基于智能聚类算法的产品粒度确定方法

通过分析当前的聚类算法在产品模块划分过程中普遍存在的局限性，结合产品配置的特点，对模糊C均值算法所构建的具有片面性的目标函数和“爬山法”寻优模式的缺点进行了改进，并用于产品的模块化结构规划。提出了一种利用演化细胞学习自动机与改进后的模糊C均值聚类算法相结合的智能聚类算法进行产品粒度划分。在分析影响配置设计主要因素的基础上，建立需求满意度、装配复杂度和变型设计复杂度等三个量化指标，对不同粒度层次下模块划分结果的合理性与有效性进行评价，进而确定出最佳的粒度大小和模块数量。最后，通过实例验证说明了所提方法的可行性。