面向客户定制产品开发的多目标优化算法设计

对多目标优化进化算法进行研究,设计了基于客户需求信息的产品多目标优化算法。针对进化算法优化效率低的缺点,提出了目标侧重度概念,使进化算法有选择地收敛,提高了算法的优化效率;针对进化算法容易陷入局部最优和解分布不均匀的缺点,提出了目标间距概念,避免算法在收敛过程中早熟,保证了最优解的多样性,降低了客户的选择压力。在MATLAB 7.0平台上对改进算法进行仿真实验,并与NSGA-2和SPEA-2两种进化算法进行对比分析,验证了改进算法的可行性、可靠性与优越性。     

基于参数优化蚁群算法的机器人路径规划研究

采用蚁群算法(Ant Colony Optimization,ACO)求解棉花搬运机器人全局路径规划时,会出现规划效率低、蚁群算法参数的改变对规划效果影响大等问题。提出了一种粒子群参数优化的改进蚁群算法,该算法能够根据地图情况的不同智能地调节参数组合,从而在各种地图中能够发挥蚁群算法的最佳性能。通过实验数据分析蚁群算法重要参数对规划效率的影响,进行参数优化;针对改进后算法耗时大的问题,提出粒子群算法的动态惯性权重调整策略和改进的蚁群算法信息素更新策略,保证求解质量的同时,提高了优化效率,在障碍物分布不同的地图中进行仿真实验,通过与蚁群算法路径规划结果的对比,证明了粒子群参数优化的改进蚁群算法能够发挥蚁群算法最佳性能,可提高移动机器人到达目标点的速度并降低机器人运动过程中的损耗。     

基于改进RRT的轨迹规划算法研究

本文针对经典快速随机搜索树(RRT)算法存在搜索过于平均、效率低下、用时较长的缺陷,提出了基于偏向目标的改进RRT算法。该算法在生成随机点时以一定概率选择最终目标点作为局部目标点,使随机树趋向目标点生长,减少平均搜索的时间,提高了算法的实时性,同时优化了规划路径。最后采用MATLAB进行仿真实验,实验结果验证了改进算法在实时性和准确性方面的优越性。     

单模单冲数控冲床加工路径优化方法研究

金属板上各孔冲裁顺序直接影响数控冲床冲裁加工时的生产效率。针对目前传统数控冲床加工路径算法单一、加工时间长及路径长度偏大等问题,提出一种基于有选择的最近邻算法和改进蚁群算法的加工路径优化方法。该方法对常见的矩形高密度冲孔板采用最近邻算法,对非矩形阵列分布的孔形采用改进的蚁群算法。实验结果表明,优化后的加工路径在长度及计算时间上取得了较好的效果,提高了冲床加工的效率。     

基于低碳的虚拟企业合作伙伴选择研究

为解决虚拟企业绿色合作伙伴的选择问题,提出了一种基于低碳的伙伴选择方法,建立了以极小化成本为优化目标的虚拟企业制造伙伴和运输伙伴集成选择模型.该模型考虑了制造和运输过程中的碳排放、交货期以及任务的时序等因素.为解决基本蝙蝠算法容易陷入局部极值的问题,设计了一种加入变异操作的改进蝙蝠算法来求解上述的伙伴选择模型.仿真结果表明了该方法的有效性.     

大批量定制合作伙伴的小波网络综合评价方法

为客观地综合评价合作伙伴,建立了大批量定制环境下合作伙伴的评价指标体系.在此基础上提出了一种基于小波网络的合作伙伴多指标综合评价方法,并结合案例,对大批量定制企业合作伙伴的选择进行了较为客观的评价.最后,给出了该方法与层次分析法和前馈神经网络法的对比.仿真实验表明,该方法不仅能够模拟专家对合作伙伴进行综合评价,避免评价过程中的人为失误,还具有比前馈神经网络法更好的质量和更高的效率.     

