多目标混流装配计划排序问题

在总结混流装配线排序问题的优化目标基础上,给出了一种混流装配线排序多目标优化模型.采用一种染色体映射的策略,有效地解决了遗传算法中染色体变化后难以保证主生产计划约束的问题.对比计算的结果表明:多目标计划排序不仅能有效保证基于生产负荷平衡的目标和基于物流平顺化的目标的要求,同时还能减少装配中品种切换频繁的问题.     

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.     

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.     

基于非支配排序的多目标拟态物理学优化算法

将非支配排序思想引入到多目标拟态物理学优化(Multi-objective artificial physics optimization,MOAPO)算法中,将拥挤距离体现到MOAPO算法的质量函数中,提出了一种新的MOAPO算法。采用六个经典的多目标优化问题的测试函数对本算法进行性能测试,并与MOPSO算法、NSGA2算法及既存的MOAPO算法进行比较分析,实验结果表明,该算法具有更好的分布性。     

求解混流装配线调度的疫苗共生克隆选择算法

针对混流装配线的多目标调度优化问题,提出了一种疫苗协同进化的多目标免疫克隆选择优化算法.设计了疫苗种群及其相关操作,使其跟抗体种群相互影响并协同进化,提高了算法的性能;针对调度优化问题的离散性,选择同时从抗体的基因型和表现型评价抗体亲和度;依据抗体质量和进化代数,设计了自适应变异率;在每次迭代过程中,通过多次局部寻优加快算法收敛速度.最后通过两组实例仿真,与另3种多目标优化算法进行比较,结果证明该算法可得到更好的计算结果.     

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.     

多目标萤火虫算法的电力系统无功优化方法

为解决传统单目标无功优化电压偏高的问题,采用建立多目标无功优化数学模型的方法,提出一种带精英保留策略和Pareto占优及拥挤距离排序的多目标萤火虫算法对建立的无功优化数学模型进行优化.研究结果表明:多目标萤火虫算法在优化过程中具有较强的寻优能力和全局收敛性,在减小电力系统有功网损的同时有效解决了电压偏高的问题,是一种求解多目标无功优化问题的有效方法.     

基于密集距离的多目标粒子群优化算法

设计出基于密集距离的多目标粒子群优化算法(CMPSO),该算法根据密集距离大小按轮盘赌方式为每个粒子从外部档案选取全局最好位置并采用基于密集距离的方法对外部档案进行维护.将算法应用于3个复杂的测试实例,并与强度Pareto进化算法2等算法进行比较,计算结果表明CMPSO具有良好的连续优化能力.     

基于MES的混流装配线物料配送方法研究

为了实现混流装配线高效率低成本的物料配送,文章结合制造执行系统（MES）特点,设计了一种动态的物料配送方案。通过引入工位信息元概念,建立产品装配过程实时状态监控模型,实时跟踪在制品信息,实现装配车间实时生产进程信息和物料信息的集成;采用时间惩罚函数最小化的配送人员最佳出发时间的算法,保证了装配线在不缺料停工的情况下单次配送数量、配送种类的最大化。结合实例验证了该方案的可行性与实用性。     

考虑工时不确定性的混流U型装配线平衡的分布鲁棒优化方法

在以人工装配为主的流水线生产中,工时的不确定性是影响生产节拍的重要因素。考虑到随机优化要求精确的概率分布信息和较高的鲁棒优化保守性,本文针对工时不确定条件下混流U型装配线平衡问题,采用以经验分布为中心、Wasserstein距离为半径的模糊集对工时的不确定性进行描述,并以最小化生产节拍为优化目标,建立装配线平衡问题的分布鲁棒优化模型。为了降低模型的复杂性,利用强对偶理论将模型转换为易于求解的形式;为保证解的鲁棒性,设计了一种鲁棒性指标并将其作为模型的约束条件。针对上述模型,通过设计一种基于区间数的解码方式,并引入自适应交叉和变异概率,给出了一种改进的遗传算法。最后通过标准算例和断路器抽架生产实例进行了数值仿真实验,结果表明相较于随机优化和鲁棒优化方法,所建立模型在降低结果保守性的同时保持较高的鲁棒性,并且针对问题所提出的改进遗传算法具有良好的寻优能力。     

求解装配线平衡问题的混合遗传算法

装配线平衡问题一直是设施规划问题中的重要组成部分,是在建立生产线时就被考虑、解决并确定的。在面向市场的情况下,生产线必须是柔性的生产线,能快速响应新产品的需求,装配线平衡问题更应该是一个动态的生产调度问题。文章提出了混合遗传算法求解装配线平衡问题,给出了合适的编码方法,设计了新的交叉和变异算子,并通过实例验证了该算法的有效性和可行性。     

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.     

一种新的求解多目标问题的分组粒子群优化算法

用粒子群优化算法求解多目标问题容易陷入局部最优,为此本文提出了一种分组粒子群多目标优化算法。该算法将决策空间分成Q个子空间,每个子空间随机的分配N个粒子,这Q个粒子群分别在各自的空间进行独立搜索。为保证每个种群的搜索多样性和遍历性,用混沌序列对各组粒子位置进行初始化,同时对各组进行基于聚集距离的粒子择优进化。由典型多目标函数的优化实验结果表明,经过适当的分组,该算法能迅速逼近非劣最优解集,效果令人满意。     

基于优势排序数的多目标多式联运方案优化

针对带服务时间窗的多式联运方案优化问题,考虑运输总成本和运输过程中不准点导致的延误总时间两个目标,建立了多时间窗多目标多式联运数学模型,引入基于分目标的优势排序数和总优势排序数概念,证明了优势排序数的若干重要性质,依据总优势排序数的性质构建适应度函数,设计了一种基于优势排序数及寻求Pareto最优解的多目标离散粒子群算法,案例结果表明了模型和算法的可行性和有效性,算法给出的Pareto最优解也从实践角度证明了总优势排序数的性质.     

多品种装配顺序的一种改进遗传算法

多品种装配顺序的安排问题属于旅行商问题（TSP）,具有NP计算复杂性,针对该问题,以工艺辅助时间需求为优化目标,对遗传算法的边重组交叉算子（ER）作了改进．将基因的邻接关系分为左邻接关系和右邻接关系,通过抛弃基因的左邻接关系,将ER改进为右边重组算子（R—ER）,仿真表明改进后的遗传算法寻优能力更强、收敛性更佳．     

基于遗传算法和粒子群优化算法的电力系统无功优化

从数学的角度分析,电力系统无功优化是一个多变量、多约束、非连续性的混合非线性规划问题,因此,优化过程十分复杂.以减少有功网损为目标函数建立电力系统无功优化计算的数学模型,基于遗传算法和粒子群优化算法,提出一种新颖的混合策略来求解无功优化问题.IEEE 6和IEEE 14节点系统的仿真计算结果表明:与单一的遗传算法或粒子群优化算法相比,该混合策略在优化效果方面具有明显的优势.     

解多目标优化问题的新粒子群存档算法

通过把Pareto优与粒子群优化(PSO)算法相结合,利用给出的粒子的序值定义对粒子群中的粒子进行分离存档,给出了一种求解多目标优化问题的新粒子群存档算法。为了提高算法的全局收敛性,对PSO算法中的惯性因子ω执行自适应调节。数据实验比较表明该算法能找到问题数量更多、分布更广、更均匀的Pareto最优解。     

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.