动态需求下车间生产物流VRP优化

为适应智能工厂生产物流管控智能化与生产过程柔性化的要求,考虑"多品种、小批量"模式下生产节拍变动引起的物料配送和产品运输不确定因素,基于传统软时间窗提出一种曲线型软时间窗,构建在不同服务时间段的成本惩罚函数,以此表示客户对服务时间的满意度。在此基础上,考虑动态需求等特性,构建了以物流运输总成本、总时间成本最低和服务满意度最优的多目标车辆路径问题数学模型。模型求解采用改进的NSGA-Ⅱ算法,该算法采用两段式染色体编码方式进行编码,在迭代进化过程中,为提高交叉变异后解的质量,引入正态分布交叉算子,同时改进自适应交叉与变异概率公式。通过实例验证了目标模型和改进NSGA-Ⅱ算法的有效性和可行性。     

考虑客户满意度的带时间窗的多中心半开放式冷链物流车辆路径优化

针对带时间窗的多中心半开放式车辆路径问题，以总配送成本最小化和客户满意度最大化为目标，提出了双目标冷链物流路径优化模型。针对NSGA-Ⅱ算法容易陷入局部最优等缺点，结合粒子群算法生成种群方式，设计一种改进的NSGA-Ⅱ算法。通过仿真对比实验，结果表明，所提出的算法和模型可有效解决带时间窗的多中心半开放式冷链物流车辆路径优化问题，且改进算法性能更优，同时分析了总配送成本与客户满意度之间的关系，为冷链物流企业带来一定的管理启示。     

基于QFD的多目标产品配置模型及配置优化研究

为了使产品配置结果更符合客户需求,采用QFD和云模型将客户需求转化为产品质量特性,指导产品配置设计。考虑个性化需求等约束,构建以性能、成本和交货期为目标的产品配置模型,采用改进的NSGA-Ⅱ算法求解配置模型,并根据客户偏好推荐配置方案。该算法采用动态罚函数处理约束问题,采用自适应交叉、变异概率和算术交叉算子对NSGA-Ⅱ算法进行改进。通过算法验证与实例应用,证明本模型有效可行,改进NSGA-Ⅱ算法在配置问题求解上优于NSGA-Ⅱ算法。     

基于NSGAⅡ的生产线缓存与设备布局协同优化

为解决因布局过程忽略或粗略设置缓冲区占地面积而造成的生产拥挤或空间浪费问题,针对缓存配置与设备布局问题展开协同优化.基于连续时间Markov随机过程原理建立排队网节点状态模型,求解生产线设备平均利用率.以设备利用率、物料搬运距离和占地面积为优化目标,建立缓存配置与设备布局协同优化模型.通过改进的NSGA-Ⅱ算法对该模型进行优化.最终,通过某柴油机缸体生产线实例验证了本文提出方法的有效性.     

考虑能耗的混流装配线物料配送多目标调度方法

为了提高混流装配线物料配送的能源利用效率，考虑采用“转运”概念的送料机器人和线边集成超市配送模式，构建了存在换电情形的物料供应模型.结合送料机器人的能耗特点，以最小化送料机器人的使用数量和配送能耗为优化目标，建立了数学模型.在此基础上提出了变邻域搜索策略的改进型离散差分进化算法(VNS-MDDE)，用以解决多目标优化问题；该算法以最近邻启发式方法构建初始解，并引入变邻域策略进行局部搜索以提高解的质量.最后通过仿真实验验证了算法的可行性和有效性.     

随机需求下多危险品定位库存路径问题建模与算法研究

将需求的不确定性与库存理论结合,构建起产地-配送中心-客户三级供应链库存及配送的数学模型,并提出根据危险品影响的衰减系数计算其影响半径的方法,进而设计出基于衰减特性和人口分布的风险模型。采用多目标遗传算法(NSGA-Ⅱ)进行模型求解,设计出一套整合多种类危险品定位路径信息的编码-杂交-变异方式。在对算法的研究中,提出了通用性的,带种群结构控制的非支配排序遗传算法(NSGA-Ⅱ-PSC)及其3种类型。算例表明,改进算法可以得到更高质量的Pareto最优解集或更快的收敛速度。     

基于改进NSGA-Ⅲ的文本空间树聚类算法

构建倒排文本空间索引树(IR)分裂聚类多目标模型,对非支配排序遗传算法(NSGA-Ⅲ)的求解过程进行改进,提出一种基于先验初始种群策略的非支配排序遗传算法(PIPS-NSGA-Ⅲ),使其更适应于倒排文本空间对象分裂聚类问题的求解.通过PIPS-NSGA-Ⅲ算法寻求对象最小包围矩形(MBR)之间的重叠与覆盖面积、对象群间平均距离以及语义相似度等目标的最优前端解.通过对比PIPS-NSGA-Ⅲ,NSGA-Ⅱ,NSGA-Ⅲ和SPEA-Ⅱ进化多目标算法,从对象分类时间、效率、查询时间和准确度等多个方面来评估算法的优劣.实验结果表明:PIPS-NSGA-Ⅲ算法对文本空间对象聚类分裂具有较高的效率;相对于简化传统R树(STR树)与R树空间索引结构,基于改进NSGA-Ⅲ文本空间索引的平均查询时间减少24.8%,平均准确度提高3.75%.     

