求解第Ⅰ类装配线平衡问题的离散粒子群优化算法

为求解具有NP难性质的第Ⅰ类装配线平衡问题,提出一类离散粒子群优化算法。该算法中所发展的排列数编码方法使得粒子解码后总满足装配作业间先后关系约束。针对排列数编码特点,提出一种基于位置交叉算子的粒子位置更新机制,确保了更新后粒子仍为排列数。为增强该算法的全局寻优能力,将简化变邻域搜索算法嵌入该算法中,对群体最佳粒子的邻域进行局部搜索,从而构建一种混合粒子群优化算法。通过将该算法和混合粒子群优化算法用于一系列测试算例并与遗传算法结果比较,验证了算法的有效性。计算结果对比表明,离散粒子群算法引入简化变邻域搜索可明显增强全局寻优能力,就综合解的质量和计算效率而言,混合粒子群优化算法优于现有遗传算法。     

基于混合粒子群算法解决多目标装配线平衡问题

针对第一类装配线平衡问题,提出一种混合的粒子群算法,该算法在标准粒子群算法的基础上对其进行离散化,并提出一种基于优先权重的编码方式,考虑到粒子群算法易陷入局部最优的特点,采用遗传算法的全局搜索能力加强粒子群的全局搜索,再利用变邻域搜索算法进行局部搜索,提高算法的搜索性能。另外,在目标函数方面,在最小化工位数的基础上增加平滑指数这一目标函数,使装配线的效率进一步提高。最后通过算例比较,表明混合粒子群算法能够有效地解决第一类装配线平衡问题。     

基于混合粒子群算法求解装配线第二类平衡问题

阐述了装配线平衡问题类型及其平衡求解的相关算法,给出了装配线第二类平衡问题的数学描述。在分析用标准粒子群优化算法求解装配线第二类平衡问题的缺陷基础上,利用粒子群优化算法所具有的全局搜索能力和高搜索效率以及模拟退火算法所具有的局部搜索能力,提出了采用粒子群和模拟退火的混合算法求解第二类平衡问题的方法,并给出了求解流程。应用实例证明,用混合粒子群优化算法比标准粒子群优化算法求解第二类平衡问题能获得更优的结果。     

基于禁忌粒子群算法的混流装配线排序研究

为了更好地解决开放式作业域的混流装配线排序问题,建立了以最小化超载时间与平顺化零部件消耗为优化目标的混流装配线排序问题数学模型,并提出了一种禁忌粒子群算法求解该排序问题。针对标准粒子群算法在算法后期搜索精度不足以及容易陷入局部最优不能跳出的缺陷,引入了禁忌搜索算法建立了对最优微粒的重搜索机制来提高算法跳出局部最优的能力,同时给出了禁忌算法中候选解、禁忌表长度、禁忌对象、藐视准则的设置方法,并采用了随机权重的惯性权重更新方式来平衡算法的全局和局部搜索能力,最后建立了禁忌粒子群的算法流程。通过比较禁忌粒子群算法与遗传算法的实例计算结果,验证了禁忌粒子群算法在求解开放式作业域的混流装配线排序问题中的有效性和优越性。     

求解多目标混流装配线平衡问题的VPS-PSO算法

为了更有效地减少工作站数目、提高装配线效率,提出了一种基于多目标混流装配线平衡问题的方法。针对混流装配线平衡问题,采用工作站损失指数、装配线损失效率和平滑指数的评价指标作为混流装配线平衡优化问题的适应度函数,在给定节拍和装配优先顺序的前提下建立多目标优化模型。提出一种基于变种群策略的改进粒子群(VPS-PSO)算法能有效地维持种群的多样性,提高粒子群算法的全局搜索寻优能力。案例表明,该算法相对于PSO算法具有更好的寻优能力和求解效率,可以更高效地得到合理的装配线平衡方案。     

第二类双边装配线平衡的混合粒子群算法

双边装配线广泛用于汽车、卡车等大型产品的装配过程中。为有效解决第二类双边装配线平衡问题(TALBP-II),提出了一种新的混合粒子群算法(HPSO)。该算法利用粒子群进行全局搜索,使用遗传算法中的交叉算子增强全局搜索,同时利用变邻域搜索进行局部搜索。结合TALBP-II的特点,提出一种解码方式,减少由于操作关系导致的空闲时间。提出工位时间判断策略,缩小搜索空间,提高局部搜索效率。实验结果表明所提出的混合粒子群算法能有效解决第二类双边装配线平衡问题。     

