自动导引车调度优化研究综述

制造系统中自动导引车（Automated Guided Vehicles,AGV）调度对于提高制造系统效益和降低制造成本具有重要作用,同时AGV调度也是十分复杂的组合优化问题,将AGV调度优化问题分为3类：AGV静态调度、AGV动态调度、AGV同时调度（与其他资源联合调度）进行了概述,并对其研究方法进行了分析与总结,包括传统分析方法、建模与仿真方法、智能优化算法、混合优化方法,分析了各类方法的优缺点,指出了当前AGV调度优化研究中存在的不足,并提出了未来的研究方向和建议。     

用于柔性流程工业生产调度的并行多目标遗传算法

分析了柔性流程工业区别于一般制造系统在生产调度方面的特点 ,在此基础上针对这类系统所具有的多目标、混合动力学特性、调度实时性等特征 ,提出了一种新的并行多目标遗传算法 .在解决多目标解的评价时 ,采用了目标分级评价技术 ,求解过程始终将解的最优性和决策者对目标的偏好信息结合在一起 .为反映这类问题的混合特性 ,提出了一种新的双层编码方案 .在算法中采用的递阶分解并行技术 ,使计算时间至少减少一个数量级 .计算机仿真结果表明 ,对于这一类复杂的柔性流程工业生产调度优化问题 ,本文提出的方法具有很好的实际应用前景 .     

基于改进边际优化的离散变量优化设计算法

针对传统离散变量优化方法存在的目标函数测算次数多、收敛性不佳等问题,借鉴边际优化理论和模式搜索算法,设计了一种基于改进边际优化的离散变量优化设计算法。借鉴边际效用优化原理,通过引入周围单位步长空间的概念,在初始点选择、边际增量设计、禁忌搜索策略等方面进行了改进,并设计了变异操作以跳出局部最优。实例分析表明,所提算法能够快速准确地收敛到局部最优解,实现以尽可能少的目标函数测算得到问题的满意解或最优解,适合于求解高维离散变量优化问题和仿真优化问题。     

基于对位学习多目标遗传算法的板形板厚控制

提出了一种基于对位学习多目标遗传算法的板形板厚控制系统设计方法。该方法给出了控制系统的结构,建立了板形板厚控制器参数的多目标优化模型,并采用对位学习多目标遗传算法对该模型进行多目标优化,得到一组控制器参数的Pareto解。在其中选择三个Pareto解对应的控制器参数,作用于板形板厚控制系统做仿真研究。结果表明,所得到的Pareto解集中选定区域的解都可以使系统具有满意的性能,并且对扰动有较好的抑制作用,证实了该方法的有效性。     

模型参数不确定的多响应参数和容差并行设计

针对模型参数不确定性问题,提出了一种考虑质量损失和制造成本的多响应参数和容差并行设计策略。首先,根据模型参数不确定与设计变量容差,构建多响应的质量损失函数;其次,通过试验数据建立容差成本模型,进而构建参数和容差并行设计的优化目标函数;然后,根据多目标优化算法得到最优参数和容差的Pareto解集,并采用单因素多元方差分析进行容差配置;最后,通过实际案例分析表明,该方法不仅改善了模型的预测性和稳健性能,而且获得了质量损失与制造成本之间的最佳平衡点,与传统的方法相比,能够在显著降低总成本的同时提高产品质量。     

一种适于多目标稳态优化决策的伪权向量方法

伪权向量法是解决多目标决策问题的一种常见方法,但由于其决策函数中缺少对决策变量调整幅值的约束,易造成因决策变量(通常为控制回路的设定值)变动幅度过大而影响被控过程稳定性的后果,因而限制了该方法在过程控制系统稳态优化中的应用.对此,提出了一种适合于过程控制系统稳态优化的伪权向量多目标决策方法.该方法综合考虑了决策者偏好以及决策变量的变化情况,为控制系统的稳态优化提供了一种适合实际的决策方法.仿真结果验证了该方法的有效性和实用性.     

