设备布局离散优化问题的粒子群算法研究

设备布局设计是制造系统设计的重要组成部分，设备布局是否合理对整个制造系统的总体功效起着非常重要的影响。粒子群优化算法（PSO）是一种新的群智能优化算法，常用于求解连续空间极值问题，近来正逐渐进入组合优化领域。利用多雏实数编码及映射方法将连续PSO算法应用于求解设备环形布局问题，为此类离散优化问题的求解提供了一种新的思路。利用GA中的杂交策略扩展PSO算法，提高了PSO算法性能。通过实例计算和结果比较，说明了该算法能有效地求得设备环形布局问题的优化解，是一种行之有效地算法，有很好的实用价值。     

基于粒子群算法的车间布局优化应用研究

研究了某机加车间零件生产工艺路线,以典型加工工艺为主要参考,构建车间设备最优布局数学模型。应用基于分工合作的粒子群优化算法,在粒子群搜索的不同阶段给予粒子不同的惯性权值,对模型进行计算求解,提高算法的搜索及收敛效率。通过车间典型加工工艺与设备实例模型,验证了基于粒子群优化算法对车间设备布局优化求解的可行性及有效性。     

基于粒子群算法的车间布局优化应用研究

研究了某机加车间零件生产工艺路线,以典型加工工艺为主要参考,构建车间设备最优布局数学模型。应用基于分工合作的粒子群优化算法,在粒子群搜索的不同阶段给予粒子不同的惯性权值,对模型进行计算求解,提高算法的搜索及收敛效率。通过车间典型加工工艺与设备实例模型,验证了基于粒子群优化算法对车间设备布局优化求解的可行性及有效性。     

解决无等待流水线调度问题的新算法

提出了解决无等待流水线调度问题的3种新算法,即离散粒子群优化算法、离散差异进化算法和阈值接收算法。离散粒子群优化算法和离散差异进化算法采用了基于工件序列的编码方式和新的个体生成方法,从而使具有连续性质的粒子群优化算法和差异进化算法能直接用于求解调度问题。仿真试验表明了上述算法的有效性。     

基于粒子群优化算法的车间布局设计

为降低车间内设备间的物料搬运成本,将粒子群优化算法与经典的系统化布置设计法相结合,以设备间的搬运成本为目标,求解面向车间布局的连续空间优化问题。在问题建模时采用二维向量表述设备的连续空间位置;引入系统化布置设计法对初始粒子群进行优化,在保证初始粒子群有效性的基础上提高了算法的寻优速度和精度;通过对加速系数和惯性系数的设定,提高了粒子群优化算法的寻优质量。通过实例验证了所提方法可以有效提高粒子群算法在连续空间布局问题上的优化性能。     

基于粒子群优化算法的深海运载器模块化设计

针对深海运载器载荷多、任务重及建造和维修复杂等问题,提出模块化布局的设计方法.对结构复杂、功能多样的不同任务载荷进行简化布局,以运载器转动惯量作为优化目标,建立优化数学模型,采用粒子群优化算法对其进行求解,得到最优的解集,实现不同载荷之间的布局优化方案.针对布局方案设计AUV模块的布局方案并建立模块内部布局图.     

基于离散粒子群算法的资源约束下多项目资源优化方法研究

面向制造企业多项目管理中的资源优化配置问题,以资源作为决策变量展开研究,以整体工期优化为目标建立了资源优化模型,设计了一种用于求解可更新资源约束的资源优化配置问题的离散粒子群算法.新算法重新定义了基本粒子群算法中的速度、位置公式,使其适宜求解资源优化调度类离散问题,加快收敛速度,获得整体最优配置方案.应用研究表明本算法...     

基于粒子群算法的大棚温度自适应离散模糊控制系统

针对大棚温度调控存在明显的非线性滞后问题,提出一种基于自适应量化因子的离散模糊控制策略,其中量化因子通过粒子群算法自适应优化.首先,依据实验大棚的温度变化规律,对温度进行离散模糊处理,并基于误差建立模糊规则库,应用加权平均法解模糊,构建一种离线计算、在线查表的大棚温度离散论域模糊控制系统.然后,采用粒子群算法自适应优化...     

