柔性作业车间的任务分配及优化方法

针对柔性作业车间中存在的多工艺路线和多加工路径的生产条件,以整个任务的加工时间最小化为目标,提出了有限缓冲条件下的任务分配模型.基于Wardrop用户平衡原理,利用增量分配法求解该模型,进而求解各路径和各加工单元的任务分配量,以及任务的最小化加工时间.通过一个加工单元具有非线性加工时间和多工艺路线的实例证明了该模型和方法的有效性.该模型和算法,可以将任务分解到各加工路径上,并且能够确定各资源加工的时间窗.     

面向网络化制造的多工艺路线规划与调度集成

针对传统的工艺规划与生产调度方法难以满足网络化制造环境下多工艺规划与生产调度集成的问题,建立了一种多工艺路线规划与生产调度集成数学模型,以实现网络化制造环境下多制造任务的工艺路线规划与生产调度的协同决策,产生符合实际生产需要的工艺路线与生产调度方案.为了实现对该集成数学模型的有效解算,分别设计了遗传算法与免疫算法的模型解算方法进行求解,并比较了这2种解算方法的解算效果.仿真结果表明,采用所建立的集成数学模型与解算方法可有效解决网络化制造环境下多工艺路线规划与调度集成的问题,但在求解效率与精度上免疫算法要优于遗传算法,从而为实际应用提供了借鉴.     

制造单元快速构建技术研究

针对制造单元的快速构建和提高可实施性的问题,提出了一种采用聚类分析与启发式算法相结合的解决方案. 在零件存在多工艺路线、工序存在多可选设备的基础上,综合考虑加工时间、加工顺序、生产批量、设备能力、任务交货期等实际生产约束条件,以最短加工时间、最佳设备及单元平衡、最少跨单元加工等作为重构优化目标,重视生产瓶颈环节的识别和处理,采用设备单元构建、资源优化分配和单元负荷均衡的三阶段处理技术,实现了制造单元的快速构建,导出了零件族、设备集合以及瓶颈问题的解决方案,并通过实例验证了算法的有效性.     

资源布局可变条件下的开放车间柔性制造单元构建技术研究

单元制造是在当今小批量、多品种的生产环境下的提高生产柔性和效率的一种有效手段。在单元制造的基础上,提出了一种融合物理制造单元和逻辑制造单元的柔性单元构建方法,并建立了相应的混合整数规划模型。通过在物理制造单元与逻辑制造单元设计思想之间寻求折衷来提高系统的柔性并减少制造成本。在模型设计中,考虑了制造资源布局、加工路径选择以及加工批量设置问题。以最小化加工成本、加工车间之间和之内的运输成本、跨单元操作成本和机器移动成本为目标,通过将制造资源重新布局在给定的加工地点(加工车间),形成若干敏捷柔性制造单元。数值实验结果表明了的这一设计思路的有效性。     

考虑多目标的单元形成问题建模

在构建单元时,将制造过程中的多工艺路线选择问题转换为各道工序加工设备的选择问题,设置新购设备成本最小、跨单元加工次数最少、单元内零件工艺路径相似性最高以及整体设备利用率最高为目标函数,实现了多条工艺路径并行,并在计算设备利用率时用设备成本加权,突出了昂贵设备利用率.统一对各目标函数进行去量纲处理,将复杂的多目标函数问题变为单目标函数求解.最后基于遗传算法结合实际工厂数据进行验证.     

面向绿色制造的工艺种类选择模型及应用

绿色制造工艺规划是实施绿色制造的关键环节,而绿色工艺种类的选择是绿色制造工艺规划的首要内容.在分析了面向绿色制造工艺种类选择的时间、质量、成本、资源消耗和环境影响等5个决策目标的基础上,提出了面向绿色制造的工艺种类选择应遵循的一般性原则,建立了面向绿色制造工艺种类选择的多目标决策数学模型,并应用模糊加权系统方法对模型进行求解.最后,通过某零件毛坯砂型铸造成型工艺种类的选择实例,说明了绿色工艺种类的选择过程.实例分析与求解结果验证了该模型及其求解算法的可行性和实用性.图1,表2,参9.     

注塑成型工艺多目标稳健设计及优化算法

在注塑成型过程单目标稳健设计的基础上,提出了成型质量特性均值及标准差的双目标稳健设计模型以及成型多质量特性的多目标稳健设计模型,提出了基于Pareto最优的混合交叉变异的多目标蚁群算法.在结合实例的研究中,针对某遥控器上下盖的注塑成型工艺参数设置分别建立了翘曲量均值及标准差的双目标稳健设计模型和最大翘曲量及最大体积收缩率的多目标稳健设计模型,再利用混合交叉变异的多目标蚁群算法进行求解,求解结果与non-dominated sorting genetic algorithmsⅡ(NSGAⅡ)算法比较,得出部分算法性能指标优于NSGAⅡ算法.利用多目标稳健优化得到的工艺参数进行实际注塑成型,得到的塑件制品成型质量好并且波动较小.     

