集 合为:1={?1，《2，一，概，一，《。}，其求概为类型为1^仏〈〇的?08板的数量。设类型为1^的？08板 在编号为i￡M的贴片机上加工或组装时间为为编号为ieM的贴片机完成其所分配的 任务所需的时间。引入如下0-1决策变量：
[0065] 步骤二:针对步骤一对于问题的描述，贴片机优化调度的思路是为各台贴片机确 定一种最佳的生产负荷方案;使得各台贴片机的加工时间相等且最小，从而使生产线的效 率最优，所以，负荷均衡优化调度问题用数学模型表示如下：
[0066] 目标函数：
[0070]约束条件：
[0071]
，i = l，….，m;k = l，· · ·，C，表明任何一类元件只能分配给一个贴片机；
[0072]
. i = l，. . .，m;k = l，. . .，C，表明任何一台贴片机至少组装一类以上元件；
[0073] xikE(〇，l)，i = l，· · ·，m;k=l，· · ·，C，表明该变量为0-1 变量约束；
[0074]步骤三：如附图3,根据步骤二中的建立的生产线元器件贴装调度的数学模型，采 用将布谷鸟搜索算法和粒子群算法(PS0)进行结合的优化方法对其进行求解，对布谷鸟搜 索算法进行改进，将PS0算法融入其中，一方面，使布谷鸟按照Levy Flight机制随机游走， 又使其在后期按照PS0算法更新路径，这样既保持了布谷鸟搜索算法的全局寻优能力，又大 幅提高了其在局部的寻优能力;所以，利用PS0算法对布谷鸟算法中的位置更新方式进行优 化调整，是该优化方法的关键创新点;具体实现步骤如下：
[0075]步骤a:初始化基本参数
[0076]布谷鸟选择的鸟窝数目N，发现概率?3，最大种群粒子数h，学习因子C1、 C2,最大迭 代次数 maxgeneration;
[0077]步骤b:布谷鸟随机选择鸟窝的位置
[0078]随机产生并择优选取η个序列，将Xdiil，〗，…，N)，作为初始鸟巢，基于最小位置 值规则的随机键编码将鸟窝位置换为PCB板元器件帖装工序的排列，根据鸟窝的位置计算 评价各鸟窝的调度目标值，初选得到目前最优鸟窝X best，记录当前最优帖装排序和调度目 标值，迭代次数置为1;
[0079] 步骤c:分析各种位置解的优劣性，分别建立劣解种群集和优解种群集；
[0080] 步骤d:对于优解种群，转步骤f;对于劣解种群，顺序执行；
[0081] 步骤e:根据标准布谷鸟搜索算法中的更新方式一，具体如式I，对鸟巢位置进行搜 索并与原位置进行对比，择优选择进行位置更新鸟窝，同时更新对应的帖装排序和调度目 标值，转步骤g，
[0083] 其中，不〃Μ表示第t+1代第i个鸟窝的候选位置;X/"表示第t代第i个鸟窝的位置； α为控制步长；" ? "为点对点乘法;L(A)为服从Levy分布的随机搜索路径，转步骤g;
[0084] 步骤f:根据粒子群算法，具体如式Π ，对其他鸟巢位置进行搜索并与原位置进行 对比，择优选择进行位置更新鸟窝，同时更新对应的帖装排序和调度目标值，
[0087] 其中，#表示位置；v产表示速度;random()为[0，1 ]之间的随机数;C1、(：2为学习因 子，是非负常数;w为惯性系数;Pi表示个体最优粒子;g表示全局最优粒子；
[0088] 步骤g:对每个更新鸟巢生成随机数random()，与发现外来鸟蛋的概率Pa进行比 较，若ran