自动化制造单元最小完工时间调度问题的混合启发式算法

自动化制造单元最小完工时间调度问题属于NP-hard难题,目前尚缺乏有效的调度方法。为此,提出基于遗传和禁忌搜索的混合启发式算法,用以搜索一组最满意的机器人搬运作业排序。以遗传算法为基本结构,在初始种群产生和交叉、变异操作中引入禁忌搜索技术,以提高优化质量。基于搬运作业规则的初始种群构造算法和两阶段交叉、变异算子克服了传统算子对可行搬运作业排序的破坏,而邻域移动算子则保证了禁忌搜索的多样性和集中性。最后,随机实验结果验证了算法的有效性。     

基于混合遗传算法的车间调度研究

针对用遗传算法求解车间调度问题(job shop problem)容易早熟的缺点,对遗传算法的收敛性、搜索效率和最优解等方面进行了研究,改进了遗传算法,引入了模拟退火算法,提出了新的混合遗传算法。重新设计了基于工件编号的交叉算子和变异算子;采用自适应交叉概率和变异概率;在每一代遗传进化中引入了Metropolis接受准则。通过结合遗传算法、自适应概率和模拟退火算法的各自优点,提高了算法搜索能力。用遗传算法、模拟退火算法和混合遗传算法对Job Shop Problem中FT06问题进行了仿真。仿真结果表明,混合遗传算法提高了搜索效率,能够找到最佳的调度方案。     

一种混合遗传算法在车间作业调度中的应用研究

结合遗传算法和局域搜索的优点,提出一种混合遗传算法(HGA)以解决Job-shop调度问题。HGA采用基于工序的编码方案;然后在探讨影响HGA性能的交叉和变异算子的基础上,引入顺序保留交叉算子(PPX),并采用具有邻域搜索能力的变异算子;最后应用局部搜索对得到的GA解进行微调以改善解的质量。仿真结果表明了本文方法的有效性。     

求解作业车间调度问题的一种改进遗传算法

为克服传统遗传算法解决车间作业调度问题的局限性,综合遗传算法和局部搜索的优点,提出一种改进的遗传算法。为基于工序的编码提出了一种新的POX交叉算子。同时,为克服传统遗传算法在求解车间作业调度问题时的早熟收敛,设计了一种子代交替模式的交叉方式,并运用局部搜索改善交叉和变异后得到的调度解,将提出的改进遗传算法应用于MuthandThompson基准问题的实验运行,显示了该算法的有效性。     

变邻域改进遗传算法求解混合流水车间调度问题

针对混合流水车间调度问题的NP难特性,提出一种改进的混合变邻域搜索的遗传算法。建立了数学模型,提出了算法的总体流程,设计了基于操作的编码和解码方法,并采用NEH启发式算法产生初始种群。随机采用基于位置的交叉和线性次序交叉,选用反转逆序的变异算子,交叉变异后合并子代与父代,保留较优个体,对当前最优个体执行变邻域搜索,以增强遗传算法的局部搜索能力。通过初始对比实验,证明了NEH启发式算法能够产生质量更好的初始解,随机采取两种交叉算子能够提高算法的搜索效率,标准算例实验结果表明所提算法能够有效求解混合流水车间调度问题。     

基于可行工序序列遗传算法的工序排序优化

针对CAPP中工序排序优化这一NP-hard问题的求解,以最小化总成本为目标,提出一种新型的面向可行工序序列的遗传算法(FOSOGA)。该算法中,染色体以排列数的形式直接表征满足工序优先关系约束的可行工序序列;设计了可保证染色体可行性的自适应交叉算子和自适应变异算子来演化工序序列和各工序的加工资源;引入新的精英参与的交叉策略。将FOSOGA应用于两个案例,并与现有遗传算法、粒子群算法和蚁群算法进行了对比。结果表明,FOSOGA获取的解的平均质量优于现有遗传算法、粒子群和蚁群算法。     

基于Memetic算法的有限缓冲区流水车间调度问题

针对有限缓冲区流水线调度问题,提出一种基于变邻域搜索策略的Memetic算法。在基本遗传算法中,采用NEH算法和改进IG算法产生部分初始种群,使用部分交叉算子和插入变异算子,在交叉和变异之后设计一种改进变邻域搜索方法来进行局部搜索。在该改进变邻域搜索中,将模拟退火算法作为变邻域搜索中的局部搜索方法,大大增强了算法的寻优能力,使得Memetic算法在集中搜索和分散搜索之间达到更合理的平衡。运用提出算法求解经典基准算例,并与当前先进算法比较,验证了所提算法的有效性。     

