工艺规划中的组合优化问题

为了解决在工艺规划的诸多环节（如工步排序、机床负荷分配、切削参数选择等）普遍存在的组合优化问题，在分析传统方法缺陷的基础上，把一种先进的优化算法——模拟退火算法应用到工艺规划中，并针对加工中心上工步排序这一典型问题，建立组合优化数学模型，对该算法在工艺规划中的运用机理作了详细论述。结果表明，该算法把概率引入到启发式方法中，避免了陷入局部最优点的缺陷，在优化结果和计算时间方面都有明显优于常规方法，有效地提高了工艺规划系统的优化能力。     

工艺规划中的组合优化问题

为解决在工艺规划的诸多环节中普遍存在的组合优化问题，在分析传统方法缺陷的基础，把一种最速下降虎法应用到工艺规划中，并针对加工中心上工步排序这一典型问题建立组合优化数学模型，对该算法的收敛性，局限性及弥补措施作了详细讨论了和说明。     

基于规则和混合算法的智能STEP-NC微观工艺规划

为解决STEP-NC微观工艺规划智能性差和效率不高的问题,提出一种基于规则和混合算法的智能STEP-NC微观工艺规划方法.首先,采用本文提出的基于规则的加工资源匹配算法,为每一加工工步匹配相应的机床和刀具;然后,以最短换刀时间为优化目标,采用混合算法 (混沌算法和遗传算法) 对STEP-NC加工工步序列进行优化;最后,以最少加工时间和最低加工成本为优化目标,通过混合算法对STEP-NC加工工艺参数进行优化,进而得到最优的STEP-NC微观工艺规划.通过实例验证了该方法的有效性和可行性.     

基于遗传算法的工艺过程排序研究

面向特征加工的工艺过程排序是计算机辅助工艺规划中一个非常突出的难点问题.首先对特征之间的约束关系进行分类,利用特征关系图来描述基本的合理性约束,并将最优性约束的满足程度视为工艺路线优化的判断标准.然后利用遗传算法来实现工艺过程排序,改进了编码规则并实现了解码算法,方便了适应度的计算,从而提高了排序算法的有效性.最后给出了应用实例.     

无节奏流水施工优化模型及其动态规划算法

施工顺序对无节奏流水的流水步距与施工工期有着重要影响,而排序算法的研究与流水步距的计算一直是无节奏流水施工优化研究的难点.建立了无节奏流水施工优化问题的数学模型,推导出不同施工顺序下流水步距的计算方法,发展了潘特考夫斯基法.为方便模型的求解,巧妙地把原优化问题转化为最短路线问题,给出了能得到最优解的动态规划算法,经分析证明,采用上述算法,按优化后的施工顺序施工,可以实现最大限度缩短工期,降低成本,提高经济效益.     

叶片排序的逐步调优模拟搜索算法

文章根据叶片重量和频率的工艺要求,讨论了压气机叶片的排序算法问题,该问题是一个NP难题,直接求解很困难。建立了一个组合优化模型,给出了逐步调整优化的模拟搜索算法,并利用MATLAB软件实现算法,且进行了实现的时间复杂度检验,最后求得了最优的结果。     

智能化工艺设计系统的几个关键技术

针对以专家系统为理论基础的传统人工智能计算机辅助工艺过程设计（ＣＡＰＰ）系统的缺陷，以加工方法选择、定位夹紧方案确定及每一安装下的工步排序三个基本问题为结合点，对工艺设计的人工神经网络模型，组合优化及不确定推理方式等进行了理论分析和研究。建立了适于加工方法选择的人工神经网络模型及工步排序的模拟退火优化模型，应用模糊综合评判方法合理地确定定位夹紧方案。在此基础上开发一个适于ＣＩＭＳ－ＥＲＣ环境面向典型非回转体零件的智能化ＣＡＰＰ系统。     

快速工艺准备信息建模技术研究

针对制造业普遍存在的工艺水平不高、产品研制周期过长等问题,根据企业的实际情况,建立了适应企业的由界面层、核心层和数据库层构成的快速工艺准备系统体系结构。在此基础上,利用分区排序算法和模糊智能查询算法建立了针对零件的快速工艺准备信息模型,通过应用分区排序算法和模糊智能查询算法,对工艺准备中的工艺规划进行排序,选择最优工艺路线,使零件的特征信息达到快速排序。     

一种改进蚁群算法在配电网优化规划中的应用

配电网规划是一个复杂的非线性组合优化问题。为解决这一难题,提出一种基于改进蚁群算法的配电网优化规划算法。算法中,针对配电网络的辐射性特点,运用了一种避免辐射性检查的规划方法。结合蚁群算法,并改进了启发因子α,提高了配网规划的效率。算例结果表明该算法的优越性。     

基于动态规划算法的供应链排序问题研究

针对多制造商多客户的供应链排序问题,将排序理论应用到供应链管理中,分析了供应链问题的特点,研究了多供应商多制造商的网状供应链中的总流程时间问题,并以生产排序费用和发送费用之和最小为优化目标,采用动态规划算法建立总流程时间问题数学模型,提出最优算法,最后通过仿真对比实验论证了该算法有效性.     

并行混沌与和声搜索的多目标混合优化算法

针对传统的混沌优化算法对初始值敏感、搜索精度低和收敛速度慢,以及和声搜索收敛不稳定、处理多目标优化问题时适应性差等不足,研究了一种多目标并行混沌与和声搜索混合优化算法(MOCOHSA).MOCOHSA利用并行混沌优化的全局搜索能力与和声搜索算法的局部搜索能力,并在和声搜索中引入自适应操作,在解决多目标优化问题时表现出良好的搜索速度和收敛性能.对8个多目标优化测试函数的优化计算中,该算法表现出比其它多目标优化算法更好的性能.算法最后用于解决卫星热管设计问题.     