车间多排设备布局问题的优化研究

在车间多排设备布局问题上往往存在限制条件多、设计方案不合理的情况。针对车间多排设备布局问题的特性,提出一种车间布局优化模型,并且利用遗传算法变异策略优势改进粒子群算法,使得设计方案更加合理。首先,将车间设备进行坐标化,建立了基于总物流成本最小的目标函数。经过综合分析,量化了各工序之间的物流关系。然后根据消防通道、设备占地与间距等非物流因素采用分级惩罚思想建立各种约束。此外,利用随机生存的初始种群,采用加入遗传算法的自适应变异策略的粒子群算法搜索最优车间布局。最后,通过一个案例研究了该模型的工作原理。与系统布置设计(Systematic Layout Planning, SLP)方法和遗传算法(Genetic Algorithm, GA)相比,该方法在解决多排设备布局问题效果更好。     

基于改进离散粒子群算法的炼钢连铸最优炉次计划

提出了炉次数未知的炼钢连铸一体化生产的组炉模型.对该模型直接求解存在大量不可行解的困难进行分析,提出将该模型转化为伪旅行商问题的方法,并提出采用离散粒子群优化算法求解该问题.针对离散粒子群优化收敛速度和精度低的缺点,提出了一种基于序列倒置的改进离散粒子群优化算法.引入学习选择概率来选择学习粒子,利用运行代数阈值常数确定当前粒子何时向全局最优粒子学习,并通过局部最优子粒子群比决定局部最优子群的规模.讨论了这些参数的选择原则,并给出了相应参考选择范围.实验研究表明,所提模型是合适的,所提改进算法是有效的.     

基于粒子群优化和模拟退火的混合调度算法

提出了一种离散粒子群调度算法，采用基于工序的编码方式及相应的位置和速度更新方法，使具有连续本质的粒子群算法直接适用于调度问题。针对粒子群算法容易陷入局部最优的缺陷，将其与模拟退火算法结合，得到了粒子群-模拟退火算法、改进的粒子群算法、粒子群-模拟退火交替算法以及粒子群-模拟退火协同算法等4种混合调度算法。仿真结果表明，混合算法均具有较高的求解质量。     

Intelligent Optimization Methods for the Design of an Overhead Travelling Crane

In design optimization of crane metal structures, present approaches are based on simple models and mixed variables, which are difficult to use in practice and usually lead to failure of optimized results for rounding variables. Crane metal structure optimal design(CMSOD) belongs to a constrained nonlinear optimization problem with discrete variables. A novel algorithm combining ant colony algorithm with a mutation-based local search(ACAM) is developed and used for a real CMSOD for the first time. In the algorithm model, the encoded mode of continuous array elements is introduced. This not only avoids the need to round optimization design variables during mixed variable optimization, but also facilitates the construction of heuristic information, and the storage and update of the ant colony pheromone. Together with the proposed ACAM, a genetic algorithm(GA) and particle swarm optimization(PSO) are used to optimize the metal structure of a crane. The optimization results show that the convergence speed of ACAM is approximately 20% of that of the GA and around 11% of that of the PSO. The objective function value given by ACAM is 22.23% less than the practical design value, a reduction of 16.42% over the GA and 3.27% over the PSO. The developed ACAM is an effective intelligent method for CMSOD and superior to other methods.     