基于混合二进制粒子群-遗传算法的测试优化选择研究

测试优化选择是一个组合优化问题.通过对测试选择的目标和约束条件进行深入分析, 建立了其数学模型, 并提出了一种混合粒子群-遗传算法用于求解满足测试性指标要求的最小完备测试集.该算法将遗传算法中的遗传算子引入到二进制粒子群算法中, 既避免陷入局部最优和早熟收敛现象, 又提高了搜索效率.大量实验证明, 对于测试优化选择问题, 混合粒子群-遗传算法能够快速有效的获得全局最优解.     

基于小生境改进粒子群算法的几何约束求解

几何约束问题可以等价为求解非线性方程组问题。几何约束问题先被转化为一个优化问题。采用基于小生境改进粒子群优化算法来求解该优化问题。由于经典粒子群优化算法容易陷入局部最优,出现早熟现象。为此,基于小生境原理,提出一种小生境改进粒子群优化算法(niche improved particle swarm optimization,NIPSO)。该算法在进行速度和位置更新后,根据小生境数确定个体历史最好位置中的孤立点。然后对所有个体历史最好值差于孤立点值的粒子使用交叉和选择算子进行更新。实验表明,该方法可以提高几何约束求解的效率和收敛性。     

面向工程的合作伙伴选择模型

以大型工程项目的合作实施为研究对象,描述面向工程的合作伙伴选择问题,建立伙伴选择的多目标优化模型,实现项目效益最大化和项目完成时间适时化,并基于分支/边界算法,提出了有效减小解空间及优化解的算法,仿真结果证明了算法的有效性及求解效率.     

基于改进殖民竞争算法的最小碰集求解

利用改进殖民竞争算法生成企业设备的最小候选集,其最小候选集就是企业设备的最小碰集。在对殖民竞争算法进行深入研究的基础上,引入自由国家的概念,同时对算法流程中帝国初始化阶段和帝国内同化及更新阶段进行改进,提高了算法效率。与DMDSE-Tree算法进行了对比,在计算90%的最小碰集时,改进殖民竞争算法具有良好的效率。最后,通过某企业实例对算法的有效性进行了验证。实验结果表明,该方法能有效应用于企业设备选择组合优化问题的求解。     

基于遗传算法的动态联盟性能标准优化方法

面向动态联盟的伙伴选择群体决策代表了一类最复杂组合问题的决策，该问题的决策效果直接关系到动态联盟建立的效率和参与企业操作的复杂度，是动态联盟建立过程的关键，本文提出了应用遗传算法优化这一群体决策过程的方法，并根据问题的特点设计了相应的编码方式，选择过程和遗传算子，最后给出了应用该算法处理群体决策问题的一个实例，以证明该片江的可行性与有效性。     

基亏蚁群算法的电子装配工艺优化研究

针对电子装配过程中效率低下的问题,提出了基于蚁群算法的电子装配过程中焊接工艺优化算法。该算法利用蚁群信息素反馈机制和概率选择机制,很好地解决了电子装配过程中不同特性元器件及其对应印制板焊盘操作顺序的优化问题,并应用C＋＋语言编制计算程序,实现对算法的快速求解,最后通过实例验证了该算法的可行性和有效性。通过蚁群算法在电子装配工艺优化中的合理应用,提高了电路板焊接速度与盾量,极大地提升了生产效率和高端电子产品装配的可靠性。     

基于遗传算法的激光打孔路径优化

针对目前激光打孔过程中存在的问题,采用遗传算法对激光打孔路径进行优化.建立了路径优化目标函数模型,对激光打孔路径优化总体设计,遗传算法的实现所需要的适应度函数、选择算子、交叉算子、变异算子等遗传操作进行了说明,并通过实例说明,采用遗传算法对激光打孔路径进行优化,可以显著地提高激光打孔加工效率.     