面向CAPP的装夹规程模型与算法研究

研究CAPP系统中工件加工的装夹顺序和装夹规划自动生成算法. 复杂工件的工序安装规划是CAPP系统优化工艺路线的基础,针对生成工艺路线对自动装夹规划的需求,从零件的公差信息模型着手,建立生成装夹规程的数学模型,给出了自动生成装夹规程的算法. 利用该数学模型和算法,可以自动确定工件的装夹顺序以及每次装夹中的加工面、定位面和夹紧面,从而生成装夹规程. 用该方法可使装夹分组对工件加工精度的影响最小,实现典型工艺路线的优化,并以实例证明了该方法的可行性.     

基于蚁群算法的炼钢-连铸作业计划编制方法

为提高炼钢-连铸作业计划编制中资源配置的有效性,提出了一种面向生产流程动态网络的自组织资源配置蚁群算法.炼钢-连铸作业计划以最小化炉次作业冲突时间和作业前等待时间、尽早安排连铸机开浇时间为目标,以连铸机连浇等工艺要求为约束条件建立模型,按生产流程网络结构的时空逆序关系设计了蚁群求解算法.利用某钢厂实际生产作业计划数据进行的算法验证结果表明:模型及算法能迅速得到高质量的可执行炼钢-连铸生产作业计划.     

基于特征单元的设备选型状态空间理论与方法

提出零件特征单元加工过程的状态空间理论,并将之用于解决零件加工的工艺设备选型问题.基于复杂零件特征具有多样性和复合性的特点,定义特征单元,以便于分析零件特征.针对单一特征单元,提取特征单元加工前和加工后两个状态,通过分析两个状态变换原因,构建状态变换矩阵,得出状态变换矩阵代表工艺设备加工能力的结论.通过构建状态变换方程描述加工过程.建立状态空间,将工艺设备选型问题转换为加工前和加工后两个状态在状态空间中的路径规划问题.在实际生产的约束条件下,将状态空间中路径规划问题转化为现有工艺路线的优化问题,并且建立工艺设备选型优化模型,优选出较理想的工艺路线,从而选出与该条工艺路线对应的一套工艺设备.应用算例验证了该方法的可行性.     

基于混合遗传算法的敏捷卫星任务规划求解

针对新一代对地观测敏捷卫星任务规划问题,首先研究了敏捷卫星的特点,分析了敏捷卫星工作模式及对地观测过程,在此基础上构建了基于多目标的任务规划模型。针对敏捷卫星任务规划问题具有多约束、多冲突、非线性NP-hard特点,本文提出了基于混合遗传求解算法,该算法将免疫遗传算法与蚁群算法相结合,以蚁群算法所产生的解作为免疫遗传算法的初始种群,同时以蚁群算法中的全局最优解作为疫苗。通过实验表明本文提出的算法比遗传算法和免疫遗传算法精度更高,收敛速度更快。     

基于多目标蚁群优化的知识即服务动态组合策略

为了以Web服务方式实现云计算环境下的知识共享和知识融合,提出了一种基于多目标蚁群优化的知识即服务组合策略.该策略中,结合云计算环境的动态性和知识即服务的质量规则,从知识服务提供者的角度构建了知识即服务动态组合模型;同时,为了利用问题的特征信息引导蚂蚁的搜索行为,设计了蚁群算法相应的信息素和启发信息,从而实现多目标优化.在云计算平台下使用真实的Web服务实例进行仿真实验,将该策略与基于遗传算法和协同进化算法的策略进行比较,结果表明,文中策略的性能和解的质量均明显较优.     

