面向作业车间调度问题的改进型蝙蝠算法

针对作业车间调度问题(Job shop scheduling problem,JSP),提出了一种改进型蝙蝠算法(Improved bat algorithm,IBA)以优化车间内工件的最大完工时间.根据作业车间调度问题的特点以及基本蝙蝠算法的搜索机制,首先对个体位置向量进行了设计,实现了蝙蝠算法中离散问题的连续编码;然后分别采用GT算法和随机生成两种方法对算法种群进行初始化,以提高初始解的质量.此外,采用三种邻域结构,并在此基础上设计了变邻域搜索策略作用于最优个体,以避免算法出现早熟收敛,提高IBA算法的性能.最后,针对JSP问题的基准算例进行了大量的仿真实验,计算结果验证了本文所提出的IBA算法的可行性和有效性.     

搬运机器人行走路径图建模及搜索算法

该文研究了制造车间物料搬运机器人行走路径图建模的过程及使用Dijkstra算法求解最短路径方法,描述了物料搬运机器人的构成及行走原理,结合一个具体的曲轴零件加工车间机床设备布局,用图数据库进行行走路径图建模,并应用Dijkstra算法实现了图路径搜索,实践表明图数据库建模具有简单性和易学性,对解决复杂机器人的行走路径建模提供一种新的解决方案。     

一种基于约束的车间模具布局方法研究

文章针对矩形模具在车间约束布局的合理性和车间利用率问题,将模具在车间的排布问题转换为二维矩形排样问题进行研究。结合某航空制造企业净化车间矩形模具排布的现场实际,在传统二维矩形排样算法基础上,提出一种基于约束的分批次启发式顺序规则排样算法,以优化矩形模具在净化车间的布局问题。仿真实验结果表明,该算法有效地提高了净化车间利用率。     

航路网络航路点布局的多目标优化设计

航路网络中航路点布局问题(CWLP)是航路网络规划的核心。基于此,从航路网络经济性和安全性出发,考虑航路运行成本和潜在冲突系数2个因素,建立航路点布局多目标优化模型,求解时采用动态递变权重系数的蝙蝠算法以保证运行成本和潜在冲突系数能同时获得较优解。最后对北京飞行情报区进行仿真实验,将蝙蝠算法(BA)与其他多目标算法对比,得到4种算法的非支配解,证明多目标蝙蝠算法在求解航路点布局的大规模优化问题上,能够获得更优解。同时,考虑偏好经济性和偏好安全性2种情况选择2组权重,数据显示:与初始网络相比,这2种情况下网络运行成本和冲突系数减少比例分别为9.99%、15.64%以及-3.97%、65.81%。实验结果表明,该方法能够在航路点布局规划上给决策者以多种优化方案。     

航空网络航路点布局的多目标优化设计

航路网络中航路点布局问题（CWLP）是航路网络规划的核心。基于此,从航路网络经济性和安全性出发,考虑航路运行成本和潜在冲突系数两个因素,建立航路点布局多目标优化模型,求解时采用动态递变权重系数的蝙蝠算法以保证运行成本和潜在冲突系数能同时获得较优解。最后对北京飞行情报区进行仿真实验,将蝙蝠算法（BA）与其他多目标算法对比,得到4种算法的非支配解,证明多目标蝙蝠算法在求解航路点布局的大规模优化问题上,能够获得更优解。同时,考虑偏好经济性和偏好安全性两种情况选择两组权重,数据显示,与初始网络相比,这两种情况下网络运行成本和冲突系数减少比例分别为9.99%、15.64%以及-3.97%、65.81%。实验结果表明,该方法能够在航路点布局规划上给决策者以多种优化方案。     

基于遗传算法的车间设备虚拟布局优化技术研究

根据车间布局设计的最小物流费用原则,建立车间设备布局优化模型,并对该优化模型进行遗传算法求解．借鉴车间设备布局的块树表示法,设计了基本块、分割线和方向的混和染色体,并给出解码方法．根据车间布局优化的特点,改进选择算子、交叉算子和变异算子等遗传操作算子,设计基于块树的分割线有效性检验算法,并融合了选择交叉算法的优点,有效地避免了遗传过程中无效个体的大量出现,保证了算法的有效性和高效性．最后,给出了一个12台设备车间布局仿真算例,结果表明,算法快速地在进行到170代左右时达到了收敛,并采用虚拟现实技术将计算结果形象地呈现出来．本文所提出的方法能够很好地解决车间设备虚拟布局问题．     

