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.     

基于遗传算法的混流装配线工作站平衡研究

现有的装配线平衡方法缺乏关联性、系统性和整体性,未考虑混流水装配线工作站分配、排序及实际应用中除工艺顺序以外的约束问题.文章以车桥装配生产线为例,引入惩罚函数优化装配工艺顺序以外的约束,利用遗传算法对该问题进行编码求解,将工作站数最小与平衡率最高同时进行优化.最后通过实例进行仿真运算,以加强混流产品装配生产线工作站分配及平衡策略的可行性、有效性和前瞻性,为装配线尤其是车桥类装配线工作站分配和平衡提供了一种有效途径.     

基于改进型遗传算法的混流U型装配线第二类平衡问题

针对最小化生产节拍的第二类混流U型装配线平衡问题, 构建了混合整数规划模型, 并设计了改进型遗传算法求解. 在遗传算法的解码过程中, 采用3种搜索方式将工序分配到工作站, 比较了3种搜索方式下的工作站时间, 并参照期望生产节拍值筛选出最优的工作站分配方式, 再根据分配方式的寻优情况判断是否自动更新期望生产节拍值. 通过大量的标准算例, 证明了改进型遗传算法的有效性. 最后, 结合实际案例分析, 再次验证了混合整数规划模型和改进型遗传算法的有效性.     

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.     

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．     

预防维护下装配线平衡的集成优化

在装配线生产过程中,当某个工位的设备突发故障时会导致全线停工,带来重大的经济损失,为此本文提出预防维护下的装配线平衡问题,对正常生产和设备维护两种情形下的生产负载进行集成优化。以给定工位数量下正常生产节拍、预防维护时的生产节拍以及两种模式切换时的工序调整数量的最小化为目标建立数学模型,采用遗传算法进行求解。案例分析表明,预防维护下的装配线平衡可有效实现正常生产与设备维护之间的快速切换,保证生产的高效性和稳定性。     

基于改进遗传算法的混合装配生产线平衡问题研究

文章针对传统混合装配生产线缺乏对一个工位多个产品的研究,建立了一个工位多个产品的装配生产线平衡问题模型;以汽车主减速器装配生产线为例,对模型进行分析建模,设计了基于激素调节机制的改进遗传算法的适应度函数、选择、交叉及变异算子,对一工位多产品的混合装配生产线平衡问题模型进行求解;利用Matlab软件编写仿真算法程序对模型进行仿真,在一定程度上验证了模型的可行性和算法的有效性。     

多种群遗传算法在图像恢复中的应用研究

针对目前图像恢复方法中所存在的较多约束和计算求解复杂等问题,提出了一种基于多种群遗传算法的图像恢复方法,并与基于标准遗传算法的图像恢复进行了比较,仿真结果表明,该算法可使图像恢复结果和效率得以较大的改善和提高,具有推广应用价值。     

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.     

混流装配线平衡和排序问题研究综述

系统地总结了现有的混装线平衡和排序的主要研究内容,从混装线平衡、混装线排序及混装线平衡与排序的集成三个方面对现有了研究进展与研究方法进行了分析和总结,并对一些特殊形式的混装线进行了分析.最后提出了混装线平衡与排序问题需要进一步研究的几个方向.     

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.     

Schedule for Garment Assembly Line Based on Genetic Algorithm

A new way to solve the scheduling problem of garment assembly line based on genetic algorithm was proposed. The chromosome was decoded using task precedence relation and after the operation of reproduction, crossover and mutation, the global optimal result can be obtained. Fitness function was represented by smoothness Index ( SI). The simulation shows that the method proposed in this paper is better than the conventional way and the optimized solution can be got in this way.     

装配线生产的计算机管理(一)——单一型装配线系统的平衡问题

本文除了介绍国外有关装配线生产系统的一般概念外,着重阐述单一型无约束装配线系统平衡问题的Thomopoulos搜寻方法,并给出一种适合于计算机解的格式及相应的例题计算结果。本文还附带介绍了专为装备线系统的辅助管理而开发的ALB程序系统,以供参考。     

U型装配线的启发式平衡方法

随着现代生产管理中准时制（JIT）生产方式的应用,越来越多的装配线采用U型布局,该文探讨U型装配线的平衡问题,用解决传统直线型装配线平衡问题的启发式方法来解决U型装配线平衡问题,给出了U型装配线的启发式平衡方法的算法模型及其算例。结果表明,所建立的算法模型计算方法准确简单,能够快速搜寻最满意解,且对U型装配线平衡的其它相关问题作了进一步的探讨。     

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.     

基于分支定界方法的双边装配线平衡

针时目前研究较少的双边装配线平衡问题，分析、研究了双边装配线的特点及其时平衡的特殊要求，建立双边装配线平衡问题的数学模型，并提出一种分支定界算法来最优化装配线的平衡。该算法采用基于任务、单步、深度优先的方法进行搜索，采用一系列启发式规则来控制分支节点搜索顺序，运用节点支配规则，下界规则，最大缓冲时问规则等时分支节点进行定界，以便迅速找到最优解，算例结果证明该算法具有较好的性能。     

基于遗传算法的约束性多TSP问题及其应用

针对一类具有约束条件的汽车调度问题 ,提出了约束性的多重 TSP(CMTSP)问题及其模型 ,给出了一种遗传算法解法。对比实验结果表明 :遗传算法具有比启发式算法更好的结果。     

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。     

Strategic Robust Mixed Model Assembly Line Balancing Based on Scenario Planning

Assembly line balancing involves assigning a series of task elements to uniform sequential stations with certain restrictions. Decision makers often discover that a task assignment which is optimal with respect to a deterministic or stochastic/fuzzy model yields quite poor performance in reality. In real environments, assembly line balancing robustness is a more appropriate decision selection guide. A robust model based on the α worst case scenario is developed to compensate for the drawbacks of traditional robust criteria. A robust genetic algorithm is used to solve the problem. Comprehensive computational experiments to study the effect of the solution procedure show that the model generates more flexible robust solutions. Careful tuning the value of α allows the decision maker to balance robustness and conservativeness of as- sembly line task element assignments.