基于多目标遗传算法的柔性加工线平衡优化

针对柔性加工线平衡问题,提出了生产线平衡的同时得到工位配置、操作分配与排序的方法.分析了操作间的优先关系约束、操作同工位约束和由机床性能、装夹方式、工件姿态决定的工位对操作限制的约束以及工位能力约束,以机床数量、生产线节拍、生产线平衡率为优化目标,建立了优化模型.设计了多目标遗传算法,采用启发式种群生成方法和解码方法,应用帕累托分级和共享函数法对可行解适应度值进行评价,保证解的分布性和均匀性.该方法应用于缸体生产线实例,获得了满意的非支配解集及多个线平衡方案,验证了方法可行有效.     

任务分区及工位约束下装配线第二类平衡研究

装配线平衡直接影响产品产量,也是在装配线布局初始或重构时所必须面临的问题.针对第二类装配线平衡问题(ALBP-2),构建了一种考虑优先关系约束、任务分区约束和工位约束的多目标优化模型.为提高模型求解效率,采用逐步缩小节拍搜索范围的动态步长方法,提出基于自动机回溯算法的改进粒子群算法,提高了任务分配合理性,快速搜索出具有最小节拍和负载平滑系数的任务分配方案.引入任务分配矩阵表示每个工位上的任务分配情况,使结果描述更加明确.通过案例分析验证了所提模型和方法的有效性.     

组合优化策略的改进协同优化方法

为克服传统协同优化方法一致性约束造成的收敛困难和局部最优问题,提出将粒子群优化算法和修正可行方向法结合并引入协同优化.应用粒子群算法获得全局最优解近似,在此基础上应用修正可行方向法进行局部精确搜索.分别以一个典型的二次函数优化问题和一个减速器设计优化问题作为测试实例,优化结果表明,所提出组合优化策略是有效的,同时兼顾了优化效率和精度.     

采用多目标粒子群算法的模拟电路故障诊断研究

提出了一种容差条件下基于多目标粒子群(MOPSO)算法的模拟电路软故障诊断方法.通过灵敏度分析,建立模拟电路故障诊断的约束线性规划方程组,以元件参数变化量与标称值的百分比作为故障判据.针对MOPSO中目标空间增加时种群选择压力影响算法性能的问题,采用阶有效优化准则代替传统的Pareto优化准则,引入最优折中解作为全局最优解,从而提出基于阶有效的平衡全局搜索策略多目标粒子群(ESEO-MOPSO)算法,并将其用于模拟电路故障诊断的约束线性规划方程组的求解中.仿真结果表明,该方法兼顾故障元件的定位和故障元件参数变化量的估计,可以有效地实现模拟电路在容差条件下的软故障定量诊断.     

基于信息熵和Lempel-Ziv的生产线复杂性测度与线平衡

生产过程中的不确定因素常常造成生产线各工作站工作负荷不均,整线生产节拍紊乱甚至出现瓶颈工位等问题,最终导致平衡失效.针对此问题提出作业元素复杂度、工作站复杂度和整线复杂度测度方法,建立以平衡率最高、复杂度均衡指数最小和整线复杂度最小为目标的多目标优化模型,设计生产线平衡算法求解作业元素最优划分,并应用实例对方法进行验证.研究结果表明,该方法能够在保证生产线平衡率最高的同时,均衡工作站间复杂度差异和降低整线复杂度,避免不确定因素累积而导致生产线平衡失效,提高生产系统鲁棒性.     

基于Maximin的动态种群多目标粒子群算法

针对粒子群优化算法在处理多目标函数优化问题的过程中,往往会出现局部收敛现象,在MOPSO算法基础上提出了一种新的多目标粒子群优化算法.该算法在运行过程中采用动态调整粒子群种群数目的方式使粒子摆脱局部最优解对其的吸引;同时为了克服粒子种群多样性降低带来的影响,将粒子的相对适应度方差引入到Maximin计算公式中.然后基于Pareto最优的概念,利用方差Maximin策略来评价最优解,并保存在可变的外部精英集中,以保证结果的分布性良好.最后,该方法在仿真中取得了良好效果,可以更广泛地应用到复杂工业多目标优化领域中.     