基于SLP改进遗传算法的多区域单双行 设备布局优化方法

针对多区域单、双行车间设备布局问题,利用车间二维平面坐标系将车间和设备参数化,构建出多区域单、双行设备布局的数学模型,并提出一种系统化布置设计法(SLP)与改进遗传算法结合的SLP改进遗传算法.算法以最小化车间物流成本为目标,考虑加工过程中产品质量的变化,采用分阶段的算法思想,引入自适应的交叉算子,使用混合种群的初始化方式.实验结果显示,该算法在解决多区域单、双行车间设备布局问题时能够以较快的速度收敛到较优解.     

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。     

面向物流场景的关键设备与输送线混合布局方法

针对物流场景中的关键设备和输送线布局问题,提出了一种结合多目标元启发式优化算法和布线算法的混合布局方法.在该方法中,首先建立以最优物料搬运总成本和输送线总成本为目标函数的多目标优化模型;然后使用元启发式优化算法实现关键设备的布局和解的更新与迭代,同时使用一种基于多目标评估的路径搜索算法实现输送线的布局,在布局中加入新策...     

基于偏序对改进蝙蝠算法的旅行商问题研究

作为一种新兴的群智能启发式算法,蝙蝠算法近年来被广泛用于求解离散、连续、及组合优化问题。针对典型组合优化问题中的旅行商问题,本文提出一种基于偏序对改进的蝙蝠算法用于求解离散型旅行商问题。通过对蝙蝠速度、位置的更新,使算法具有更强的适用性。本文对16个标准TSP问题进行测试与对比分析以验证算法有效性。实验结果表明,本文提出的偏序对蝙蝠算法在大多数实例中均优于其他算法。     

一种改进的混合蝙蝠算法

为解决基本蝙蝠算法中存在的易陷入局部最优且求解精度不足的问题,提出一种改进的混合蝙蝠算法,引入了分组迭代模式和多种速度迭代公式加强了全局搜索能力,更新了种群领域搜索公式的基础上引用了t分布作为种群最优解的领域搜索方式,补足了蝙蝠算法的局部搜索能力,避免了算法陷入局部最优解。通过多个标准测试函数的实验验证改进的混合蝙蝠算法能有效解决基本蝙蝠算法中出现的问题。     

基于特征方程的蝙蝠算法分析及其改进策略

在求解复杂非线性优化问题时,蝙蝠算法因其进化机制中引入了更多可调参数因子而比粒子群算法和遗传算法等具有更好的收敛性能.然而,在其迭代过程中,一旦群体中出现"超级"蝙蝠个体,算法极易出现"迟滞"问题.针对该问题,采用特征方程方法对基本蝙蝠算法的收敛性进行了分析,在一定假设条件下,讨论了算法参数灵敏性.基于负梯度理论,通过调整算法中蝙蝠个体的速度更新策略,使其沿群体当前最优解的负梯度方向飞行,引导个体飞向全局最优解.典型benchmark函数仿真实验结果表明,改进蝙蝠算法表现出较基本蝙蝠算法和带速度权重的改进粒子群算法更好的全局寻优能力.     

一种基于数据挖掘的制造业工厂设备布局方法

针对经典的求解单行直线型布局算法中需要大量参数、要求设备等概率使用的限制,提出了一种基于数据挖掘的制造业工厂设备布局方法 FMDM.FMDM采用数据挖掘Apriori算法对已有的生产调度计划或柔性作业车间调度问题的调度解进行挖掘,根据贪心方法在频繁项的基础上获得的初步布局方案,给出了将候选方案进行筛选得到最终方案的算法CACULATE_EDIT_DISTANCE.实验结果表明:该方法可对无参数的初建车间进行有效的初步布局,不限制设备的使用概率,能实现多工件共享设备,多工件并发生产,且FMDM结果作为经典算法的输入可提高经典算法的收敛速度.     

