面向第二类装配线平衡问题的改进粒子群算法

为求解第二类装配线平衡问题,建立一种以最小化节拍、工位负载标准差为优化目标的第二类装线平衡问题的模型.根据装配线平衡问题的特点,设计出一种改进的粒子群算法,引入随迭代次数增加而线性递减的惯性权重,防止粒子群算法陷入局部极值点;将反向学习策略与PSO算法相结合,使PSO算法具有更佳的搜索能力和收敛速度.通过求解标杆问题,结果表明改进的PSO算法与标准PSO算法相比,具备更好的求解能力.最后通过对青贮机装配线为实例验证算法的可行性和有效性,进一步验证了本文中提出的改进PSO算法具有很强的计算效率和求解能力.     

多约束装配线平衡问题的知识驱动系统控制启发式算法

针对一类以加强边要求、位置要求和消极区域要求为约束,以最小化装配线节拍和不满足弱位置要求操作的项数为目标,生产调度领域中普遍存在的第2类多约束装配线平衡问题,基于各类约束的特征以及它们之间相互耦合的关系等知识,系统设计各类约束得到满足的整体主动控制启发式规则,提出一种知识驱动系统控制启发式算法,对问题进行有效求解,获得...     

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.     

基于智能算法的装配线平衡问题研究

为提高汽车发动机装配线的柔性程度,提出多目标混合整数线性规划模型.该模型考虑平衡问题的三个目标,即产品的节拍时间最小、将相同的工序尽可能放到同一个工作站、不同工作站间的工作负载均衡最大;采用粒子群算法进行装配线平衡优化.试验结果表明本文提出的多目标混合整数线性规划模型可以帮助决策者协调装配线的布局,实现生产效率的最大化.     

混合离散粒子群算法求解机器人装配线平衡问题

以最小化总成本为目标,将一组工序和机器人分配至工作站上的问题称为面向成本的机器人装配线平衡问题(cRALBP),为了解决此NP难问题,提出一种混合离散粒子群优化(HDPSO)算法.首先,对于给定工序,设计动态规划方法直接获取工序对应的最优机器人分配方案,从而缩小搜索空间,提高算法的全局寻优能力.然后,提出一种新的算法框架,其通过融合路径重连加强算法的局部搜索能力,并通过汉明距离评估解之间的差异,选择采用多片段交叉算子或者片段变异算子进行粒子更新,取代随机选择算子的方法,从而实现算法全局搜索和局部搜索的平衡.将所提出的HDPSO算法与最新的粒子群、人工鱼群算法在144个算例上进行对比,验证了HDPSO算法的有效性和优越性.     

基于多种群遗传算法的装配线平衡问题研究

产品在制造过程中,装配作业成本大约占制造成本的30%,装配线平衡问题是影响装配作业效率的关键因素。在装配线平衡研究中,提出在固定作业工位下求解装配线平衡的问题,建立了以生产节拍和工位负荷均衡为目标的装配线平衡优化模型,采用多种群遗传算法对固定工位下装配线的生产节拍、工序分配、工位负荷均衡、装配线平衡率进行求解,并基于MATLAB环境实现了多种群遗传算法的编码和求解。最后通过实例求解,验证了模型和算法的可行性。结果分析表明:装配线平衡问题得到了较明显的改善。     

解决混合装配线平衡问题的多目标遗传算法研究

混合装配线平衡问题是近期研究的热点,而工人的合理分配则是解决该类问题的关键.将解决混合模型装配线平衡问题扩展到基于工人分配的装配线平衡问题,包括任务的分配和工人的分配两个子问题.采用基于随机密钥的编码方法和先进的适应特定染色体结构和MALB-WA问题特点的遗传算子来解决该问题,最后通过数值实验验证该方法的性能.结果表明,该方法提高了解的质量,同时其收敛性优于其他现有的GA算法.     

改进智能水滴算法求解多目标混流装配线平衡问题

针对第Ⅰ类混流装配线平衡问题,为了更大限度地提高装配线效率,设计一种基于改进智能水滴算法的多目标混流装配线模型.该模型通过在选择工位的同时考虑启发式因素与土壤值来提高装配效率,在处理产品切换引起的负荷变化的同时,能够很好地优化装配线的工位数、平滑指数和操作关联度.通过使用帕累托分层对传统的智能水滴算法进行修改,从而达到一个帕累托集以实现目标的优化.利用若干个装配线问题的标杆算例对提出的算法进行测试并进行指标分析,实验结果显示与其他算法相比,本研究算法计算出的结果更优,非支配解比例、解集分布性等指标更好.     

