基于遗传算法的加工方案选择与操作排序综合优化方法

为了得到全局最优工艺计划,提出一种基于遗传算法的可行加工方案选择与操作排序综合优化方法.考虑了特征有多个可行加工方案且其选择概率不同,在每次外层迭代中,由轮盘赌算法选择其一用于操作排序优化.通过内层的遗传算法获取子最优工艺计划,在外层比较各子最优工艺计划来获取全局最优工艺计划.特征的操作优先约束随着加工方案选择的不同而自动改变,并用于约束调整算法来保证解的可行性.实例验证了该方法的有效性,并发现了全局最优工艺计划产生于选择各特征的最大选择概率对应的可行加工方案的规律.     

基于装配语义的航天产品虚拟装配过程仿真方法

针对虚拟装配仿真过程中大量人机交互操作带来的效率低的问题,提出一种基于装配语义的虚拟装配过程仿真方法.通过分析航天复杂产品装配工艺,提取出4类典型装配操作并进行装配特征的参数化表达;通过匹配装配语义的装配特征基本信息和几何图元信息,实现了从语义层到特征层、几何层的装配语义层次化解析;从装配特征中解算出装配对象间的约束关系后,根据装配约束关系给定的运动方向和顺序,生成相应的位姿变化矩阵,驱动执行对象完成装配过程仿真.基于Delmia设计并开发了原型系统,以某卫星导航仪的装配过程仿真为例,对上述方法进行了验证.      

综合作业调度问题基于可行域的遗传算法

综合作业调度问题(CJSSP)同时考虑了加工约束与装配约束,成为约束严调度问题,而现有求解JSSP的遗传算法不能保证约束严问题染色体的可行性.描述了基本CJSSP,在定义的装配体分类和可操作基因串两个关键概念的基础上,设计出了基于可行域的交叉和变异方法.采用改编自JSSP的基准问题和实际调度问题进行了算法测试,并与规则...     

发动机缸体加工方案选择与操作排序协同优化

提出一种基于蚁群算法的发动机缸体加工方案选择与操作排序协同优化方法.考虑到部分零件特征有多个可行加工方案,在每次总迭代中为此类特征随机选择一种加工方案,并根据特征约束矩阵和操作优先级系数自动生成对应的操作约束矩阵.通过子迭代中的遗传算法进行操作排序优化,以装夹、刀具和机床3类制造资源的综合变换次数最少为目标得出子最优解,并在总迭代中利用精英保留策略获得全局最优工艺路线.最后,通过复杂的发动机缸体实例验证了该方法的有效性.     

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.     

基因算法在求解非光滑优化问题中的应用 (三峡地区资源环境生态研究)

本文考虑了基因算法在求解非光滑优化问题中的应用。非光滑优化方法致力于求解目标函数为连续不可微函数的数学规划问题。因为目标函数的不可微性,传统的以梯度为基础的确定性算法在求解非光滑问题时会遇到障碍,所以运用不需要梯度信息而只需要目标函数值信息的遗传算法来求解非光滑问题是一个不错的选择。遗传算法是基于自然界生物遗传变异过程而设计的一种优化算法,它首先对问题的可行解进行编码,编码方法有0-1编码,格雷编码和实数编码,然后运用交叉算子,变异算子和选择算子产生下一代种群。当种群迭代达到一定的次数后,种群中的最优染色体就会收敛到原问题的最优解。本文设计的基因算法基于实数编码,算子分别采用算术交叉算子,非一致变异算子,最佳选择算子。     

分布式装配阻塞流水车间调度算法研究

针对以装配完成时间为优化目标的分布式装配阻塞流水车间调度问题(DABFSP),提出一种协同帝王蝶优化(CMBO)算法．在算法的初始化阶段,CMBO有效利用分布式装配阻塞流水车间调度问题的特征,采用构造式的方法产生可行调度序列,并作为算法的初始解;在迭代过程中,CMBO利用两种协同的离散化算子更新种群;在局部搜索阶段,CMBO利用最优解的邻域信息进一步提升解的精度与质量．在以不同工件数、机器数、工厂数和产品数为组合的900个问题实例中,测试和比较了CMBO算法及其他先进对比算法的性能．实验结果及统计学分析表明：CMBO算法在求解分布式装配阻塞流水车间调度问题时优于其他两种对比算法．     

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.     

处理带约束的多目标优化进化算法

针对当前对求解多目标优化的遗传算法中主要考虑如何处理相互冲突的多个目标间的优化,而很少考虑对约束条件的处理的问题,提出一种求解带约束的多目标优化遗传算法,利用邻域比较与存档操作遗传算法处理多个相互冲突的目标之间的优化、利用不可行度选择操作处理约束条件和选用约束主导原理指导进化过程选择操作; 面向多目标约束优化算法,列举了2个难点典型问题进行仿真计算研究,仿真结果表明该算法能较大概率地获得多目标约束优化问题的可行Pareto最优解.     

含装配约束的作业调度问题及遗传解码算法

传统上加工与装配是分开研究的,而且很少涉及作业装配问题.为此,描述了一种包含加工与装配的作业调度问题.利用FT10基准调度问题的工序数据构造了调度问题及其产品结构.初步进行了以经典作业调度问题(JSSP)为对照的研究.采用基于字符串直接解码的遗传算法,解决了染色体对应不可行调度解的问题.仿真实验验证了遗传解码算法的可行性和有效性,而且进一步表明装配约束改变了JSSP;近优值2 046也优于关键路径规则算法的结果.