制造系统的设备布局方法

下一代工厂布局模式应具有高柔性、模块化和易于可重构性,柔性设备布局适应市场的动态需求。在对车间布局设计方法分析基础上,分析了现代制造系统中的单元布局、分布式布局、可重构布局及鲁棒性布局的布局逻辑,目标函数及求解算法,并对未来车间设备布局模式进行了展望。     

基于惯性权重的蝙蝠算法

蝙蝠算法是一种有效地求解单目标优化问题的启发式算法。然而,标准蝙蝠算法的速度更新方式偏向于搜索当前全局最优个体周围潜在较优个体,导致算法过早收敛。针对此缺陷,提出了基于惯性权重的蝙蝠算法,即在速度更新时添加惯性权重以改进速度更新的方向,使得种群中个体可以有效地跳出局部最优点。为验证所提算法的性能,采用了CEC2013作为测试集,PSO和标准蝙蝠算法作为对比算法。实验结果显示,所提改进算法可以有效地提升标准蝙蝠算法性能。     

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%。     

基于客户满意度的车辆路径问题的混合蝙蝠算法

车辆路径问题对现实有着良好的指导意义,自提出以来便吸引了企业界和学术界的广泛关注。然而,传统车辆路径问题仅仅将车辆行驶里程最短作为目标,忽视良好的客户体验对于企业的重要性。考虑客户满意度这一目标,建立以客户满意度和车辆行驶里程最短为目标的多目标优化模型,根据车辆路径问题的具体特征,改变基本蝙蝠算法的编码方式。为克服基本蝙蝠算法求解精度低、易陷入局部最优的缺陷,加入贪婪随机自适应启发式算法提高求解精度,引入病毒进化机制以增强蝙蝠算法跳出局部最优的能力。算例分析表明:病毒进化混合蝙蝠算法相比于基本蝙蝠算法,在求解精度上有较大幅度提高,是一种有效求解车辆路径问题的方法。     

基于蝙蝠算法的K均值聚类算法

为解决传统 K-means 算法中因初始聚类中心选择不当而导致聚类结果陷入局部极值的问题, 采用蝙蝠算法搜寻 K-means 算法的初始聚类中心, 并将模拟退火的思想和基于排挤的小生境技术引入到蝙蝠算法中, 以克服原始蝙蝠算法存在后期收敛速度慢、 搜索力不强等问题。 同时, 通过测试函数验证了其有效性。 最后利用改进后的蝙蝠算法优化 K-means 算法的初始聚类中心, 并将该改进的算法与传统的 K-means 算法的聚类结果进行了对比。 实验结果表明, 改进后的算法的聚类性能比传统的 K-means 算法有很大提高。     

基于仿真技术的车间布置方案评价与优化

为提高车间布置设计与实际生产环境的契合度,将系统布置设计与仿真技术相结合。采用系统布置设计方法得出初始布置方案,并对其进行物料搬运分析以确定物料流动路线与搬运方式。进而设计生产、搬运与存储规则,对不同布置方案分别进行仿真分析。根据仿真输出结果对方案进行综合评价与针对性的调整。实验结果表明:经过仿真技术评价与优化后得出的车间布置方案更加真实有效,可以改善车间生产过程中在制品堆积,物料搬运低效无序,不同作业区域生产能力不均等问题。     

新型蝙蝠算法辨识船舶运动模型参数

为准确、有效辨识出船舶运动模型的参数,以构建精确的船舶运动模型,将群智能优化算法中新型蝙蝠算法引入船舶运动模型的参数辨识。将船舶运动模型参数辨识问题转化为一个多维变量函数优化问题,分析了新型蝙蝠算法求解船舶运动模型参数辨识的适应性;给出了采用新型蝙蝠算法进行船舶运动模型参数辨识的流程。基于实船实验数据,采用新型蝙蝠算法辨识了实船一阶线型响应型模型参数。实例显示,将船舶运动模型参数辨识问题转化成优化问题,通过新型蝙蝠算法对构建的误差准则目标函数的优化,能够快速找到使得目的函数最优的一组变量,该变量即为辨识得到的模型参数。研究表明,提出的技术路线简明且适用,是一种有效的计算机辅助船舶运动模型参数离线辨识方案。