基于混合循环算法的复杂装配体装配序列智能规划

针对单一算法无法实现复杂装配体装配序列智能规划以及缺乏深度人机交互而导致的改进效果不佳等问题,提出一种混合循环算法.该算法以遗传算法为主体,利用干涉矩阵和接触矩阵调整随机生成的装配序列,以装配方向及工具的统一性构建适应度函数;其次结合模拟退火算法,在迭代前加入退火操作,利用Metropolis准则接受交叉和变异后的个体序列;引入粒子群算法的跟踪极值思想,直接选择个体最优和群体最优序列与后代交叉;最后结合虚拟现实技术建立装配模拟平台,从装配稳定性及工具操作空间两个维度进一步优化序列.基于该方法以汽车后桥总成装配序列规划为例进行验证,表明所得装配序列符合实际生产,该方法切实有效.     

基于遗传算法的自动装配顺序规划

笔者对自动装配顺序规划问题建立一种改进的遗传算法（Genetic Algorithms)。建立了装配体各零件间的可行装配方向元组,用于判断无干涉装配序列;提出5种合适的遗传算子,并以装配方向的改变次数作为装配顺序的适应值;采用一种适应值修改方案来避免算法过早收敛。算例表明,本文建立的装配顺序规划的遗传算法,能快速自动产生出满意的装配顺序方案。     

基于遗传算法的装配序列规划

装配序列规划是面向并行工程的DFA和CAAPP（Computer Aided Assembly Process Planning)研究中的关键问题之一。介绍了遗传算法用于解决装配序列规划的优越性,建立了基于遗传算法的装配序列规划模型,探讨了装配序列编码方法以及遗传算子的设计,采用VC6.0研发了相应的软件系统,测试结果表明将遗传算法用于规划装配序列大大提高了优化效果。     

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．     

离散变量桁架结构拓扑优化的改进混合遗传算法

为了避免在结构拓扑优化过程中杆件和节点的增删带来计算上的麻烦,在对桁架结构进行受力分析的基础上设计了一些启发式准则来产生可能的拓扑结构形式,然后采用一种改进的混合遗传算法进行截面优化.混合遗传算法将离散复合形法引入到遗传算法中,一方面利用遗传算法为离散复合形法提供可行点;另一方面利用离散复合形法对遗传算法种群中的可行个体和不可行个体进行改进,从而提高了遗传算法的局部寻优能力,并对标准遗传算法在选择、交叉和变异操作上作了一些改进.它将两种算法的优点集中在一起,同时又弥补了两者的不足.算例的结果表明,该方法用于桁架结构拓扑优化是简单、快速和有效的.     

基于混沌粒子群算法的柔性线缆装配序列规划技术

针对复杂机电产品中柔性线缆装配序列自动规划难题,提出了一种基于改进粒子群算法的柔性线缆装配序列规划方法.首先确定了线缆装配的约束条件,在此基础上以线缆装配优先等级、线缆长度、直径、弯曲半径、分支数为综合优化目标,建立了线缆装配序列规划的数学模型;然后对标准粒子群算法进行离散化处理,使之适用于装配序列规划问题的求解;在此基础上分别对装配序列的初始化和算法的搜索策略进行改进;最后将所提算法应用到某型号卫星结构板的线缆装配序列规划过程中,验证了其可行性与计算效率.      

基于CW节约算法和遗传算法的网络优化

将节约算法和遗传算法相结合解决通信网络规划的优化问题, 该方法融合了节约算法的快速收敛特点, 通过遗传算法可全面考虑通信网络的各种设计成本和实际通信限制问题. 实验结果表明, 该算法相对于传统的贪婪算法或最小生成树法, 有更快的运算速度和更好的可行解.     

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．     

基于粒子群算法的复杂产品装配序列规划

根据复杂产品装配规划问题的特点和要求,提出了一种求解装配序列规划(assembly sequenceplanning,ASP)问题的粒子群优化算法,将通常用于连续空间优化的粒子群算法成功扩展到ASP领域.算法根据ASP问题决策解的特点,在排序空间定义了微粒的位置和速度以及相关的各种操作.针对基本粒子群算法容易陷入局部最优的缺点,采用新的学习机制,增强了算法的寻优能力.基于干涉矩阵、连接矩阵和支撑矩阵建立了以装配可行性、装配体稳定性和装配方向改变为评价指标的目标函数.最后通过实例分析验证了该算法的有效性.     

