基于多种群遗传算法的装配线平衡问题研究

产品在制造过程中,装配作业成本大约占制造成本的30%,装配线平衡问题是影响装配作业效率的关键因素。在装配线平衡研究中,提出在固定作业工位下求解装配线平衡的问题,建立了以生产节拍和工位负荷均衡为目标的装配线平衡优化模型,采用多种群遗传算法对固定工位下装配线的生产节拍、工序分配、工位负荷均衡、装配线平衡率进行求解,并基于MATLAB环境实现了多种群遗传算法的编码和求解。最后通过实例求解,验证了模型和算法的可行性。结果分析表明:装配线平衡问题得到了较明显的改善。     

基于遗传算法的混流装配线工作站平衡研究

现有的装配线平衡方法缺乏关联性、系统性和整体性,未考虑混流水装配线工作站分配、排序及实际应用中除工艺顺序以外的约束问题.文章以车桥装配生产线为例,引入惩罚函数优化装配工艺顺序以外的约束,利用遗传算法对该问题进行编码求解,将工作站数最小与平衡率最高同时进行优化.最后通过实例进行仿真运算,以加强混流产品装配生产线工作站分配及平衡策略的可行性、有效性和前瞻性,为装配线尤其是车桥类装配线工作站分配和平衡提供了一种有效途径.     

考虑能效的多机器人协同装配线平衡方法

为解决工位内多机器人的协同装配问题,以装配线的节拍、能源的总消耗以及机器人的总投入成本最小为优化目标,建立了工位内多机器人协同作业的装配线平衡问题的数学模型.在此基础上,提出了一种基于工位码、任务码、机器人码三层编码的多目标混合帝国竞争算法,该算法融合了非支配排序遗传算法的排序规则,并引入了延迟爬山算法,以提高算法的搜索性能.最后,对算法进行仿真实验,结果表明该算法是有效、可行的.      

基于模拟退火改进的实参遗传算法及其工程应用

由于继承性的问题,遗传算法在编码和解码中会花费大量的计算时间;另外,由于缺乏"爬山能力",遗传算法很容易早熟和局部收敛.提出一种新的自适应模拟退火遗传算法,具有遗传算法和模拟退火的优点,同时自适应机制的引入,保证了解的质量并提高了收敛速度.将这种方法应用于螺旋弹簧约束优化设计问题中,结果表明,尽管群体规模较小,但在处理复杂问题时,这种混合算法的全局搜索能力和收敛速度显著提高.     

自适应SAGA算法进行全局寻优的研究

遗传算法以概率转换规则为基础,在给定问题的潜在解集中进行广泛搜索,具有很强的全局寻优能力,但收敛速度慢。模拟退火算法理论上只要计算时间足够长,就可以保证收敛于全局最优点。但是在实际算法的实现过程中,由于计算速度和时间的限制,全局寻优点的效果并不理想。将遗传算法和模拟退火相结合,提出一种混合的自适应遗传算法,可以提高收敛速度并改善全局寻优性能。     

自适应最优保存的模拟退火遗传算法及应用

在分析遗传进化的基础上，提出了一种自适应最优保存的模拟退火遗传算法，自适应地保存最优个体，并对其进行模拟退火，与简单最优保存遗传算法（MOSGA）进行了性能比较，结果表明本算法明显比MOSGA搜索能力更强，有极强的跳出局部成的能力，有效地解决了MOSGA的早熟现象。     

求解0/1背包问题的自适应遗传退火算法

针对标准遗传算法易早熟收敛以及收敛速度慢的问题,提出一种自适应遗传退火算法用于解决高维约束优化问题.该算法采用轮盘赌和最优保存策略相结合的选择机制,并结合自适应交叉、变异概率,继而引入模拟退火算法,加快迭代后期算法的收敛速度.最后,比较了标准遗传算法和自适应遗传算法的实验结果,证明了自适应遗传退火算法在0/1背包应用中的高效性和精确性.     

