生产周期——交货期双目标生产车间调度优化

目前生产车间调度问题研究主要集中在单目标调度问题上，离实际调度问题还有很大差距。文章结合实际，将遗传退火算法与双向调度策略相结合，研究了工艺路线可变的以生产周期和关键工件交货期为目标的生产车间调度问题。双向调度策略既满足了客户的要求，又考虑到了车间生产效率，具有很强的实际应用价值。遗传算法和模拟退火算法的结合，充分发挥了遗传算法良好的全局搜索能力以及模拟退火算法能有效避免陷入局部极小的特性，具有很好的收敛精度。最后给出的仿真结果证明该算法是可行的，并具有明显的优越性．     

基于智能优化算法的设备布局设计

制造系统的设备布局与生产率和生产成本密切相关,布局设计是制造系统设计者面临的关键问题之一.文章针对布局问题的平方分派模型,构建了一种布局设计的混合智能优化算法--遗传退火算法 ,并分析了算法实现的方法.实例表明遗传退火算法的高效性.     

基于混合遗传算法的设备布局设计

制造系统的设备布局影响到物流成本、生产时间和生产能力,进而影响到整个生产系统的生产力和生产效率。文章选用物流成本最小化为目标函数,将全局寻优性能优异的遗传算法的和局部搜索能力强的模拟退火相结合,构建了一种布局设计的混合智能优化算法——遗传退火算法,介绍了设备布置问题的基因编码方法和算法的交叉、变异等关键算子,用C#实现了该算法并分析了距离矩阵生成等应用技巧。以12台设备优化布置问题为计算实例,利用遗传退火算法进行求解,结果表明该方法计算不会陷入早熟且收敛快速,是一种求解设备布局最优化问题的有效方法。     

基于遗传模拟退火算法的可重构单元布局的研究

为了快速响应市场需求，对可重构单元进行优化布局是十分必要的。文章分析了可重构单元布局的形式，提出了有效的布局模型，对遗传退火算法进行了研究，并运用遗传退火算法求解布局模型，最后运用一个实例来说明。     

基于遗传算法的多目标车间调度

针对作业车间调度中应用遗传算法求解存在的早熟问题,对其搜索速度、收敛效果和最优解等方面进行分析研究,给出一种新的混合遗传算法。首先对初始种群进行实数编码,增加解空间中可行解的个数;接着根据距离排列,增加种群的多样性;然后采用拉普拉斯交叉算子和逆转变异,改进算法的搜索效率;最后结合模拟退火算法,并在每一代遗传进化中引入局部搜索,提高了算法的全局寻优能力。通过与其他算法的仿真比较,结果表明新的混合算法能提高多目标车间调度问题的求解速度和质量,并能够找到最佳的调度方案。     

基于混合遗传算法的多目标柔性作业车间调度问题研究

针对柔性作业车间调度问题,提出一种改进的遗传算法,该算法考虑车间生产实际,使交货期短、成本降低、生产效率提高、资源利用率提高等建立多目标优化模型。对传统遗传算法进行一系列改进,在遗传算法的基础上,改进编码方式和遗传算子,结合精英保留策略和小生境技术,使算法的收敛性和多样性进一步优化,采用权重系数变化法计算染色体的适应度。仿真分析表明,提出改进后的混合遗传算法能有效解决柔性作业车间多目标调度优化问题。     

基于熵增强混沌遗传算法的柔性作业车间调度

为使企业获得最优综合调度质量的车间调度方案,研究了多目标柔性作业车间调度数学模型及其求解算法,建立了基于最大完工时间、最大机器负荷差、机器总负荷和调度复杂度4个调度质量指标的多目标柔性作业车间调度问题模型(MFJSP),提出熵增强混沌遗传算法(ECGA)求解该模型,应用伯努利混沌映射公式改进算法选择操作,用高斯云模型改进变异算子和交叉算子,提高算法的全局寻优能力和搜索效率。根据计算的交叉概率和变异概率执行切牌式交叉操作和两基因片段式变异操作提高种群基因的多样性。以M8J12P3调度问题为例验证了MFJSP模型和ECGA算法的有效性。结果表明,与SGA、PSO和ABC相比,ECGA具有更快的收敛速度和更好的全局搜索能力,有助于企业提高生产效率和降低成本。     

一种基于混沌神经网络的作业车间调度算法

采用基于退火策略的混沌神经网络求解作业车间调度问题(JSP).通过在Hopfield神经网络(HNN)中引入混沌机制,并结合退火策略控制混沌动态,有效避免了传统HNN极易陷入局部极小的缺陷;同时改进了表示JSP的换位矩阵,给出了包含目标函数的能量函数,保证了网络的稳态输出为全局可行解.与基于模拟退火的HNN和暂态混沌神经网络算法比较表明,该算法在收敛速度和求解准确性上有了很大改进.     