基于启发式DCPM-FGA的产品装配序列规划

为有效获得优化的装配序列,提出了一种将比较比例方法与模糊遗传算法相结合,并加入启发式搜索策略的新方法。采用连接矩阵和干涉矩阵描述装配模型,并在此基础上通过计算得到装配序列的启发式信息。根据启发式信息设计了具有启发性的种群初始化算子、交叉变异算子、可行序列调整算子,以帮助比较比例方法和模糊遗传算法避开无效序列。通过实例分析表明了所提方法的高效性。     

基于改进遗传算法的柔性作业车间调度研究

针对柔性作业车间的多目标调度问题,文章建立以最大完工时间、能耗为目标的数学模型,提出一种多目标的改进遗传算法的求解方法。首先,在交叉算子中使用均匀交叉法,采用了基于邻域的变异算子。其次,针对交叉变异算子进行了非均匀改进,旨在增加算法搜索能力。通过动态调整非均匀交叉和非均匀变异的概率,提高搜索空间覆盖率,避免陷入局部最优解。最后,采用基准算例Kacem测试集进行测试。实验证明,该改进算法有效地解决了同时考虑最大完工时间和能耗的多目标调度问题,取得了显著的改善效果。     

基于遗传算法的产品装配序列规划研究

为解决产品实际装配过程装配序列规划的问题,建立了描述装配过程中零部件间装配关系的几何干涉关系矩阵。设计了以装配换向次数、装配工具更换次数、装配体稳定性和基础件位置为目标函数的遗传算法,并改进了该遗传算法相应的交叉算子、变异算子和适应度函数,以确保算法的有效性。在初始种群生成时,输入由DELMIA软件虚拟拆卸得到的几何可行装配序列,改善种群的组成成份。将该遗传算法应用于某链轮的装配序列规划中,验证了该算法的有效性。     

基于联合作业序列的遗传算法求解第二类装配线平衡问题

分析了可行作业序列与联合作业序列对求解装配线平衡问题的影响,以及两种序列之间的区别和联系,并针对第二类装配线平衡问题,提出一种基于联合作业序列的遗传算法.该算法依据作业顺序图生成初始群体和构造交叉算子、变异算子,保证只在可行作业序列中搜索最优解,从而提高了算法运算效率和计算结果的精度;联合作业能够为工作站释放更多的空间...     

基于正态模糊时间窗约束的飞机装配物料配送路径规划

针对飞机装配过程中装配工位物料需求时间模糊化现象,提出基于正态模糊时间窗约束的工位物料需求时间参数表征方法,用正态模糊数的隶属度表示工位的满意度。建立了基于正态模糊时间窗约束的飞机装配物料配送路径规划数学模型,并采用遗传算法进行了求解。遗传算法的选择算子利用轮盘赌和最优保留策略,交叉算子采取小生境选择机制的双选择交叉策略,变异算子确保每代个体得到进化。MATLAB仿真结果表明,该规划方法拥有较好的经济效益。     

基于混合算法的内燃机曲柄连杆机构复合目标选配

在曲柄连杆机构的选配中,为实现在多种装配要求的条件下,对多对零部件同时进行选配,并使剩余的零部件数量最少的复合目标,以提高曲柄连杆机构各零部件的选配成功率和装配质量,建立了复合目标选配的目标函数,确定了约束条件。针对该组合优化问题的特殊性,对传统的基于遗传算法和模拟退火算法的混合算法进行了改进,提高了在初始种群产生阶段进行定向变异的方法,以提高初始种群的平均适应度;并设计了特定的编码方式、交叉运算和变异运算,建立了曲柄连杆机构的复合目标选配方法。最后对该方法进行了有效性验证。     

A genetic algorithm for the optimization of fiber angles in composite laminates

A genetic algorithm for the optimization of composite laminates is proposed in this work. The well-known roulette selection criterion, one-point crossover operator, and uniform mutation operator are used in this genetic algorithm to create the next population. To improve the hill-climbing capability of the algorithm, adaptive mechanisms designed to adjust the probabilities of the crossover and mutation operators are included, and the elite strategy is enforced to ensure the quality of the optimum solution. The proposed algorithm includes a new operator called the elite comparison, which compares and uses the differences in the design variables of the two best solutions to find possible combinations. This genetic algorithm is tested in four optimization problems of composite laminates. Specifically, the effect of the elite comparison operator is evaluated. Results indicate that the elite comparison operator significantly accelerates the convergence of the algorithm, which thus becomes a good candidate for the optimization of composite laminates.     