数据挖掘技术在质量功能配置建模中的应用与研究

为了有效地发现计算机辅助质量功能配置过程中的需求选型和工艺质量控制规律,引入数据挖掘技术和方法,提出了基于数据挖掘的计算机辅助质量功能配置模型。该模型由数据获取层、数据存储层和数据挖掘层组成。针对用户选型和如何发现质量控制规律,建立了模糊聚类和灰色理论算法的数据挖掘模型,其目标是在质量功能配置数据库中发现所有模糊权重系数大于预定阈值的分类规则及工艺质量,并用以控制未来趋势。用活塞发动机选型和发动机密封环工艺与质量控制归类规律的两个算例,验证了算法的合理性。     

A finishing cutter selection algorithm for additive/subtractive rapid pattern manufacturing

The additive/subtractive rapid pattern manufacturing (RPM) process sequentially deposits thick material slabs and then machines them into desired geometries in a layer-by-layer manner. Although most rapid manufacturing systems mainly intend to increase flexibility in manufacturing rather than to reduce processing speed, it is still practical to choose the optimized sets of cutters and machining parameters specifically for each layer to improve both the machining quality and efficiency. This paper presents an algorithm to automatically select finishing cutter geometry, diameter, and calculate machining parameters for the RPM process. Inputs to this algorithm are StereoLithography file from a computer-aided design model and a cutter library. Finishing cutter selection is based on geometry accessibility and machining process efficiency analysis. The algorithm has been implemented in RPM automatic process planning software and the experimental result on a sample part is presented to show the efficacy of this algorithm.     

薄板类零件加工精度可靠性分析及工艺参数优化

针对薄板类零件加工过程中加工变形导致加工精度低的问题,利用有限元法和高斯过程回归算法建立了加工变形预测模型,综合考虑机床运动误差与工件加工变形,对薄板件加工精度可靠性进行分析,建立了以加工效率和平均加工变形为目标、加工精度可靠度为约束的铣削加工工艺参数优化设计模型,并利用多目标优化算法进行求解,确定了协调加工效率和加工变形最优的工艺参数组合。案例研究结果表明,经优化设计后最低加工精度可靠度达到98.21%,平均加工变形减小21.14%,加工效率提高了4.18%,为薄板类零件铣削加工工艺参数选择提供了一种可行的方法。     

基于正交试验-遗传神经网络的陶瓷球面精密磨削参数优化

针对陶瓷等难加工材料的精密加工要求与特点以及球面磨削传统加工模式,分析了氮化硅陶瓷材料球面廓形工件砂轮法向跟踪精密磨削的方法。采用正交试验法设计试验,运用极差法和方差法综合分析相关磨削工艺参数对工件加工质量与效率的影响规律。考虑到当前磨削加工工艺方案选择与优选的难点,利用遗传神经网络算法建立了工件加工质量与效率和相关磨削工艺参数之间的非线性映射关系,并基于正交试验法的分析结果对遗传神经网络算法进行了改进,实现了相关磨削工艺参数的优化,缩短了氮化硅陶瓷材料球面廓形工件数控磨削工艺制定与操作的时间,提高了磨削加工质量和效率。     

基于模糊决策的CAWPP系统焊接方法选择与评价

针对罐式集装箱焊接工艺设计(CAWPP)系统中焊接方法难以选择的问题,提出了基于模糊决策算法的焊接方法选择评价方法。首先,利用模糊推理算法选择出可用的焊接方法,然后,以品质、成本、生产效率以及工人的劳动条件为准则进行熵权模糊综合评价,最终确定合适的焊接方法。系统实例表明,该方法不仅避免了焊接方法选择过程中的主观性和不确定性,也提高了整个焊接CAPP系统的柔性和灵活性。     

基于实数遗传算法的几何约束求解

提出一种用于几何约束求解改进的实数编码遗传算法 ,它在一般实数编码遗传算法基础上 ,增加基因初始种群的人工选择以及对交叉、变异算子的改进 ,并通过添加外循环的过程 ,大大提高遗传算法的求解能力 ,最后通过变量区间的二分和组合 ,求出约束方程组的全部解     

敏捷制造下合作伙伴选择的有效算法

为实现虚拟企业实践中有效的合作伙伴选择，根据制造成本和产品上市时间这两个重要因素建立了问题优化模型。基于此模型，给出了一个两阶段求解算法。该算法首先通过一个多项式的精确算法求得最早完成时间的解，保证了解的可行性。然后以最早完成时间作为可行初始解，利用一个启发式算法对解进行改进。该算法最终使得在完成时间的约束下制造成本最小。最后给出了一个应用案例说明了该算法的有效性。