基于多目标蚁群算法的复杂设备拆卸序列规划

针对复杂设备转化成混合图信息模型后面临的组合爆炸和搜索爆炸问题,提出了一种改进的Louvain算法,对其模型进行社团化处理。将拆卸工具、拆卸方向改变次数以及拆卸时间作为优化目标,构造了基于多目标蚁群算法搜索社团划分可行解;并得出由多个Pareto解构成的平衡解集。最后结合直升机旋翼,利用所提方法进行算法验证;对比未被社团化处理的多目标蚁群算法而得出的拆卸序列,在算法运行效率上提升了17.2%;且复杂设备中紧密度越小零件占比越多时,运行效率越高;对比单目标蚁群算法社团化后得出的拆卸序列,在迭代次数相同的条件下,更易得到较高效率的解。实验结果表明,在实际拆卸序列规划问题上,该方法为方案设定人员提供了更合理高效的选择。     

基于Tabu搜索与遗传算法研究拆卸序列优化

针对废弃装配体的拆卸序列优化,提出建立描述装配体结构的干涉一自由矩阵以及“拆卸楔”的概念和算法,据此计算各个零件从装配体上可以拆卸下来的方向和次序．鉴于遗传计算过程中,其邻域往往过早地收敛于局部优化点上,于是将Tabu搜索组合到遗传算法之中．实例验证表明,用这种组合优化方法解决装配体拆卸序列优化问题,所生成的可行拆卸序列在适应度函数值、数量、分布范围等方面均优于单纯的由遗传算法生成的结果．     

基于遗传算法与Tabu搜索的拆卸序列优化算法

为研究废弃装配体的拆卸序列优化,首先提出了建立装配体的干涉-自由矩阵,作为描述其结构的数学模型．其次,运用遗传算法原理,提出面向装配体拆卸序列自动生成及优化的计算模型．依据初始输入的若干拆卸序列和其它控制参数,由程序搜寻几何上可行的最佳拆卸序列．这里是以装配体在拆卸过程中具有最少的换向次数为优化目标．最后,鉴于遗传计算的未熟早敛问题,提出建立Tabu搜索与遗传算法的组合优化算法．通过把Tabu搜索的集中与分散策略引入遗传算法,可望获得更加健壮的搜索行为．大量的实例验证表明,用这种方法解决装配体拆卸序列的优化问题,所生成的可行拆卸序列在适应度函数值、数量、分布范围等方面均优于单纯的由遗传算法生成的结果．     

考虑人因的多目标拆卸线平衡问题建模及优化

针对实际拆卸线中依旧以人工拆卸为主、工人的体力和脑力负荷会极大影响拆卸效率、超负荷工作更会损害工人的身心健康问题,提出了考虑人因的多目标拆卸线平衡问题模型,通过以最小化工作站数目、空闲时间均衡指标和能量消耗指标为优化目标构建数学模型．基于问题特征,设计了改进天牛群算法,通过引入浓度探测操作、步长移动操作和变异操作增强算法的寻优及收敛性能,利用帕累托(Pareto)解集思想和拥挤距离机制筛选获得多个非劣解．将所提模型和算法应用于打印机拆卸实例中,用该算法和多种算法分别进行求解,通过结果对比验证了模型和算法的适用性及优越性,得出多个具有人性化、合理且高效的拆卸分配方案供决策者选择．     

多目标优化中的协调性问题

通过对求解多目标优化问题的2个主要方法的分析和比较，研究讨论了多目标优化中的协调性问题，得到了在加权P范数法中，各目标间的协调作用是静态的、人为的，而在熵极大方法中协调作用是动态的，非人为的。     

基于模糊偏好的多目标进化优化算法

近年来有关多目标优化方法得到了广泛的关注，但大部分多目标优化算法只是给出了一个优化解集，而没有对这个解集进行分析。这就使得决策者（DM）在决策阶段，无法分辨解的优劣，从而给决策带来困难。本文介绍了一种基于模糊偏好和遗传算法相结合的方法，使决策者在优化的初始阶段根据对不同的目标函数的偏好来决定它们的权重，通过与NSGA－Ⅱ算法所得到的Pareto曲线进行对照，可以为决策者提供更大的帮助。     

基于模拟退火粒子群优化算法的拆卸序列规划

文章将模拟退火粒子群优化算法应用于拆卸序列规划求解过程,基于拆卸约束图构建了产品结构表达模型,将拆卸过程相关信息赋予拆卸约束图的节点与边,定义了判断拆卸序列优劣的适应度函数,将算法与模型进行了映射;最后以某款料理机主机体为例,运用模拟退火粒子群优化算法求解其拆卸序列,并与单一粒子群优化算法相比较,验证了该算法的有效性.     

基于遗传算法的产品拆卸线平衡问题研究

对废旧产品进行回收再利用,是节约资源和保护环境的有效方式.产品拆卸是实现废旧产品回收再利用的重要手段,是实现产品生命周期完整性的必要环节.本文针对产品拆卸线的特点,构建了拆卸线平衡问题的多目标优化模型,并运用遗传算法对模型进行求解.本文的模型及方法可以为废旧产品的回收拆卸提供理论指导.     