禁忌粒子群算法在几何约束求解中的应用

约束问题可以转化为优化问题。针对粒子群优化算法在算法后期易陷入局部最优的缺点，本文提出禁忌粒子群优化算法（TPS0），在算法的前期采用粒子群算法快速产生全局最优解信息素的初始分布，后期引入禁忌搜索算法，记录已经达到的局部最优解，在下一次搜索中，不再或者有选择地搜索这些点，从而跳出局部最优点，并且在搜索过程中允许接受劣解，充分利用禁忌搜索的记忆能力及较强的爬山能力，大大提高了获得全局最优解的概率。该算法综合了粒子群优化算法的快速性、随机性和全局收敛性以及禁忌搜索局部寻优的能力。在确保全局收敛性的基础上，能够快速搜索到高质量的优化解。该方法用于几何约束求解的性能明显高于标准粒子群算法，算法具有良好的优化性能和时间性能。     

改进的粒子群优化算法求解电力经济调度

将迁移思想引入到标准粒子群优化算法中,把流动迁移算子与粒子群优化算法(PSO)的定向搜索算子结合起来,提出了一种改进粒子群优化算法.将该算法用于求解电力系统经济调度优化问题,采用了非对称惩罚策略处理功率平衡约束,使构造的适应值函数更合理,给出了算法实施的具体步骤.对15机组与40机组系统进行仿真实验,结果表明新算法所得最优解均好于PSO,提高了结果的精度.     

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.      

考虑作业人员疲劳度均衡的第一类装配线平衡

基于快速全身评估法对所有的作业姿势进行风险评估,考虑不同作业元素优先关系、不相容和同工位等约束,提出融合作业时间和作业姿势相互影响的工位累计疲劳度,构建最少工位数和最小工位累计疲劳度标准差的多目标优化模型,保证装配线工位少且疲劳度均衡.采用基于优先权重的编码,设计多目标粒子群算法,最后通过实例证明本方法的合理性与有效性.     

基于图论的雷达优化部署方法

通过离散化等处理将雷达组网部署问题转化为图论问题,利用图论相关知识研究这一多目标优化问题,根据约束条件的不同建立了对应的模型,并通过状态压缩等技巧设计了对应算法.相比于传统的相关算法,该算法复杂度低,并且适用于复杂区域和复杂约束的部署问题,对于不同约束均能快速给出最优部署方案.本文还讨论了重点区域覆盖和冗余覆盖等因素,最后给出模拟仿真.仿真结果表明,本算法给出的部署方案一方面保证了对整个区域全覆盖,另一方面让冗余度尽可能小,避免了资源浪费.      

基于改进差分进化算法的MVB周期调度表优化设计

多功能车辆总线(MVB)周期调度表的优化设计对提高列车通信网络实时通信的可靠性和均衡网络负荷具有重要作用.考虑到已有的多功能车辆总线周期调度表优化方案存在的不足,提出了一种基于改进的差分进化算法的优化设计方法.首先建立调度问题的数学模型,根据IEC61375-1国际标准和可调度性要求建立了优化目标和约束条件;然后根据周期调度表的生成特点对原差分进化算法的变异和选择阶段进行了改进,提出了适用于MVB周期调度的优化方法;最后通过仿真实验与现有优化算法进行比较,验证了本文所提的改进的差分进化算法对周期调度表的构建具有更佳的优化效果.     

基于蚁群算法的既有铁路整正优化设计

为了提高既有线路整正维修效率以及满足铁路快速发展对线路高平顺性的要求,结合蚁群算法在空间组合优化的优良性能,研究了基于蚁群算法的既有线平面多曲线整体整正优化设计方法.首先利用空间曲线拟合算法,结合平面线形的曲率变化特征,采用概略分段与迭代精确分段相结合的方式,确定初始交点坐标及曲线参数信息.以既有线所有初始交点坐标为基准,进行交点坐标网格划分,运用蚁群算法全局寻优的方式得到最优的交点组合.逐步缩小网格进行蚁群寻优,最终得到满足各类约束的线形参数组合及最优拨道量值,实现线路平面整正的整体优化算法设计.并结合实测数据进行相关计算分析,计算结果显示蚁群优化算法较传统的优化设计方法在获取最优线路参数,实现整体拨道量最小方面可以获取满意效果.     