混流装配排序问题的改进人工蜂群优化

为解决离散的混流装配线作业排序问题,提出一种基于人工蜂群优化算法的改进算法。采用NEH启发式方法优化初始种群质量;在雇佣蜂算法中建立了变邻域区域搜索机制并嵌入模拟退火算法,提高了算法的搜索精度与广度;提出一种最优控制策略,通过限制最优解群体的成长速度,有效降低了种群相似度,提高了算法的全局搜索性能。实验方面,算法参数通过标准算例仿真对比设定,并采用Benchmark标准算例对所提算法与标准人工蜂群优化算法、遗传算法、混合遗传算法、改进粒子群优化等算法进行了对比。通过一个混流排序实例的仿真,对比证明了算法在求解混流装配线排序问题上的有效性。     

混沌压缩非线性粒子群算法求解车间调度问题

针对大规模车间调度问题,提出了一种混沌压缩非线性粒子群算法。首先运用多种群策略增加粒子多样性,结合混沌策略和非线性策略改进惯性权重,以平衡全局和局部搜索能力,加快算法后期收敛速度;再引入压缩因子改进算法速度更新公式,加大算法前期搜索范围,以防止算法陷入局部最优;最后用6种车间作业经典算例分别对粒子群算法、遗传算法、灰狼算法和混沌压缩非线性粒子群算法进行检验。实验结果表明,该方法可以显著提升粒子群算法的收敛精度和速度,对于实际大规模车间调度问题适应性较好,能有效提高车间的生产效率。     

求解第Ⅰ类装配线平衡问题的一种改进粒子群算法

针对第Ⅰ类装配线平衡问题,提出了一种改进粒子群算法.该算法构造了基于可选任务集合的位置向量定义,给出了与位置向量定义方式相适应的速度向量定义;同时构造新的位置、速度更新策略.采用位置权重法、最长加工时间优先法和随机生成任务序列等三种方法相结合的初始种群生成方法以改善初始粒子种群的质量.为提高算法脱离局部最优解的能力,采用了增加随机加速度的改进措施.最后,通过不同规模问题的测试,说明了算法的有效性.     

基于改进粒子群算法求解分布式多工厂生产调度问题

为解决分布式多工厂生产调度问题,将其转化为分布式柔性车间调度问题,设计了基于二阶振荡的随机权重混合粒子群算法,以最小化、最大完工时间为目标,将柔性作业车间调度问题嵌套于分布式调度方式中进行求解,利用随机权重来平衡全局和局部搜索能力,运用学习因子的二阶振荡提高全局搜索能力,并通过算例仿真验证了该算法的有效性和优越性.     

基于改进粒子群优化算法的混流装配线演进平衡

随着产品需求的多样化、装配工艺及技术进步、设备更新等动态变化,装配线平衡方案需不断调整,甚至重新规划与演进平衡。为了探究上述因素对混流装配线演进平衡的影响,提出了实现装配线演进平衡的方法,建立了以最小化装配线的生产节拍、站间平滑指数、演进平衡调整成本为优化目标的混流装配线演进平衡数学模型,并通过改进粒子群优化算法进行优化。在该算法中,为增加粒子的多样性和搜索能力,克服传统粒子群优化算法快速收敛等问题,以粒子进化的成功率来更新算法中的惯性因子,将群体中非最优粒子中的有利信息迁移到群体中的最优粒子上,从而加快算法的搜索速度。结合某企业的生产实例验证了该方法的有效性和可行性。     

基于混合粒子群算法求解多目标混流装配线排序

针对生产调度中的多目标混流装配线排序问题,建立以最小化超载时间、产品变化率与总切换时间为优化目标的数学模型,并提出一种改进的多目标粒子群算法求解。该算法采用基于工件的编码方式,并提出新的解码方法;应用Pareto排序和小生境数评价个体,在此基础上形成了一种新的适应度函数。在个体最优解的更新中,为避免最优解丢失,对非支配粒子与支配粒子采用差异化方法更新。此外,运用两种策略解决粒子群算法过早收敛的问题:在个体最优解的更新中引入模拟退火思想,并将全局最优解的选择扩大到整个种群。通过数值算例研究了算法的收敛性、分布性和执行效率,结果表明了所提算法的优越性。     

求解第Ⅱ类装配线平衡的改进粒子群算法

针对给定工作站数,求最小生产节拍的第Ⅱ类装配线平衡问题,建立了以最小化生产节拍、工作站负荷,最大化装配线平衡率为优化目标的装配线平衡模型,同时设计了一种免疫记忆粒子群算法对模型进行求解。在该算法中充分利用生物学免疫系统调节机制,为保持迭代过程中粒子(抗体)群体的差异性,将免疫记忆、接种、选择等思想引入该算法中,有效提高算法全局搜索能力,避免算法陷入局部最优;同时加入免疫记忆和免疫接种机制指导粒子的飞行方向,确保粒子种群向更优的方向搜索,提高算法的搜索速度。最后,通过具体装配实例证明了该方法具有更高优化效率,同时验证其有效性和可行性。     

基于混合粒子群算法的混流装配线投产顺序研究及仿真

针对混流装配线投产顺序的优化问题,提出两个目标函数.针于这种多目标优化问题,提出了一种混合粒子群算法.该算法结合最优解评估选取方法和遗传算法编码和交叉的思想,对粒子的全局极值和个体极值的选取做了改进.给出发动机混流装配线的一个实例,用该算法求投产顺序,按照求得的投产顺序在AutoMod仿真平台上建立仿真模型.通过仿真运行,证明了该算法求解混流装配线投产顺序的有效性以及AutoMod仿真混流装配线投产顺序的可行性.     