多目标优化设计分频网络方法研究

论述了运用多目标优化设计扬声器系统分频网络的方法。使用实测的扬声器阻抗、频响数据，模拟扬声器接入分频网络后扬声器系统的响应，并运用多目标优化方法对系统响应进行优化设计，使系统的多个响应达到预定的目标。给出的实例表明，设计结果和实测的曲线是一致的。     

基于遗传算法的带附加气室空气悬架多目标优化

以带附加气室的空气弹簧悬架为研究对象,按照物理模型建立带附加气室空气弹簧的数学模型,考虑到空气弹簧刚度的非线性,将该模型以空气弹簧非线性力的形式直接引入到1/4车辆模型。以提高车辆平顺性、行驶安全性及操纵稳定性的综合性能为目标,以附加气室容积为优化变量,设计带附加气室空气悬架的多目标优化模型;考虑到悬架性能各指标量在量纲与量级上的差异,对各指标量进行统一化处理,并采用线性加权和法将多目标函数转化为单目标评价函数。在MAT-LAB/Simulink中搭建系统仿真模型,采用遗传优化算法对典型工况下的最优附加气室容积进行寻优。优化结果表明,优化附加气室容积能有效提高悬架的综合性能,降低车身加速度、悬架动行程,但轮胎动载荷有所增加。     

基于改进遗传算法的拆卸序列优化研究

针对复杂机械装配关键系统的拆卸序列优化问题,建立了拆卸序列规划模型,提出了一种改进的双种群遗传算法.通过拆卸混合图的表达拆卸序列信息,在改进的遗传算法中利用优先约束矩阵生成TOP序列种群,以拆卸时间最少为优化目标对拆卸序列进行优化.某企业生产的装载机变速箱的再制造拆卸序列优化,进一步验证了该算法的有效性和可行性.     

求解多目标优化问题的改进遗传机器学习方法

将遗传算法与机器学习相结合, 在分类器系统的基础上, 引入增强因子、 排挤因子、 合并因子等改进因子, 完善信度分配机制, 提出了改进的遗传机器学习方法. 并将算法应用于投资的收益与风险双目标优化模型, 数值结果表明, 改进算法能够寻求到数量更多、 分布更广的Pareto最优解, 并且具有较好的稳定性, 避免了非成熟收敛.     

一种新的求解多目标问题的分组粒子群优化算法

用粒子群优化算法求解多目标问题容易陷入局部最优,为此本文提出了一种分组粒子群多目标优化算法。该算法将决策空间分成Q个子空间,每个子空间随机的分配N个粒子,这Q个粒子群分别在各自的空间进行独立搜索。为保证每个种群的搜索多样性和遍历性,用混沌序列对各组粒子位置进行初始化,同时对各组进行基于聚集距离的粒子择优进化。由典型多目标函数的优化实验结果表明,经过适当的分组,该算法能迅速逼近非劣最优解集,效果令人满意。     

基于多目标和声搜索算法的城市单向交通组织优化研究

当道路空间占用导致交通拥堵阻断现象发生时,为保障机动车出行通畅,采取单向交通组织优化方法,以路径正反双向途径点数量最小为最优目标,应用多目标和声搜索算法求解双目标模型,进行算例检验和实际应用的性能对比分析,分析结果表明,该方法求得的平衡策略更合理,与当前的一般算法相比,具有明显的优越性.     

基于RLS的用于贴片机贴装顺序优化的禁忌搜索算法

对元器件的拾取与贴装顺序进行优化是提高电子组装生产线上贴片机贴装效率的主要方法.在给定喂料器位置的前提下,寻求好的元器件拾取与贴装顺序,可以缩短贴装路径,提高贴装效率.为此,文中建立了数学规划模型,提出了一种基于参考解局部搜索(RLS)的改进禁忌搜索算法.在算法中,采用了双禁忌表来避免迂回搜索,设计了基于取贴循环插入移动的参考解局部搜索策略以提高算法跳出局部最优的能力.对20个印刷电路板贴装数据的仿真实验表明,文中所提算法的求解效果优于现有方法.     

基于改进分散搜索算法的无人机路径规划

针对在敌情信息不明环境中无人机侦查路径规划问题,建立了车辆路由问题模型(VRP),提出了基于分散搜索的改进混合搜索算法.基于Bayes方法计算出点到点之间的威胁概率,并生成了一个赋权图,将无人机路径规划问题转化为车辆路由寻优模型.采用混合路径规划算法求解.该算法将模拟退火嵌入到分散搜索算法的框架中,充分利用了分散搜索的全局搜索能力与模拟退火的局部搜索能力来优化无人机的侦查路径,混合算法在保证时效性的同时提升了求解的质量.仿真结果验证了算法的有效性.     

Pareto局部搜索算法的改进

针对一个Pareto局部搜索（PLS）算法在解决多目标组合优化问题中所得到的解集与初始点的选取有关,提出该算法的改进。改进算法从初始解开始进行PLS搜索产生一组改进解集VF,然后对VF中的所有解再进行PLS搜索,如此重复直到满足终止条件。实例计算表明,PLSⅠ算法和算法Ⅱ能得到很好的解且解的质量优于PLS算法。     

具有范数结构凸多目标优化问题的最优性条件

【目的】研究一类具有范数结构特殊多目标优化问题的最优性条件。【方法】首先,计算具有范数结构目标函数的次微分,然后在区间约束和非光滑约束下,将广义多目标优化问题的最优性条件具体化。【结果】借助函数次微分计算结果,得到该类特殊多目标优化问题在同时包含区间约束和非光滑约束情况下的几何最优性条件,FJ最优性条件和KKT最优性条件。【结论】所得结果丰富了多目标优化理论,为具有范数结构多目标优化问题的应用研究打下基础。