云计算环境下多信道联合均衡调度算法研究

针对传统资源调度方法存在执行时间跨度大、信道接入率低、资源负载不均衡等问题,提出云计算环境下多信道联合均衡调度算法研究.根据云计算环境下多信道通信链路优化时隙和多信道资源,构建多信道链路模型,提出信道端到端可靠性最大化优化模型,将优化问题转换为多信道联合均衡调度问题.利用多信道最优跨度和负载均衡算法对均衡调度问题进行求解.结合多信道数据处理和任务执行的特性,设计最优跨度和负载均衡双适应度函数,在种群进化初始阶段和接近收敛阶段对适应度函数做适当调整,完成多信道联合均衡调度.实验结果表明,所提方法资源调度的执行时间跨度小、信道接入率高、负载均衡程度好,能满足资源传输的实时性要求.     

基于可行作业序列的遗传算法求解第二类装配线平衡问题

从作业顺序图出发，定义了作业的序关系．以此为基础，分析了工位数固定时作业序列与最小节拍的对应关系，并针对第二类装配线平衡问题，提出一种基于可行作业序列的遗传算法．该算法直接依据作业顺序图生成初始群体，并构造交叉和变异算子；初始群体和交叉变异的结果都是可行解，从而保证只在可行作业序列子空间中进行最优解搜索，效率较高；在染色体的适应值定义中还考虑了最小节拍时间和工位工时标准差的综合影响，可用来比较最小节拍时间相同的不同作业分配方案间优劣，提高了解的可信度．应用该算法，对一实例进行了多种工位数的验证，结果较优．     

随机型装配线平衡与缓冲区配置集成优化

线平衡问题和缓冲区配置问题在装配线设计中常被分开独立研究,二者之间存在复杂的交互影响关系.随机型装配线由于操作时间波动加剧了二者之间的相互作用与影响,先平衡再缓冲区配置的串行优化模式难以得到全局最优结果,因此需要在线平衡的同时协同解决缓冲区配置问题.针对随机型装配线规划问题,在基于操作时间状态熵的工位复杂度定义基础上,以生产率最大,整线工位复杂度均衡指数、标准操作时间均衡指数和缓冲区总量最小为优化目标,构建线平衡和缓冲区配置集成优化模型.采用参数化建模仿真获取整线生产率,通过改进的遗传算法获取集成优化方案.最后对变速箱装配线实例进行计算验证,证明了该方法的有效性.     

解非线性优化问题GM（1,1）模型的多子群遗传算法

针对非线性优化问题约束条件中待定参数的时间序列数据,首先使用GM(1,1)方法进行建模预测得到参数的预测值,进而将参数预测值代入原问题中提出一个确定型的非线性优化问题。对该确定型问题设计了一个多子种群并行进化的遗传算法进行求解,在分析所提算法的收敛性的基础上,给出了初步的数值算例。数值算例实验结果表明:该算法能够较为精确地获得预测型非线性优化问题的(近似)全局最优解。     

实际约束条件下多配送中心物流车辆调度优化

传统方法难以解决有时间窗等具有实际约束条件,且调度结果并非最优,提出一种基于变邻域搜索算法的多配送中心物流车辆调度优化方法。对多配送中心物流车辆调度优化问题进行分析,在分析结果的基础之上构建实际约束条件下多配送中心物流车辆调度数学模型;利用变邻域搜索算法求解物流车辆调度模型的最优解,完成实际约束条件下多配送中心物流车辆的调度优化。实验结果表明,采用所提方法进行多配送中心物流车辆调度,其总运输时间短、运输总费用低,调度结果较优,且符合实际约束。