基于目标总损失量择优的有限解集多目标决策方法

基于灵敏稳健性设计思想,定义了单目标优化时的单目标损失量和多目标优化问题中的目标总损失量;继而对基于重要度的损失权重系数确定方法进行详细研究,并提出了基于目标总损失量择优的有限解集多目标决策方法,旨在选择候选解集中受不确定因素和设计变量误差的影响最小、敏感性最低的Pareto解为最终方案;最后以卫星附件控制系统为例进行仿真,充分验证了此方法的有效性和可行性。     

基于混沌和声搜索算法的水资源优化配置

将和谐性理念与经济、社会和生态环境的综合净效益结合,利用协同学原理中有序度概念和支配原理定义出经济效益和谐度、社会效益和谐度和环境效益和谐度概念及计算公式,以此为基础构建了水资源优化配置模型中的目标函数;并利用混沌变量的随机、遍历特性在解空间内进行有效探索以及基本和声算法中和声策略对解空间进行开发的原理,提出了能求解具有多目标的水资源优化配置问题的混沌和声搜索算法;最后, 将水资源优化配置模型与混沌和声搜索算法运用于北三河流域,实例计算结果表明, 模型设置的水资源优化配置目标合理,搜索算法简单高效.     

基于进化计算的多目标鲁棒优化方法

工程应用中求解多目标优化问题时,所求的解既要具有较高的质量,又要满足指定的鲁棒性要求.对已有的多目标优化解的鲁棒性度量方法进行了分析,基于用户提出的严格鲁棒性要求,给出了一种严格鲁棒性度量方法并建立了求多目标鲁棒Pareto最优解的数学模型.模型归结为一个嵌套的双重优化过程,外层优化过程用于搜索高质量的解,内层优化过程用于测量候选解的鲁棒性度量指标.以进化计算作为搜索引擎,给出了实施模型的算法,仿真结果表明了方法是有效的.     

多目标决策的柔性电压控制

提出了一种新的电压稳定控制方法.基于帕雷托优化解集,多目标决策技术被用来实现对于电力系统电压稳定性的柔性控制.电压控制是一个多目标优化问题.首先用基因跳跃进化算法作为离线搜索的方法,寻找出帕雷托优化解集.当控制系统在线应用时,帕雷托优化解集提供了一系列可行解.多目标决策技术能够根据不同的控制需求选择其中之一,满足不同的操作参数选择.从而实现了对于电压稳定的柔性控制.这种基于多目标决策的控制策略提供了快速、柔性的系统响应.对于6母线的电力系统仿真证实了这一新方法的有效性.     

基于方差分析变量约减的指令制导回路误差分配方法

针对引入惯导设备的指令制导系统中的误差分配问题,构建了指令制导回路误差优化分配的数学模型,利用方差分析法进行了变量约减,改善了传统优化设计中优化参数过多的问题。采用基于带精英策略的非支配排序遗传算法的Pareto多目标遗传算法,并利用动态罚函数法处理多约束情况,改善了优化求解过程仿真时间过长和局部收敛的问题。以某指令制导系统和惯导设备的误差参数为例,用此方法对制导精度和总费用两项指标进行优化。结果表明,优化方案的各项性能指标均满足设计要求,与优化前方案相比,优化目标有很大程度的改观,制导精度提高近30%,总费用降低近40%。该优化方法有效且通用性强,可为其它制导方式的误差优化分配问题提供设计依据。     

Modeling and optimization of cyclic hoist schedules in an electroplating line

This paper deals with the modeling, analysis and optimization of a specific kind of real industrial problems. This class of problems is known in the literature as Cyclic Hoist Scheduling Problem (CHSP). In such class of problems, several jobs have to flow through a production line according to an ordered bath sequence. The CHSPs appear in the manufacturing facilities to achieve a mass production and to search a repetitive sequence of moves for the hoist. In this paper, we develop P-Temporal Petri Net models to represent the behavior and validate certain qualitative properties of the basic production line. Afterward, complex configurations of the production line are modeled and their properties such as reachability of desired functioning (cyclic operation), deadlock-free, resource sharing and management are checked and validated. A mathematical analysis and a simulation study of all proposed Petri net models are carried out using mathematical fundaments of Petri nets and a Visual Object Net ++ tool. The second part of the paper deals with the development of a mixed integer linear programming models to optimize processing of each line configuration. Optimal manufacturing plans of the studied system with cyclic processing sequences are defined and the feasibility of optimal cyclic scheduling of each configuration is proved.     

