周炳海等：基于捷径重试规则晶圆带式搬运系统性能优化 ·265· 需重新进行遗传操作直到产生与父代不同的子代为 3NSGA-Ⅱ算法应用 止.以16个intrabay的系统为例，其遗传交叉过程 通过NSGA-Ⅱ算法对系统不同水平物流负荷 可如图2所示. 下的在制品数量与捷径成本进行优化计算，将得到 1o11o1o111o1010 的结果与启用全部捷径时的结果进行比较分析.以 平均在制品数量，各捷径上在制品数量的方差为指 标对模型进行综合分析.此外在计算过程中因为引 0101101001001001 入了宽放系数E,所以也需要考虑该系数对结果的 影响. 1001101011101000 代 3.1NSGA-Ⅱ遗传操作分析 0111101001001011 NSGA-Ⅱ算法是现阶段多目标算法中比较主流 图2交叉遗传操作 的一种算法.而在本文的算法设计过程中，需要结 Fig.2 Cross-genetic operation 合系统特点对算法中的遗传过程进行相应的针对性 3.2NSGA-Ⅱ算法分析 设计.系统中具有2m个intrabay的系统，就会有2m 个决策变量，其取值为0或1.在进行遗传操作的时 基于以上编码方式可以进行针对该系统的整体 候，考虑到系统布局的对称性，可以在进行遗传操作 NSGA-Ⅱ算法设计，其流程如图3所示 时将其分为两个部分进行单独的遗传操作.在两段 4 实验示例及结论 DNA上分别截取片段进行交叉遗传，交叉后将两段 新的子代与其父代进行比对，如果有相同的情况则 为了进行系统性能分析与优化，在数学模型建 开始 初始化种群g=0 生成第一代子群？ 决策在制品运输路径 是 计算在制品数量，捷径使用成本 进化代数g=1 计算约束惩罚，非支配解排序 g=8+1 合并父代，子代 选择，交叉，变异 生成新父代？ 决策在制品运输路径 计算在制品数量， 捷径使用成本的适应度 选择，交义，变异 计算约束惩罚，非支配解排序 拥挤度排序 选择合适个体组成新父代 是 g小于设置代数？ 结束 图3NSGA-I流程图 Fig.3 Flow chart of NSGA-II周炳海等: 基于捷径重试规则晶圆带式搬运系统性能优化 3 NSGA鄄鄄II 算法应用 通过 NSGA鄄鄄II 算法对系统不同水平物流负荷 下的在制品数量与捷径成本进行优化计算,将得到 的结果与启用全部捷径时的结果进行比较分析. 以 平均在制品数量,各捷径上在制品数量的方差为指 标对模型进行综合分析. 此外在计算过程中因为引 入了宽放系数 着,所以也需要考虑该系数对结果的 影响. 3郾 1 NSGA鄄鄄II 遗传操作分析 图 3 NSGA鄄鄄II 流程图 Fig. 3 Flow chart of NSGA鄄鄄II NSGA鄄鄄II 算法是现阶段多目标算法中比较主流 的一种算法. 而在本文的算法设计过程中,需要结 合系统特点对算法中的遗传过程进行相应的针对性 设计. 系统中具有2m 个 intrabay 的系统,就会有2m 个决策变量,其取值为 0 或 1. 在进行遗传操作的时 候,考虑到系统布局的对称性,可以在进行遗传操作 时将其分为两个部分进行单独的遗传操作. 在两段 DNA 上分别截取片段进行交叉遗传,交叉后将两段 新的子代与其父代进行比对,如果有相同的情况则 需重新进行遗传操作直到产生与父代不同的子代为 止. 以 16 个 intrabay 的系统为例,其遗传交叉过程 可如图 2 所示. 图 2 交叉遗传操作 Fig. 2 Cross鄄genetic operation 3郾 2 NSGA鄄鄄II 算法分析 基于以上编码方式可以进行针对该系统的整体 NSGA鄄鄄II 算法设计,其流程如图 3 所示. 4 实验示例及结论 为了进行系统性能分析与优化,在数学模型建 ·265·