基于有向网络理论的U型装配线平衡问题研究

针对制造企业的复杂装配线工作站优化设计和生产柔性化要求,提出基于有向网络理论的解决办法.首先结合装配线平衡问题简单算例,说明装配流水线作业流程图满足有向图特征,并用矩阵表示,将复杂网络图信息转换为可计算的数据信息,实现了流水装配线平衡的计算机计算与程序设计.其次以29个节点装配流程为例,在满足作业元素的时间、流水节拍以及作业元素优先关系的约束条件下,以装配线时间损失率最小为优化目标,建立装配线平衡问题的数学模型.最后利用有向图网络理论计算装配线平衡问题和U型装配线设计,平衡率达到93.81%,验证了有向网络图理论求解生产线平衡问题的合理性和有效性,并实现了计算机程序计算.本研究为制造企业大型流水线设备自动化设计提供了一种新方法.     

基于改进遗传算法的机器人路径规划

路径规划是移动机器人领域中的重要问题之一。传统遗传算法在寻找最短路径时容易陷入局部最优,为了缩短机器人运动路径长度和提高避障性能,本文提出一种免疫克隆自适应遗传算法,该算法结合了免疫克隆算子、自适应算子从而提高解的质量,设计栅格模型,给出适应度函数用于计算机器人路径长度,并针对复杂的二维路径编码问题,设计一维路径编码方式。在仿真实验中针对不同障碍物数量对免疫克隆自适应遗传算法和粒子群算法、模拟退火算法进行对比,结果显示:当障碍物数量提高至20时,免疫克隆自适应遗传算法优化过的路径长度与粒子群算法与模拟退火算法相比分别降低了5.99%和11.04%。因此,本文提出的免疫克隆自适应遗传算法可减少路径寻优时间,有效提升机器人路径规划的效率。     

基于命中的机场航班中转衔接性优化

为解决目前国内机场中转衔接效率不高的问题,通过分析影响机场航班中转衔接性的因素,基于航班波的理论定义命中的概念及其计算方法,构建了以枢纽一日中转衔接命中数最大化为目标,同时考虑时间约束、绕航约束和跑道容量约束的时刻调整模型。设计自适应模拟退火遗传算法对模型进行求解,在自适应遗传算法中引入模拟退火的思想提高算法的全局搜索能力和收敛速度,并与传统遗传算法和模拟退火算法进行对比。对首都机场一日起降航班数据进行实证分析,分别求解出3种时间窗调整时长下的最优命中数,并迭代出相应的航班时刻表。结果表明,改进算法能在更短时间内获得较高质量的近优解,优化后的航班时刻呈现出明显的波形结构,机场的中转衔接性能得到了有效提升。     

混合算法在流量工程中的应用

针对大规模网络中的流量工程问题,设计了结合遗传算法与模拟退火以及结合遗传算法与爬山法的两种混合算法.仿真实验表明,结合遗传算法和模拟退火的混合算法在整体性能上较单独使用遗传算法有明显的提高,结合遗传算法和爬山法的混合算法在处理超大规模的网络和海量业务要求的流量工程问题时具有时间上的明显优势.     

多目标混流装配计划排序问题

在总结混流装配线排序问题的优化目标基础上,给出了一种混流装配线排序多目标优化模型.采用一种染色体映射的策略,有效地解决了遗传算法中染色体变化后难以保证主生产计划约束的问题.对比计算的结果表明:多目标计划排序不仅能有效保证基于生产负荷平衡的目标和基于物流平顺化的目标的要求,同时还能减少装配中品种切换频繁的问题.     

一种求解TTP问题的SAGA算法

分析了高校课程表编排中涉及的各种约束条件和特殊要求,给出了一种求解TTP问题的模拟退火遗传算法(SAGA),并且对遗传算法中的交叉、变异操作采用自适应方式进行了改进,提高了算法在解空间中的探索能力和效率.数值实验证明了该方法的有效性和可行性.     

用于跑道调度的约束多目标遗传模拟退火算法

为获得较优跑道调度方案,以提高跑道运行效率,建立了约束多目标多跑道进离场航班调度模型.在分析遗传算法与模拟退火算法特征的基础上,提出遗传模拟退火组合算法.分别采用Pareto支配及理想点法对跑道调度目标函数进行处理,采用惩罚目标函数值及可行解占优的方式处理约束条件,并确定了不同条件下新粒子更新机制及最优粒子筛选原则.文中还通过设置温度自适应改变机制控制算法收敛速度,以提高最优解性能.最后,以国内某大型机场跑道调度为例,对文中算法的有效性进行验证.结果表明:基于Pareto支配的约束多目标遗传算法能获得跑道调度多组较优可行解,且时效性强.     

