一种基于子图划分和多目标遗传算法的柔性生产线多机器人配置方法

本发明提供一种基于子图划分和多目标遗传算法的柔性生产线多机器人配置方法，其中方法包括：对柔性生产线进行有向图建模，基于工序拓扑关系通过深度优先搜索划分子图，并通过规模系数动态控制子图复杂度，设计二维矩阵编码子图对道路流量的占用比例，构建以总分配流量最大化和工序产能方差最小化为目标的双目标函数，利用非支配排序遗传算法(NSGA‑II)通过快速非支配排序、拥挤度计算及遗传操作(交叉、变异)生成Pareto最优解集，替代传统单目标网络流模型及单一算法优化模式，实现多机器人物流配置的高效优化；此外，基于子图划分与NSGA‑II协同框架设计多层级优化架构，消除工序约束与流量分配的耦合依赖，实现多目标解空间的并行探索，传入多工序拓扑约束及道路运力数据后可输出兼顾效率与均衡性的物流配置方案。本发明与现有的技术方案相比：1)通过子图划分降低计算复杂度，使算法收敛效率显著提升；2)在多工序场景中道路利用率显著提高，工序间流量分配更均衡，有效缓解物流瓶颈；3)无需依赖高维单目标模型，简化了柔性生产线物流配置的开发流程，适用于工序拓扑复杂的生产环境，通过子图规模控制可支持大规模场景。