基于改进蚁群算法对 VRP 线路优化

针对基本蚁群算法存在易陷入局部最优解、 收敛速度慢等缺点, 先引入节约矩阵 U 作为先验信息引导蚂 蚁搜索, 然后通过不同搜索时段采用不同的信息素挥发因子, 使算法更好地在“探索冶和“利用冶之间达到平衡, 并对较优解应用 2-opt 方法进行优化。 最后将改进后的蚁群算法应用到物流配送车辆路径优化问题中。 实验结 果表明, 相比基本蚁群算法, 改进的算法可得到更好的物流配送路径, 是解决物流配送路径优化问题的一种有 效方法, 可快速、 高效地对送货车辆线路进行调整, 满足消费者的需求。     

双目标冷链物流车辆路径问题及其遗传蚁群求解

针对带容量和软时间窗约束的双目标生鲜农产品冷链物流车辆路径问题,建立了以最小化总成本和最大化客户满意度为目标的双目标优化模型。为了求解问题,运用ε约束法处理双目标模型,以蚁群算法为基础,加入交叉与变异算子,设计了遗传蚁群算法。算法求解过程中,蚂蚁个体在进行状态转移时按照确定性选择和伪随机比例选择相结合的方式,信息素总量采用分段函数进行优化。为验证模型与算法的有效性,对实际算例进行求解,并与遗传算法、蚁群算法求得结果进行对比。结果表明所建模型符合实际需求,所设计的遗传蚁群算法收敛速度和求解结果均优于遗传算法和蚁群算法。     

云模型蚁群算法在无人机航迹规划中的应用

为中高空飞行的无人机提出了一种新型航路规划算法。该方法基于云模型蚁群算法。基本蚁群算法有着突出的缺陷:易陷入局部最优解而且需要计算时间长。提出的改进型蚁群算法,通过云模型来控制信息素强度Q和挥发系数ρ的大小,从而得到更好的收敛性与避免陷入局部最优解,并进行了TSP问题的仿真计算。通过将无人机任务地图网格离散化,运用云模型蚁群算法进行航迹规划。     

基于Pareto蚁群算法的MVB周期轮询表优化设计

合理的多功能车辆总线(MVB)周期轮询表有助于均衡网络负荷、提高网络处理偶发信息的能力、保证实时通信的可靠性.为此提出一种有效的轮询表设计方法.将MVB周期轮询表的设计抽象成离散优化问题,根据IEC 61375-1国际标准和可调度性要求建立约束条件,将均匀度和相邻基本周期时间差作为优化目标,利用Pareto蚁群(Pareto ant colony,P-AC)算法求解.每个优化目标对应自己的信息素,信息素采用蚁群系统的规则更新,总信息素由两者加权得到,非劣解基于拥挤距离方法维护.与已有的优化算法相比,Pareto蚁群算法优化得到的轮询表均匀度更好,能够更有效地均衡网络负荷.     

发动机缸体加工方案选择与操作排序协同优化

提出一种基于蚁群算法的发动机缸体加工方案选择与操作排序协同优化方法.考虑到部分零件特征有多个可行加工方案,在每次总迭代中为此类特征随机选择一种加工方案,并根据特征约束矩阵和操作优先级系数自动生成对应的操作约束矩阵.通过子迭代中的遗传算法进行操作排序优化,以装夹、刀具和机床3类制造资源的综合变换次数最少为目标得出子最优解,并在总迭代中利用精英保留策略获得全局最优工艺路线.最后,通过复杂的发动机缸体实例验证了该方法的有效性.     

连铸二冷节水增效多目标优化模型

在蚁群算法中采用节点选择优化策略,减少算法中的节点选择次数,并通过对筛选候选节点减少单个蚂蚁选择节点的计算量,提高蚁群算法的执行效率.在冶金准则、设备约束条件确定的板坯连铸优化模型中,加入节水模型、拉速优化模型,形成新的板坯连铸二次冷却多目标优化模型.并利用改进的蚁群算法对板坯连铸二次冷却进行优化,达到在保证连铸坯质量的前提下,提高生产效率、节约二冷用水的目的.     

多种群蚁群算法在多目标优化中的研究

本文针对多目标优化问题提出了一种多种群蚁群算法,按照目标函数的个数建立蚁群种群数,在各个种群搜索过程中,创新性的引入了种群间的全局信息素更新和局部信息素更新,既提高算法对pareto解的搜索效率又避免了陷入局部最优,并针对多目标优化问题进行了仿真,证明了算法的可行性。     

基于自适应多态融合蚁群算法的无人机航迹规划

为解决传统航迹规划最短路径算法易陷入局部最优及复杂地形情况下的无人机航迹规划问题,提出了一种基于自适应多态融合蚁群算法的航迹规划方法。通过对航迹规划问题进行描述,建立数学模型,将自适应和蚁群算法相结合,与多态蚁群形成了全局、局部并行搜索模式,以提高算法寻找全局最优值的能力;提出自适应并行策略和自适应信息更新策略,以提升其全局搜寻能力。仿真结果表明,自适应多态融合蚁群算法较传统蚁群算法和多态蚁群算法具备更好的性能,能有效地提高搜索路径的长度和收敛速度,从而避免在求解过程中陷入局部最优,因此在求解最优航迹规划问题上有很好的应用前景。