基于改进NSGA-Ⅱ的交叉培训规划多目标优化

针对柔性制造单元的员工交叉培训规划问题,从人性化和经济效益的角度考虑,提出了将多能工水平和任务覆盖水平等培训策略作为约束条件,以培训员工平均满意度最大化和任务平均支付工资最小化为目标的多目标优化方法.针对多目标优化模型,采用了非支配排序遗传算法(NSGA-Ⅱ)求解,并采用了Pareto解集过滤器技术.实验结果表明,改进的算法在一定程度上提高了运算效率和改善了Pareto解的多样性.     

飞机移动生产线物料配送与线边存储集成优化

为了解决飞机移动生产线中多并行作业物料的供给问题,构建了飞机移动生产线物料配送与线边存储集成决策的模型并设计了求解算法.在物料组批和小车调度的基础上,引入了物料在线边空间的存储决策,建立了以小车出行趟数最小化为目标的数学模型并设计了一种以免疫算法为框架的启发式算法.在免疫算法较优的全局搜索能力下,综合考虑小车的配送能力与线边空间的重复使用、共享等因素,使用反向动态小车调度算法和物料存储前瞻算法对物料的组批方式、配送时刻和在线边的存放位置三类变量联合进行决策.对提出的算法进行了数值实验,实验结果证明了模型与算法的有效性.     

丝绸之路经济带危险货物公铁联运路径优化

以丝绸之路经济带为背景,研究危险货物公铁联路径优化问题。组织危险货物公铁联运时,运输路径的选择对于降低作业风险和运输成本至关重要。本文系统分析了公路与铁路的运输成本及风险,建立了兼顾成本（运输成本、碳排放成本、软时间窗惩罚成本）和风险（运输风险）的多目标非线性优化模型,通过线性加权转化为单目标优化问题,并设计了改进非支配排序遗传算法（Non-dominated Sorting Genetic Algorithm-Ⅱ）求解。改进种群初始化过程,引入协同选择的精英策略,并改进了交叉算子。最后,结合算例进行求解,结果表明：改进后的NSGA-Ⅱ算法空间分布更为均匀,且前沿跨度更大,优化的运输方案中运输节点更少、运输路径更短;总成本、总风险相比NSGA-Ⅱ算法更低,算法搜索性和求解精度明显提高。     

基于PSC-IGA算法的数字化车间仓配一体化研究

文章针对数字化车间内部的仓配一体化问题,以装配生产线的物料需求时间和数量为拉动因素,考虑物料配送效率和立库运行效率,将仓配问题分为2个层次,首先通过生产排程确定时间窗,以配送效率最大化为目标构建物料配送路径规划模型,然后构建货位分配多目标优化模型.采用两阶段的遗传算法进行求解,提出基于多色集合约束的遗传算法(polyc...     

基于改进C-K节约算法的第三方冷链物流企业车辆调度

针对冷链车辆调度中存在的配送任务重、配送成本较大、冷链物品的质量要求高、制冷追踪技术要求先进等问题,结合第三方物流企业的多商品多零售商特点,提出了新的基于改进C-K节约算法的单货栈第三方冷链物流企业的车辆调度模型.该模型以配送总成本最小为目标函数,以配送点时间窗要求、货物运输总时间限制、冷藏车体积容量和载重量限制为约束条件.以北京某第三方冷链物流企业的货物配送实例作为研究对象,利用C++编写算法程序实现了对模型的求解,求解结果验证了该模型的合理性.     

基于改进多目标布谷鸟搜索算法的 汽车装配线物料配送调度

考虑将电动车辆用来进行基于点对点配送策略的汽车装配线的物料配送,提出了改进多目标布谷鸟搜索算法. 首先,对该物料配送调度问题进行描述,在统筹考虑电量限制和准时化配送要求的基础上建立了以车辆数量和最长搬运时间作为衡量指标的目标函数,并开发了直接反映配送车辆和配送次序的融合编码机制. 然后,设计任务分配规则构造初始解,并在基于混沌动态步长的搜索过程中加入高斯变异和精英选择策略来提高算法的全局搜索能力和解的质量. 此外,开发两种局部搜索算子以强化算法深度寻优能力. 最后,仿真实验结果验证了该调度算法的可行性和有效性.     

基于混合元胞遗传算法的柔性车间调度问题研究

针对柔性作业车间调度问题,建立了以最大完工时间最小、机器最大负荷最小、总机器负荷最小为优化目标的多目标优化模型.引入多色集合理论,建立了柔性车间调度问题的多色集合约束模型,提出了基于多色集合约束模型的元胞遗传算法(apolychromatic collection based cellular genetic algorithm,PCGA),以解决遗传算法在求解柔性车间调度问题时表现出的早熟和收敛性不足等问题.用改进的元胞遗传算法求解柔性车间调度的多目标优化算例,并与其它遗传算法进行比较,实验结果表明,基于多色集合的改进元胞遗传算法在求解此问题时更为高效.     