基于分群式粒子群算法的压裂水平井试井曲线自动拟合

为提高压裂水平井试井多参数自动拟合的计算精度、速度和稳定性,将传统方法、智能算法和并行算法相结合,提出并行分群式粒子群优化算法,并将高斯-牛顿法与粒子群算法相结合,同时采用OpenMP并行算法求解。结果表明:在粒子群优化算法中,通过粒子分群使粒子搜索方向趋近于线性,避免了粒子群算法易陷入局部最优的问题,加快了搜索速度;与高斯-牛顿法相结合保证了计算的稳定性;采用OpenMP并行算法求解降低了模型的复杂度,提高了计算效率;分群式粒子群优化算法比其他优化算法计算速度更快,计算精度更高,并可在一定程度上为多裂缝水平井试井解释划分流动阶段。     

PSO-QGA在移动机器人复杂路径规划中的应用

量子遗传算法具有适应性强、收敛速度快、适合于全局搜索的特点,粒子群优化算法的优点是具有记忆能力,在智能搜索的实现上可以结合个体和全局的最佳位置实现位置定位,但粒子群优化算法在搜索速度和择优能力方面还有待提升.因此提出了一种改进的路径规划算法,即利用量子遗传算法结合粒子群优化算法的记忆功能和最佳定位能力,实现对移动机器人路径规划算法的改进.通过仿真实验已经证明,改进后的移动机器人路径规划算法在稳定性和路径优化选择上都优于单纯的粒子群优化算法和量子遗传算法,并且改进后的算法更适合于复杂路径中实现优化.     

极值组合元素算法及其在全局查询优化中的应用

极值组合元素算法是一种新型的智能优化算法,该算法采用了极值组合的原理,并结合模式搜索、排雷策略等多种方法进行极值的优化,使优化的速度、精确性和全局性优于其他算法,并适用于各种范围的极值优化.该算法被应用于分布式系统中的全局查询优化处理,经模拟实验验证具有较好的效果.     

分销配送网络优化模型及其求解算法

为了优化网络结构 ,寻求最佳配送策略 ,最终找出成本最小的供应链 ,针对需求拖动式供应链中 ,多供应商、多产品、多客户分销配送网络的优化设计问题 ,在考虑需求分配的情况下 ,提出了分销配送网络的优化模型。为了求解优化模型 ,提出了基于混合遗传算法求解混合 0 - 1整数规划问题的算法 ,它是用遗传算法搜索 0 - 1变量的最优解 ,将其他算法融入遗传算法中 ,对非 0 - 1变量进行求解的一种算法。最后通过两个算例进行了仿真实验 ,验证了优化模型的正确性和算法的有效性。模型简明、客观 ,算法易于扩展并具有鲁棒性、通用性     

基于可靠性的供应链设施选址问题的优化模型

针对传统设施选址模型片面追求成本最小化而忽视供应链系统服务水平的情况,建立了一个基于容量有限制的供应链设施选址可靠性问题的多目标优化模型(RCFLP),并针对模拟退火算法与粒子群算法的优缺点,提出了一种混合型智能算法—模拟退火粒子群算法。通过收集中国各个省的人口和各个省会的相互之间的距离数据,构建实例,通过本文建立的模型与模拟退火粒子群算法进行了求解, 并对结果进行了分析,将模拟退火粒子群算法计算结果与模拟退火算法和粒子群算法的计算结果相比较,证明了模拟退火粒子群算法的可以较快地获得较好的全局最优解。     

基于DSO算法的印刷电路板焊点测试路径优化

针对印刷电路板焊点测试中的测试时长、测试效率等路径优化问题,提出了一种用于电路板自动测试的基于DSO(don-key and smuggler optimization)算法的路径优化方法,通过电路板上焊点坐标信息,编写DSO的优化程序,与蚁群算法、遗传算法和模拟退火算法进行算法有效性的比较与分析,并将其对试际电路板焊点测试路径进行仿真验证.结果表明:该算法能够有效优化电路板上的焊点测试路径,缩短测试时间,为解决电路板自动测试中的路径优化问题,提供了有效理论依据和解决办法.     

贪婪光线寻优算法的局部收敛性分析

光线寻优算法局部搜索能力弱和收敛性理论完善困难的问题, 提出一种贪婪光线寻优算法, 并通过理论推导证明了该算法的局部收敛性. 数值实验结果表明, 对于单极值非线性标准测试函数, 与粒子群算法和模拟退火算法相比, 贪婪光线寻优算法具有更高的收敛精度和稳定性.     

一维下料问题的自适应广义粒子群优化求解

针对现有粒子群优化算法在求解组合优化问题时粒子速度迭代难以定义的问题,首先将粒子群优化算法与遗传算法相结合,利用交叉算子、变异算子,提出一种广义粒子群优化算法来求解一维下料问题;然后引入模拟退火算法作为自适应策略,避免算法陷入局部最优.仿真实验结果表明,采用自适应广义粒子群优化算法求解一维下料问题具有高效性和鲁棒性.     

多峰函数寻优的微粒群算法

某些实际问题的优化目标是求所有的局部最优解，即求解多峰寻优问题，为了求解多峰优化问题，提出了改造的微粒群优化算法．尽量减少微粒群算法中的全局因素，从而增大其局部因素，同时采用变步长方法增加微粒的多样性．并给出了该算法的原理和步骤．仿真实验表明该算法概念清楚，计算简单，具有很好的局部寻优特性，可应用求解于多峰寻优问题．另外还给出了几个运算实例和与其它优化算法的比较．图表，表1，参9．