基于主-从遗传算法求解柔性调度问题

通过分析柔性作业车间调度问题中工件与设备的特征及两者间的关系,提出了一种主一从遗传算法的调度方案。在该算法中,主、从染色体分别采用工件基因块和设备基因块的分块编码。主染色体代表可行加工路径组合,从染色体代表主染色体约束下的可行调度方案。然后,以最小化工件延迟时间为目标,为主染色体设计选择和多点变异两类遗传操作;以最小化设备空闲时间为目标,为从染色体设计选择、多点交叉和多点变异3类遗传操作。从染色体适应值取其代表的调度方案中工件流通时间的倒数,主染色体适应值取其对应从染色体种群的最优适应值。这种双层多点遗传操作避免了非可行解的产生,并可采用类似旅行商问题的遗传操作。最后,通过仿真和比较实验,验证了该算法的有效性。     

改进遗传算法求解柔性作业车间调度问题

分析柔性作业车间调度问题的特点,提出一种求解该问题的改进遗传算法。在考虑各个机器负荷平衡,所有机器上的总负荷和最大完工时间等性能指标更加合理情况下,设计一种全局搜索、局部搜索和随机产生相结合的初始化方法,提高种群初始解的质量,加快遗传算法的收敛速度。结合问题特点设计合理的染色体编码方式、交叉算子和变异算子,防止遗传操作过程中非法解的产生,避免染色体的修复,提高求解效率。使用文献中相同的实例测试利用初始化方法的改进遗传算法,并将计算结果与文献中其他遗传算法的测试结果进行比较,验证所提出的初始化方法的可行性和有效性。     

用GAAA优化多阶段装配过程中的夹具布局

改进了遗传算法与蚁群算法的融合（GAAA）算法,利用它来解决多阶段装配过程中二维刚性零件的夹具布局优化问题,合理选择定位销的位置使得灵敏度指标最小化。通过改变遗传算法的变异算子,变异长度以及交叉、变异在蚁群算法中发生的位置,提高了GAAA的稳定性和收敛性。以汽车侧边装配为例验证了改进算法的有效性,结果表明改进后的GAAA比基本的GAAA和蚁群算法求得的结果要好,且收敛速度更快,稳定性更好。     

An effective hybrid graph and genetic algorithm approach to process planning optimization for prismatic parts

Computer-aided process planning is an important interface between computer-aided design and computer-aided manufacturing in computer-integrated manufacturing environments. In this paper, the complicated process planning is modeled as a combinatorial optimization problem with constraints, and a hybrid graph and genetic algorithm (GA) approach has been developed. The approach deals with process planning problems in a concurrent manner by simultaneously considering activities such as sequencing operations, selecting manufacturing resources, and determining setup plans to achieve the global optimal objective. Graph theory accompanied with matrix theory, as the basic mathematical tool for operation sequencing, is embedded into the main frame of GA. The precedence constraints between operations are formulated in an operation precedence graph (OPG). The initial population composed of all feasible solutions is generated by an elaborately designed topologic sort algorithm to the OPG. A modified crossover operator guaranteeing only feasible offspring generated is used, two types of mutation strategies are adopted, and a heuristic algorithm is applied to adjust the infeasible plan generated by the mutation operator to the feasible domain. A case study has been carried out to demonstrate the feasibility and efficiency of the proposed approach.     

一种求解多目标柔性Job Shop调度的改进遗传算法

针对多目标柔性作业车间调度问题，提出一种改进遗传算法。该算法为了克服传统遗传算法的局限性，提高全局搜索能力和收敛性，采用一种新的GOR编码、新的分类选择算子和改进的优先操作交叉算子集成设计方法，定义编码的种群平均个体差，其交叉率和变异率受种群的多样性控制。通过典型算例的实验及与国内外最新的研究成果比较，证明了算法的优良性能。