改进系统布置设计法在车间布局设计中的应用

现代车间布局设计时,往往应用基于遗传算法(genetic algorithm, GA)选择最优布局的系统布置设计(systematic layout planning, SLP)方法。为减少GA中轮盘赌模型随机性的影响,融合熵权-逼近理想解排序法(entropy weight-technique for order preference by similarity to an ideal solution, ET)组合评价模型对GA的选择算子进行重新计算,形成ET-GA模式实现SLP方法的改进。最后,利用改进SLP方法对某车间进行布局设计,结合ET-GA模型的改进SLP方法与原方案、基于GA的SLP方法相比,物料搬运成本分别节约了12.50%、5.88%,非物流关系分别提高了3.72%、2.50%,物料搬运时间分别降低了21.02%、14.75%。     

模糊遗传算法在机器调动问题运用

单机器调度问题是研究工件在多道工序进行加工的加工活动排序的组合最优化问题.由于调度问题中绝大多数属于NP难类问题,不存在有效的最优求解算法.针对用智能优化算法-遗传算法求解单机器调度问题中交叉率和变异率难以确定的问题,设计了一种模糊算法以便自动确定交叉率和变异率.通过数值实验,嵌入模糊规则的遗传算法比简单的遗传算法要好,说明在实际生产中,此算法具有强大的发展前途.     

基于系统布置设计与混合算法的锻造厂车间布局优化

针对因车间布局不合理而导致物流量浪费的现象,对某锻造厂进行研究,建立了物流量最小化的单目标优化函数,运用系统布置设计（SLP）方法对原始布局进行优化得到三种布局方案,采用层次分析法（AHP）与熵权法相结合的方法构建组合赋权模型,再通过逼近理想解排序法（TOPSIS)对三种方案进行排序优选,形成多指标决策评价模型。最后将遗传算法与和声搜索算法相结合,对锻造厂车间布局进行二次优化,获得最优布局方案。案例分析表明,此研究方法使物流量减少了28.82%,改进效果显著,同时也验证了该模型的优越性,对相关行业车间布局设计提供一定的参考价值。     

基于模糊模拟的遗传算法在最短路径问题中的应用

模糊最短路径问题将网络中弧的权值描述成模糊的，突破了传统最短路径问题的局限性，更符合实际网络的要求。采用模糊期望值模型求解最短路径问题，由于模糊变量隶属函数的形式多种多样，对于有些模糊变量，很难求出其具体的期望值，所以本文设计了基于模糊模拟的遗传算法进行求解，获得了良好的效果。     

一种基于GA的模糊神经网络控制器设计及应用

结合模糊控制，神经网络，遗传算法三种方法的优点，提出了一种基于遗传算法的模糊神经网络控制器，并分析了其网络结构和离线学习的方法，遗传算法基于全局优化策略，避免了反向传播学习算法易陷入局部最优的缺陷，仿真实验和在汽车防抱死制动系统中的应用表明这种控制方案是有效的，可行的。     

多目标模糊柔性作业车间调度问题优化

为降低柔性作业车间调度中的能耗,针对实际制造车间中工序加工时间和交货期的不确定性,将加工时间和交货期采用模糊数表示,建立以完工时间、平均满意度和最小满意度为柔性作业车间调度问题的多目标函数。同时设计了邻域遗传算法(GANS)求解该问题,算法采用机器选择的方法产生初始种群,并采用工序插入式方法对染色体进行解码;采用动态交叉概率及改进精英保留策略来保证种群的多样性和加快算法的收敛速度;并提出一种基于移动模糊关键工序的邻域结构来加强算法的局部搜索能力。最后通过数值实验验证了模型和算法的有效性和可行性,并对4个基准问题进行测试。结果表明:该算法在求解的精度、鲁棒性和解集的分布性方面与传统算法相比具有一定的优势,是一种有效的求解模糊柔性作业车间调度问题的新方法。     

单台机器模糊加工时间排序问题的遗传算法

根据三角形模糊数的特性,在对总加工时间模糊度有约束的条件下,构造出NP-困难的1 |fuzzy| min n∑i=1Ci排序模型的遗传算法.并采用算例进行了仿真实验,验证算法的有效性.同时重点研究了设计的分段线性适应度函数的适用性.实例计算表明,通过调节适应度函数中的惩罚系数α和β,可以兼顾种群的多样性和促使搜索效率的提高.该算法的实际应用可行,且具有良好的收敛性和较高的搜索效率.     

带时窗回程取货的车辆路径问题的算法

车辆路径问题如果考虑回程取货过程就可以在送货的过程中先后完成取货任务,比传统不考虑回程过程的问题更有实用性,基于此对传统问题进行了改进,不限制车辆的取送货顺序,而是设计了相应参数,避免了货物的重新排列·在确定目标时,综合考虑车辆运行成本、人员等待成本及服务成本等因素,实现目标解的真正可行·最后,根据此问题的特点,设计了先通过分枝定界法及遗传算法确定可行路线,再运用整数规划方法求解的算法,并以实例说明了算法的有效性·     

带二维装箱约束的需求可拆分车辆路径问题模型及算法研究

车辆配送计划时通常会考虑货物易损、易碎的可能性,以及如何充分利用有限的运输资源对货物进行配送以满足顾客的需求。在车辆有限、货物易损坏、顾客需求可进行拆分等环境下,实现车辆配送总路径最短,即考虑二维装箱约束的客户需求可拆分的车辆路径问题。对问题进行详细定义,建立了2L-SDVRP模型。将遗传算法与BLF算法的结合求解模型;并用数值案例验证算法有效性。     