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.     

Immune and Genetic Algorithm Based Assembly Sequence Planning

IntroductionIn the course of the industryautomation, the assemblyautomation is the weakest work, and assembly sequenceplanning is one of the basic issues to accomplish this task.To realize assembly automation, there are three problemsto be solved in common: (1) establishing assembly model;(2) obtaining the restriction between the parts andcomponents within this model; (3) assembly sequencereasoning based on (1) and (2).There are a large number of research reports a…     

基于免疫遗传算法的装配顺序优化

采用装配角度、装配方向、装配稳定性和重定位次数4个指标构建装配顺序优化模型,并用疫苗自动获取的免疫遗传算法(IGABVAU)求解.提出4种免疫疫苗用于提升算法运行效率,其中KP和NL型疫苗由人工指定,BP和NT型疫苗在算法运行中自动获取.船舶工段装配实验结果表明,该算法具有较快的收敛速度.进一步研究发现,免疫疫苗的质量会影响疫苗自动获取的免疫遗传算法收敛速度,人工指定的KP和NL型疫苗可以提高初始种群的质量,自动获取的BP和NT型疫苗可以为装配顺序的进化提供方向.     

基于遗传算法的钣金V形折弯工序规划方法

考虑到合理的钣金折弯工序对于提高加工效率、保证折弯精度有重要影响,对折弯工序进行基于遗传算法的优化设计.首先分析零件的形状特征信息,提取折弯工序规划中的干涉与精度约束条件,建立工序规划约束条件数据库;然后将工序规划抽象成一个带约束条件的旅行商问题(TSP),并构造优化目标函数;最后将约束条件引入到遗传算法的交叉与变异当中,利用遗传算法对折弯工序进行优化设计.结果表明,对于形状相对复杂的工件,该方法能够在合理的时间范围内规划出最优或近似最优的折弯工序.     

QoS感知的Web服务选择

一个组合服务可以由多个具有不同QoS属性的服务合成,由此带来的一个问题是如何将QoS属性作为条件选择最合适的服务以满足组合服务的全局QoS需求.针对这个问题,提出了利用分层图技术对复杂的服务组合过程模型进行化简,将服务选择问题简化为有向图中的选路问题,这样在服务选择时就无需考虑不同的流程结构(例如,顺序、选择、并发和循环结构等),从而降低了服务选择算法的复杂性,提高了执行效率.在简化模型的基础上,给出了一个基于自适应遗传算法的QoS感知的组合服务选择算法.仿真实验表明该方法是可行和有效的.     

基于事例推理的装配顺序规划中的遗传算法改进设计

针对基于事例推理(CBR)的装配顺序推理的特点,建立了相应的遗传算法模型.通过大量的算法实验,分析比较了传统进化、阶段进化和自适应进化策略的优劣,以及算法参数对推理效率和推理质量的影响.在此基础上,设计了改进的遗传算法.最后的实例分析验证了该算法的有效性.     

基于交替迭代遗传算法的多级车间生产计划与调度的集成优化

为了提高多级生产系统的运作效率,研究了一类多周期的多级车间生产计划与调度的集成优化问题,该生产系统由一级混批Job-shop车间和一级混流装配车间串联而成.首先建立了该类集成优化问题的混合整数规划模型,该模型从上下游生产车间的需求关系出发,综合考虑上下游车间的物料平衡、设备负荷以及开工位置等约束条件,同时满足优化上下游生产线的费用目标.然后提出了一种交替式混合遗传协调优化算法求解该集成优化问题,其主要思想是给定计划用一种混合遗传算法求调度,反过来给定已求调度用另一种混合遗传算法求取新计划,如此不断交替使用2种混合遗传算法实现计划与调度的同时优化.仿真结果证明了该方法的可行性和有效性.