基于GA-PSO的多目标混流装配线排序研究

为求解生产调度中的多目标混流装配线排序问题,提出一种将遗传算法与粒子群算法相结合的混合算法——GA-PSO算法.为更好地评价个体,提出一种引入个体的Pareto分级和拥挤距离的适应度函数.针对标准PSO算法求解排序问题的不足,提出了一种将实数映射成离散值的方法.在算法的历次迭代中,早期通过遗传算法全局搜索优势扩大搜索范...     

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.      

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.     

双边装配线平衡的启发式算法

针对目前研究较少的双边装配线平衡问题,分析、研究了双边装配线平衡的特点,建立了问题的数学模型,并提出一种有效的启发式算法.在该算法中,采用基于位置的任务分配策略,运用多个启发式规则,如具有操作方位约束的任务将被优先分配,来进行任务的选择与分配;通过综合考虑E型任务在装配线双边的状况,确定其分配的具体方位,最大化E型任务的调节作用.大量实例运算结果表明,该算法具有较好的性能.     

考虑员工移动成本的车缝生产线平衡问题

针对车缝生产线多品种小批量和自动化程度低等特点,提出了考虑员工多工序作业移动成本和为瓶颈工序增设适量设备的车缝生产线平衡问题。通过引入虚拟工作站和标准在制品（SWIP）库存概念,构建最大平衡率和最小生产节拍的双目标优化模型。最后,通过设计枚举算法和基于贪婪搜索策略的多目标遗传算法获取新增设备方案、标准在制品数量以及线平衡优化方案。车缝生产线实例计算结果表明,线平衡率及生产效率得到大幅提升,验证了模型和算法的合理性与有效性。     

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．     

改进鲸鱼优化算法及其在混流U型装配线平衡问题的应用

为提高鲸鱼优化算法的寻优效果和求解稳定性,通过改进算法的种群初始化、局部搜索、越界处理方法和收敛因子,提出一种改进的鲸鱼优化算法 。 采用基于切割法的均匀设计种群初始化方法,改善算法初始种群的均匀性;通过引入基于NEWUOA算法的局部搜索算子,提高算法的局部搜索能力;在算法的越界处理方面,提出一种基于环形区间和随机波动的方式,降低算法陷入局部最优的可能;引入了非线性收敛因子和自适用权重,均衡算法的局部和全局搜索,并进一步增强搜索的精细度。通过7个单模态、多模态以及固定维度的基准测试函数进行了数值仿真实验,验证了改进的鲸鱼优化算法相较于遗传算法、鲸鱼优化算法以及其他改进的鲸鱼优化算法,在寻优效果和求解稳定性方面具有优越性。 针对混流U型装配线平衡问题,考虑最小化装配线的节拍时间,将改进的鲸鱼优化算法用于问题求解;在解码阶段,设计一种基于阈值的解码方法,优化工序的分配过程;最后计算了21个混流装配线算例,结果表明,改进的鲸鱼优化算法在20个算例中求得了更优解,相较于其它算法,节拍时间平均降低3.02%。     

求解带平衡约束矩形布局问题的混合算法

以卫星舱布局为背景,针对二维带平衡约束的矩形集在圆容器内的布局问题,提出了一种混合算法,即带压缩策略的动态匹配算法,并与粒子群优化算法结合起来.对于给定的圆容器,将整个布局过程分为4个阶段,相应地将圆容器分成8个区域.每次放置矩形时,动态匹配算法先根据系统质心动态选择装填区域,然后在该装填区域中根据排序函数选择待布矩形.压缩策略用来压缩圆容器,粒子群优化算法用来优化排序函数的参数.在测试集上的计算结果表明:相对于已有算法,提出的混合算法更加有效.     

基于混合蛙跳粒子群算法的 TSP 问题求解

为提高粒子群算法求解TSP(Travelling Salesman Problem)问题的性能, 在算法搜索初期, 将混合蛙跳算法和 粒子群算法相融合, 针对初始粒子群随意性大、 粒子分布不均的问题, 利用混合蛙跳算法的分组策略将种群分 组, 采用改进的蛙跳更新公式优化次优个体, 并抽取各层次个体得到新种群, 从而提高最优个体的获得速度; 在算法后期, 引入3 重交叉策略和基于疏密性的引导变异操作, 解决粒子多样性降低、 易陷入局部最优的问题。 利用改进算法求解 TSP 问题, 并与其他算法进行对比。 结果表明, 改进算法是有效的且性能优于其他算法。