基于GA和LS-SVM的AGV变结构控制

为了提高自动引导车控制的精度,提出了一种基于遗传算法和支持向量机的变结构控制方法。利用遗传算法结合支持向量机在线调整变结构控制律中的参数,克服了常规变结构控制方法中需预先设定趋近律参数的限制,既保留了传统趋近律的优点,又有效的改善了系统的控制品质,消除了系统抖振,使系统最终以理想方式在滑模面上运动,理论分析和仿真结果表明了所提出方法的有效性。     

武器装备体系优化方法研究进展

武器装备体系优化是充分发挥体系效能、提高体系作战能力的重要途径。首先,论述了武器装备体系和体系优化的概念;然后,分析了当前7种主要体系优化方法--三层综合优化法、探索性方法、可执行模型法、对抗仿真优化法、多层次多阶段方法、多目标协同优化方法和数学规划法,比较各种方法的适用范围、选用模型的类型、模型关键要素、优点和不足等。最后,提出武器装备体系优化亟待解决的4个问题,为武器装备体系优化的进一步研究提供支持。     

基于鲁棒能力的体系多目标组合优化

针对体系组合优化问题中,不同场景下系统贡献的不确定问题,提出了基于鲁棒能力的体系优化决策方法。首先对体系的鲁棒能力和模糊能力风险进行定量描述;然后以鲁棒能力最大,建设风险和成本最低为目标,考虑军事能力需求等约束,建立多目标体系组合优化模型,采用改进的基于参考点的非支配排序遗传算法求解模型,生成一组符合决策需求的非劣质解;最后通过仿真实验验证了模型和算法的有效性,可以为体系总体建设规划提供决策支持。     

MIMO雷达稀疏阵列优化设计方法

针对运动平台多输入多输出(multiple input multiple output, MIMO)雷达应用中无法进行规则稀疏布阵, 传统的稀疏阵优化设计方法优化对象单一的问题, 提出一种利用多目标进化算法(multi-objective evolutionary algorithm, MOEA)进行阵列结构优化的方法。将MIMO雷达接收端的收发联合和差波束的旁瓣电平为优化目标, 使系统具有尽可能好的和差波束旁瓣抑制性能。仿真结果表明, 基于Pareto秩排序的MOEA的MIMO雷达稀疏阵优化设计可以使系统多种性能得到提升。     

基于RTDS仿真的自适应低压减载策略研究

针对集中式站域保护的低压减载切负荷后,系统电压恢复较慢及不稳定的问题,对传统的低压减载切负荷策略进行改进。在考虑满足功率缺额、负荷的重要等级等因素的同时,引入待切负荷的功率因数,以切负荷量最小和切无功最小为目标函数,建立低压减载模型,将该问题转化为一个带有约束的多目标优化问题。采用多目标粒子群优化算法对低压减载模型进行求解,获得最优切负荷策略。通过RDTS仿真系统分析,验证了所提策略的正确性和优越性。     

基于降维和聚类的大规模多目标自然计算方法

在多目标优化问题中，随着决策变量数目增多，算法的寻优能力会显著下降，针对这种“维数灾难”的问题，提出基于LLE降维思想和K-means聚类策略的大规模多目标自然计算方法。首先通过LLE降维思想对决策变量进行优化，得到高维变量在低维空间中的表示，再通过K-means策略对个体分组，为种群选择合适的引导个体，提高算法的收敛性和多样性。为验证算法有效性，将该方法应用于多目标粒子群优化算法和非支配排序遗传算法中，对收敛性进行了分析，证明该算法以概率1收敛。通过ZDT、DTLZ系列8个测试问题进行仿真试验，与6个代表性算法进行对比，通过PF、IGD指标、HV指标的评价结果验证其综合性能，并将其应用于水泵调度问题中。综合实验结果表明，所提方法具有较好性能。