基于改进粒子群算法的跨组织资源链构建研究

基于时序约束任务链驱动的资源链构建视角研究了跨组织资源共享问题,提出了以时间、成本、服务能力综合最优来构建跨组织资源链无约束数学模型,并设计了求解该模型的改进二进制粒子群算法。该算法通过采用惩罚函数,并引入时变粒子位置编码、参数设置和位置更新,提高了算法的收敛速度和全局搜索能力。最后对一个跨组织资源链的构建算例进行了仿真,并利用改进的粒子群算法构建了基于时间、成本和服务能力综合最优的跨组织资源链,研究结果及分析对比结果表明,该方法是有效可行的。     

混合优化算法在氧化铝生产中物料平衡计算上的应用

通过分析传统的单一优化算法所存在的优点与不足,成功将粒子群算法、混沌优化以及单纯形法3种优化算法有机结合起来,提出一种基于混沌-单纯形法的混合粒子群协同优化算法,加强粒子群的局部寻优效率和全局寻优性能,以提高搜索速度和成功率.Benchmark 函数仿真以及氧化铝生产中拜耳法物料平衡计算的最终结果表明:新算法不仅在稳定性和收敛性上优于传统粒子群算法和相应的改进粒子群优化算法,且具有较高的收敛速度和全局收敛能力,同时也是进行物料平衡计算的一种有效的方法.     

基于改进粒子群算法的跨组织资源链构建研究

基于时序约束任务链驱动的资源链构建视角研究了跨组织资源共享问题,提出了以时间、成本、服务能力综合最优来构建跨组织资源链无约束数学模型,并设计了求解该模型的改进二进制粒子群算法。该算法通过采用惩罚函数,并引入时变粒子位置编码、参数设置和位置更新,提高了算法的收敛速度和全局搜索能力。最后对一个跨组织资源链的构建算例进行了仿真,并利用改进的粒子群算法构建了基于时间、成本和服务能力综合最优的跨组织资源链,研究结果及分析对比结果表明,该方法是有效可行的。     

随机混流装配线平衡问题的一种混合粒子群算法

随机混合装配线平衡问题较简单装配线平衡问题更符合生产实际,为有效求解随机混合装配线平衡问题,考虑各任务操作时间的随机性,建立了随机混合装配线平衡问题的数学模型。结合混合随机装配线的具体特点,提出了一种基于优先权的粒子群算法,并针对标准粒子群算法求解装配线平衡问题易陷入"早熟"现象等不足,利用模拟退火算法的概率突跳性,提出了一种基于模拟退火抽样机制的混合粒子群算法,通过改变预设超限概率,实现对目标问题的求解。最后经大量实例验证,说明了算法的有效性。     

基于激素调节机制IPSO算法的相同并行机混合流水车间调度问题

针对相同并行机混合流水车间调度问题,提出一种基于激素调节机制的改进粒子群算法.首先,以最小化最大完工时间为目标构建数学模型;其次,设计了基于排列的编码解码方式,并提出新的NEH启发式算法用于提升初始种群的质量;然后,基于激素调节机制和相关系数法改进了速度更新公式,引用了一种随机拓扑结构将种群最优位置换为可变的邻域最优位置,并随机采用两种交叉算子和3种变异算子用于增强算法的全局寻优能力;最后通过两个对比实验,证明了新的NEH启发式算法能够产生质量更好的初始种群,改进的速度更新公式能够有效提高算法的搜索质量,通过标准算例实验,验证了所提算法在解决混合流水车间调度问题上具有优越的性能.     

花粉授粉机制在改进粒子群算法研究

针对柔性作业中多目标优化问题,首先构建多目标任务满意度数学模型,该模型以最小加工时间、最低制造成本和最短运输时间为目标,去量纲操作后利用几何平均法求解综合满意度评价值。然后,提出一种改进的粒子群算法(LFPSO),该算法为平衡算法全局和局部搜索能力,惯性权重采用幂函数自适应调节,为改变粒子群前期的搜索性能,在惯性权重中加入了Logistic混沌映射丰富粒子多样性,为平衡全局搜索能力与局部搜索能力,引入花粉授粉机制作为全局搜索阈值。最后,将LFPSO算法与其他算法进行仿真对比,结果验证了LFPSO算法具有良好的性能及解决柔性作业多目标优化问题的有效性。