一种基于模糊规则遗传算法在车间布置中的应用

提出了一种将模糊控制规则引入遗传算法的方法．根据每一代种群中所有个体适应度值的变化，对交叉概率、变异概率和染色体交叉长度进行模糊调整，很好地抑制了遗传算法的早熟现象，提高了搜索的效率．归纳出模糊调整规则，并叙述了应用模糊规则对交叉概率、变异概率和染色体交叉长度进行调整的策略；给出了模糊控制器的设计．用该模糊遗传算法对制造系统中的车间布置问题进行了仿真．结果表明，该算法是一种效率很高的寻优方法．     

连续型Hopfield神经网络求解设备布置问题

主要利用连续型Hopfield人工神经网络进行了设备布置问题的优化求解计算。讨论了连续型Hopfield人工神经网络的模型,以及求解设备布置问题的一般方法。仿真结果表明,利用连续型Hopfield人工神经元网络进行设备布置优化计算,求解质量稳定、速率快,有较好的应用前景。     

基于脑模型联接控制器的车间布局多目标优化技术研究

该文根据车间物流费用和车间面积2个优化目标，建立车间设备布局多目标优化模型。并根据车间布局优化特点，设计了基于脑模型联接控制器的混合遗传算法对该模型进行求解。该算法具有自学习和自适应的特点。最后给出算例，通过对仿真结果的分析，证明该文所提算法能解决提出的问题。     

设施布置算法性能比较和仿真

为了解决多目标的优化问题,提出了变动临近区域遗传算法。算法在解决设施布置问题时,改进了质化研究和量化研究中的一些不足。仿真结果表明,与传统的NPGA、VEGA遗传算法相比较,该算法在最终解个数、算法的稳定性、染色体的均匀程度等评价指标上为最优。     

改进蚁群算法求解单行设施布局问题

针对单行设施布局问题已有算法结构复杂、对算法参数有较大依赖性、求解效果欠佳的问题, 提出一种改进的蚁群算法。该算法采用基于目标函数值的自适应等级划分策略, 实现了信息素增量优胜劣汰、改进信息素的更新规则。通过简化状态转移概率函数, 降低计算量和算法对参数的依赖性, 引入精英候选集, 提高优良设备的选择概率。同时, 采用基于插入式邻域结构的爬山寻优算法作为局部搜索进行深度搜索。仿真结果表明, 求解28 个大规模的测试例子时, 该算法总的平均运行时间分别为混合遗传算法的14%, Lin-Kernighan 算法的5%, 分散搜索算法的50%, 说明该算法可在短时间内较稳定地得到高质量的近优解, 性能优越于其他算法。     

基于GA和设备嵌套思想的制造单元布置优化

处理柔性制造系统的设备布置问题时，常要考虑许多难以量化的目标，不利于优化方法的使用，为此，按设备布置问题中要考虑的目标，采用一种嵌套布置方式，以提供便利高效的生产环境，以混合整数规划（MIP）形成问题的模型，并应用遗传算法（GA）执行相对灵活高效的解决策略，克服了现有算法不够灵活的缺点，针对2个具体的制造单元设备布置的实例进行仿真计算，不论在解的质量还是在解算速度上都取得了令人满意的结果。     

柔性制造系统鲁棒性设备布局研究

阐述了柔性制造系统设备布局鲁棒性的概念 ,讨论了柔性制造系统设备布局鲁棒性的评价方法、评价指标以及柔性制造系统设备布局鲁棒性的设计和优化方法 .这些方法在计算机技术的支持下 ,具有很好的可实现性 .     

攀枝花市人口分布与道路设施布局空间自相关研究

以攀枝花市各乡镇人口数据和道路路网结构为基础,运用空间分析技术综合研究人口分布和道路空间布局特征以及两者之间的空间关联性。研究表明:人口分布和道路布局均具有空间关联性,且均为正相关,说明该市人口分布和道路布局并非完全随机性,而是遵循空间相似值之间的空间聚集。为进一步探讨人口分布与道路布局之间的空间关联关系,采用双变量空间自相关对两者进行分析,结果表明人口分布与道路布局亦存在较强的正相关关联性。同时,局部空间自相关聚类图显示存在人口分布和道路布局"高-高"聚集和"低-低"聚集片区,说明人口聚集程度受道路密度影响较大,进一步证实了两者间相互影响的关联关系。研究结论为攀枝花市城市规划提供了新的研究思路和理论支持。     

求解无容量设施选址问题的混合蚁群算法

无容量设施选址(UFL)问题是经典的优化问题,属于NP难题,易于描述却难于求解.首先,介绍了UFL问题的数学模型,并对UFL问题的特点进行深入分析,得到其最优解所具有的基本特征;其次,针对UFL问题的最优解所具有的基本特征,设计了两种局部搜索策略,并将其与基本蚁群算法相结合,提出了一种用于求解UFL问题的混合蚁群搜索算法;最后,为了测试该算法的性能,分别利用混合蚁群算法和基本蚁群算法求解UFL问题基准问题库中的16个测试算例.计算结果表明,混合蚁群算法有效改进了基本蚁群算法求解UFL问题时易陷入局部最优、收敛速度慢等不足,该算法对求解UFL问题具有明显的可行性和有效性.     

SLP和遗传算法结合在工厂平面布置中的应用

用经典的系统布置设计求得综合相互关系表之后,采用遗传算法求解具体的平面布置方案,以高效率获得可视的、满意的设计结果,弥补传统SLP设计过程中手工操作的繁琐迭代、易受主观影响、结果不稳定等缺点。结合某液压转向器厂的案例对改进的SLP法的具体实施,以及中等规模工厂平面布局问题的有效性、灵敏性作了相关探讨。