基于改进粒子群算法的供应商参与可靠性设计优化

研究供应商参与下的汽车产品子系统可靠性设计的优化问题,考虑供应商参与产品设计的可信度因素,建立以最大化系统的可靠度和供应商的可信度为优化目标的多目标数学规划模型。通过加权的方法把多目标优化模型转化为单目标非线性整数规划模型。采用粒子群(Particle swarm optimization,PSO)算法进行求解,提出适用于“零部件—供应商”关系的离散粒子编码方法。设计带有自适应动态惩罚项的适应度函数,把优化问题转化为无约束优化问题,并将粒子的搜索范围扩展到近可行解空间,进而较好地改进了算法的搜索速度和收敛性能。以某中级轿车传动系统零部件可靠性设计的优化问题为实例,进行仿真研究,应用质量功能展开和模糊评判的方法生成了零部件的权重和供应商可信度初始数据值,仿真结果验证了所提出PSO算法的实用性和有效性。     

新的求解钻削路径优化问题算法研究

将粒子群优化算法应用到离散空间的群孔钻削路径优化之中。由于基本粒子群算法不能保证全局或局部收敛,在算法数学模型的基础上,引入重新生成停止进化微粒的方式对算法加以改进,使改进的算法具有全局收敛能力。通过建立序交换元和序交换集对算法的操作算子进行改进,满足钻削路径优化问题中整数编码的需要。实验表明,新的算法具有实现简单,收敛速度快,能够实现全局收敛的优点。     

Design of loop layout in flexible manufacturing system using non-traditional optimization technique

Layout arrangement is important to achieve high productivity in flexible manufacturing system (FMS). This paper discusses the design of loop layout in FMS. The objective of the loop layout problem is the determination of the ordering of machines around a loop, to minimize the total number of loop traversals for a family of parts. This paper details the design, development and testing of particle swarm optimization (PSO) technique to solve the loop layout problem. The proposed method is validated with bench mark problems. The clearance between the machines is also considered in the design of loop layout. This aspect aids in selecting the best layout.     

用户决策驱动的乘用车舱改进PSO布局优化模型

基于用户决策模型确定了车舱待布物的优化顺序,通过已优化待布物的定位确定尚未优化的待布物的定位,同时将PSO引入乘用车舱的三维布局分析。为避免陷入局部最优,采用自适应惯性权重系数对PSO进行了改进,提出了针对不同类型用户决策调整布局的优化新方法。利用JACK对不同优化方案和原方案进行了对比分析,验证了在用户决策驱动下,采用改进PSO进行布局优化的方式最符合人机工程学原理,可有效解决乘用车舱布局优化问题。     

Artificial immune system-based algorithm for the unidirectional loop layout problem in a flexible manufacturing system

Facility layout design is a significant aspect of designing any manufacturing setup and it has a huge impact on the performance of the manufacturing system. Reductions in operating expenses in a manufacturing system is greatly achieved by a good layout design. The problem of finding an optimal layout is hard and deterministic techniques are not suitable for large-sized problems. In this paper, a two-phase layout design is developed. As a first phase of layout design, an artificial immune system (AIS) algorithm is proposed for solving the unidirectional loop layout problem with the consideration of both min_sum and min_max objectives. The computational results showed that the AIS algorithm is efficient in solving layout problems and producing good-quality solutions. In the second phase, shortcuts are introduced in the flow path of the loop layout to enhance the performance of the system. The position of the shortcut in the loop which gives the minimum material handling cost is discovered.     

蚁群算法求解人机布局优化问题

针对目前人机布局优化问题人机约束多、无算法,提出了一种符合人机特性的蚁群算法。为了将人机约束考虑在布局优化设计中,本文以载人潜水器主控制台的布局优化为例,采用层次分析法对主控制台人机特性定量分析,在此基础上结合蚁群算法进行主控台布局优化设计,并使用JACK软件模拟比较。结果证明:文中提出的符合人机特性的蚁群算法能够将人机约束和算法结合,从而得出符合人机约束的布局设计,提高操作员的工作舒适度。这种算法也能够广泛地用于其它人机环境的布局优化设计中。     

供应商参与协同产品开发中的任务指派问题研究

通过粒子群最优化算法解决多供应商参与协同产品开发时的任务指派问题.以依赖结构矩阵为基础构建了协同产品开发总体时间模型,设计了任务优化分配的粒子群优化算法,并通过模拟分析验证r算法的实用性.通过算法设计,实现了开发子任务在各组织间的优化分配,从而保证制造商能够在预定时间内完成产品开发项目,以应对市场的快速变化.