基于混合遗传算法的车间动态调度研究

针对扰动事件影响下的车间调度问题,基于事件驱动策略和滚动窗口技术,综合考虑完工时间与交货期,建立了作业车间动态调度模型。为了求解该模型,设计出模拟退火遗传算法,对算法的编码解码、遗传算子等方面进行改造。通过仿真得到初始调度方案,然后在此基础上,采用动态调度策略对交货期提前、机器故障、部件残品扰动事件进行了研究。通过对某公司产品进行实例验证,结果表明上述研究能够得到满意的调度方案。此模型和算法是可行且有效的,可以较好地应用到企业实际生产中。     

改进蚁群算法的柔性作业车间调度问题研究北大核心

为提高传统蚁群算法求解柔性作业车间调度问题的效率,提出了一种改进蚁群算法。首先,均匀分布蚂蚁的初始位置;其次,多种方法结合进行机器选择,并按照改进的工序选择方式选择下一步即将遍历的工序;最后,采用带精英策略的蚁群算法结合最大最小蚂蚁系统的信息素更新方式,既赋予较优路径以额外的信息素,同时又对路径上的信息素进行限定、从而避免算法“早熟”,进而提高解的质量。通过三个柔性作业车间调度实例进行仿真分析和与其他算法的对比,结果表明改进蚁群算法在求解柔性作业车间调度问题具有较好的优化效果和求解效率。     

基于改进自适应遗传算法的机器人路径规划研究

传统遗传算法的交叉和变异操作为随机操作,虽然简单,但在路径规划中却会产生不可行路径,增加运算量,影响算法的收敛速度。针对这一问题,在传统遗传算法遗传操作的基础上进行了改进,利用先验知识保证遗传操作后的种群个体为可行路径,同时提出了新的遗传参数自适应调整方式与之配合,提高了算法的寻优效率。最后,由于遗传算法容易陷入局部最优,根据模拟退火算法的Metropolis准则对经过遗传操作产生的新个体进行接受判定。通过将改进后的遗传算法与其他文献中的改进遗传算法相比较,结果表明:文中的改进遗传算法在收敛速度、优化效果以及寻优能力上都取得了明显的效果。     

集成遗传算法下板料激光弯曲成形工艺优化

将模拟退火的思想引入遗传算法,控制遗传算法的时间,提高运行效率.同时利用混沌优化处理初值,实现全局优化.利用惩罚函数法对目标函数的约束条件进行处理,扩大遗传算法的应用范围.并结合薄板料激光弯曲的例子,与标准遗传算法和神经网络算法进行了详细的比较.结果证明:集成遗传算法得到的工艺参数数值更合理,组合更优化.     

基于模拟退火遗传算法的拉深模缺陷诊断研究

总结了拉深模的缺陷及原因,基于模拟退火遗传算法技术,将拉深模试冲时的缺陷分析问题表达为一类组合优化问题,并采用模拟退火的适应度拉深方法,探讨有效地提高拉深模试冲时的缺陷诊断准确率的优化方法,描述了基于模拟退火遗传算法的诊断过程。     

含局部流水的柔性作业车间调度研究

针对含有局部流水生产的柔性作业车间生产调度问题,首先在柔性作业车间调度问题的基础上建立调度模型,然后提出一种基于模拟退火法的调度算法,同时对加工路径和加工顺序进行优化,并实现最小化完工时间的调度目标。最后通过实例进行仿真,结果表明了算法的可行性和有效性。     

基于模拟退火遗传算法汽车覆盖件弹复量优化诊断研究

总结了覆盖件弹复量失控缺陷及原因,基于模拟退火遗传算法技术,将弹复量失控缺陷分析问题表达为一类组合优化问题,建立了弹复量失控诊断知识库,设定了弹复量失控缺陷诊断控制参数,并采用模拟退火的适应度拉伸方法,探讨了有效地提高弹复量失控缺陷诊断准确率的优化方法,并给出了试验最优解的讨论分析。     

基于联合仿真的液压伺服系统优化控制研究

利用AMESim和Matlab/Simulink的各自优势,建立了一个液压伺服系统的联合仿真模型,采用自适应混合遗传算法对PID控制器的参数进行优化,自适应混合遗传算法即克服了遗传算法经常出现"早熟"收敛的现象,又克服了模拟退火算法对参数的苛刻要求.仿真实验表明:自适应混合遗传算法能提高寻优速度及寻优精度,整定的PID参数一致性好,能提高液压伺服系统的控制精度和速度.     

基于混合遗传算法的数控铣削参数多目标优化

针对数控程序编写以及数控仿真时切削参数的优化问题,根据最优化思想,构建数控铣削加工的数学模型,应用遗传算法与模拟退火算法相结合的混合遗传算法及MATLAB工具对切削参数进行优化,并用实验验证其对提高数控机床加工效率和降低加工成本的可行性。     

Earliness-tardiness-lost sales dynamic job-shop scheduling

In the real world production environment, the decision about the acceptance or rejection of new orders is made by both the sale department and the production department, cooperatively. However, as far as we searched, no published paper has considered this fact so far. Job-shop scheduling is one of the most complex problems in scheduling. In job-shop environment, there are some production stations, and every job (order; In this paper job and order are used in the same meaning) has a specific production sequence which is not necessarily the same as the other jobs’ sequences. This paper studies the earliness-tardiness-lost sales dynamic job-shop scheduling problem. In this problem, whenever some new orders arrive, a decision is made about the acceptance or the rejection of each of these orders. In this way, all of the alternatives, including the acceptance or rejection of each new order, should be compared. If at least one new order is accepted, the new schedule which includes the accepted order(s) will be generated. By defining some variables, this comparison is done by the developed models. Because of NP-hardness of this problem, exact methods can not be used to solve it in large or medium scales. So, in this paper a hybrid metaheuristic algorithm is developed, which is composed of a genetic algorithm to determine the sequence of the operations and a simulated annealing algorithm to achieve a near-optimal schedule based on this sequence. Finally, the efficiency and effectiveness of the algorithm is evaluated using some numerical results.     

一种实用钣金CAD排样算法

将人工智能领域中的遗传算法和模拟退火算法相结合,成功地应用到LFB算法中,利用遗传模拟退火混合算法的全局优化搜索能力,得到了较LFB算法更优的排样结果。同时对混合算法中的几个影响参数进行了简单的讨论,为钣金件排样系统的开发提供一种实用的算法。