基于自适应退火遗传算法的船舶管路布局优化方法

采用自适应遗传算法来确定标准遗传算法的杂交率和变异率,尤其对变异率的调整,使其不但能根据个体适应值的大小进行自适应修正,而且能随进化状态的改变而改变,从而增强了算法摆脱局部最优解的能力.同时引入模拟退火思想,通过对标准遗传算法接受算子的退火处理,使其在搜索过程中除了接受优化解以外还以Metropolis准则接受恶化解,提高了种群的多样性,有效地增强了全局寻优能力.通过对适应值函数的退火拉伸,调整了进化前后期的适应值差异,从而加速了寻优过程.最终以形成的自适应模拟退火遗传算法进行船舶管路的三维布局优化,仿真实验表明,该算法不但加快了寻优速度,而且与标准遗传算法相比全局收敛率提高了近30%.     

改进遗传算法求解带不相关并行机的HFSP

以最小化最大完工时间为目标的不相关并行机混合流水车间调度问题。首先建立了不相关并行机混合流水车间调度问题的数学模型;然后提出了改进的遗传算法进行求解。为弥补遗传算法的迭代后期容易陷入局部搜索的缺陷,在传统遗传算法的基础上利用改进的自适应交叉和变异概率因子及模拟退火局部搜索策略,增强遗传算法在迭代后期跳出局部最优的能力。并通过两个案例来验证改进遗传算法的有效性。     

求解多峰值问题的改进混合遗传算法

由于遗传算法解决问题时容易陷入局部极值点,根据遗传算法全局搜索能力强和模拟退火算法局部搜索能力优的特点,将它们混合使用,同时改进初始群体产生方法,使随机产生的初始群体之间有较明显的差别,能均匀分布在解空间,并采取与进化代数相关的多精英保留策略及改进的自适应选择与变异操作.模拟退火算法的结束条件改进为当连续五代个体与前一代适应值无变化或当前温度小于结束温度.仿真实验表明新算法在求解多峰值问题时改善了遗传算法的局部搜索能力,有效地解决了遗传算法的早熟现象,显著提高了遗传算法求得全局解的概率.     

新型遗传算法求解车辆路径问题研究

建立有时间窗车辆路径问题的数学模型,针对遗传算法在局部搜索能力方面的不足,提出将模拟退火算法与遗传算法相结合,从而构造有时问窗车辆路径问题的混合遗传算法,并进行实验计算.结果表明,用混合遗传算法求解该优化问题,可以在一定程度上克服遗传算法在局部搜索能力方面的不足和模拟退火算法在全局搜索能力方面的不足,从而得到质量较高的解.     

汽车装配线电动车配送路径及换电站选址优化

考虑将电动小车用来进行基于厂内循环配送策略的汽车装配线的物料配送,提出了汽车装配线电动车配送路径及换电站选址问题,以最小化系统总成本为优化目标建立了数学规划模型.针对这一复杂的混合优化问题,对该问题的性质进行了分析,提出了两阶段动态规划算法获取小规模问题的最优解;对于中、大规模问题,通过种群分割技术并在Lévy飞行中融入深度邻域搜索算子构建了改进型离散布谷鸟算法.最后,进行了仿真实验,分别对比了两阶段动态规划算法,实数遗传算法及改进人工蜂群算法在解决该问题方面的性能,结果表明改进型离散布谷鸟算法的有效性以及在算法稳定性、搜索深度以及收敛性三个方面的较大优势.     

求解第Ⅱ类装配线平衡问题的混合遗传算法

针对第Ⅱ类装配线平衡问题,提出一种混合遗传算法,以解决典型遗传算法易陷入局部最优解的问题。在混合遗传算法中,引入烟花算法爆炸算子中基于免疫浓度思想,并与典型遗传算法的精英保留策略相结合,以保持进化过程中种群多样性,避免算法陷入局部最优,提高了全局寻优的能力;同时将邻域搜索策略引入变异算子,以改进算法的局部搜索性能。通过算例验证了本文算法的有效性,与典型遗传算法相比,该算法寻优率提高了1.4倍,求解时间减少了25.8%,为装配线平衡问题的解决提供了一种新方法。