基于改进非支配排序遗传算法的配电网动态重构

针对分布式电源大规模接入配电网情况下配电网的动态重构问题,提出一种基于改进非支配排序遗传算法(non-dominated sorting genetic algorithms Ⅱ,NSGA-Ⅱ)的配电网动态重构策略.首先,以系统运行成本和电压偏移最小为目标建立配电网动态重构模型.其次,结合参数自适应策略和基于可行解优越性的约束处理技术提出NSGA-Ⅱ改进算法对模型进行求解.再次,用超体积(hypervolume)指标选择最佳的帕累托解集,并通过模糊决策技术从帕累托解集中选择最佳方案.最后,以IEEE 33节点系统为例进行仿真.结果 表明:该模型可以在降低系统运行成本的同时提高系统电能质量.     

基于NSGA-Ⅱ的物流末端人员配置的多目标决策

研究同时考虑客户满意度和成本的物流末端配送环节中快递人员配置问题。在考虑到满意度和快递员的情况下,通过人员配置成本、惩罚成本和运输成本所构成的总成本最小和顾客满意度最大时的人员配置方案,并采用NSGA-Ⅱ算法在Python软件上求解物流末端配送问题,最后进行了案例分析。分析结果表明：所建立的物流末端人员配置和路径优化的多目标优化模型实现了人员配置、客户满意度和成本的优化,且能够在保证客户满意度的情况下降低人员成本。所提出的方案为物流末端快递人员配置的多目标优化问题提供了理论依据。     

改进差分进化算法在铝电解多目标优化中的应用

针对多目标优化问题,提出一种改进的差分进化算法(DE).该改进算法首先将DE与粒子群优化算法(PSO)结合,提高DE的收敛速度,然后引入多种群进化策略,有利于维持Pareto解的多样性.同时,在综合考虑机理与工艺的基础上建立铝电解多目标优化模型,并应用改进算法进行求解.仿真结果表明:在电流效率为92％时,改进算法所得的直流功耗为14.03 MW.h/t,比NSGA-Ⅱ的直流功耗降低了1.45％,比传统DE的直流功耗降低了1.75％.表明本文改进算法有效地提高了传统进化算法的性能.     

计及柔性安全裕度的多电飞机负载转供策略

采用多电飞机电气系统的节点电压柔性表示可变的运行点安全裕度,提出考虑飞机运行工况和变频启动发电机故障位置的离线最优负载转供策略。首先,基于同一工况下负载相关关系构建多维联合分布函数,结合蒙特卡洛法生成表征负载不确定波动的大量场景,并利用Ward系统聚类进行场景削减。然后,以增大系统电压柔性和降低网络损耗为目标,建立了负载转供柔性优化模型。同时,为提高计算收敛性和速度,对NSGA-Ⅱ算法进行改进,最终结合TOPSIS分析得到Pareto最优折中解。应用实际Boeing 787电气系统进行分析,结果表明,改进NSGA-Ⅱ算法具有更快的收敛速度和更佳的优化结果,且本模型得出的转供策略对比传统方式在提升运行安全性与经济性方面有一定效果。     

面向智能生产车间的多AGV系统多目标调度优化

以具有多台自动导引车(AGV)的智能生产车间为对象,以完工时间、AGV数量以及惩罚成本的最小化作为优化目标,构建作业车间多目标调度优化模型.针对多目标调度优化模型的求解需求,提出一种自适应多目标遗传-差分进化算法(AMOGA-DE),采用多段式实数编码的染色体表征调度方案,利用遗传算法获得模型优化解,融合差分进化算法和外部Pareto解集档案构建技术以改进解的质量,引入自适应策略以提高算法的收敛速度,实现多约束条件下AGV系统的多目标调度优化.以一个具有多台AGV的智能制造车间为例进行案例分析,得到调度方案.将AMOGA-DE与NSGA-Ⅱ、SPEA2算法应用于3个不同规模问题,研究结果表明:AMOGA-DE算法具有更快的收敛速度,能得到更好的优化结果,在不同规模的算例上获得了分布均匀且具有较高质量的Pareto解集.     

基于双模式更新五行环算法的多目标冷链配送

针对生产运输中广泛存在的冷链配送问题，建立了以配送成本最小化和顾客满意度最大化为目标函数的多目标冷链物流优化模型。基于五行环优化(FECO)算法，提出了双模式更新个体的五行环优化算法(FECO-DMUI)，并对多目标冷链物流模型进行求解。将FECODMUI算法与FECO算法、NSGA-II算法、鲸鱼优化算法和灰狼优化算法进行比较，结果验证了本文模型和算法的有效性，同时验证了FECO-DMUI算法在多目标冷链配送问题中能更加高效地获得路径优化的最优解集。