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.     

基于多目标猫群算法的混流装配线排序问题

针对现实混流装配线上各工作站内设备闲置/超载的成本不同的问题,在传统的最小化闲置/辅助工作总成本目标的基础上,考虑不同工作站内设备闲置/超载成本的差异,建立了以改进的最小化工作站闲置/超载总成本、产品变化率和产品切换总时间为目标的多目标优化模型,并设计一种改进多目标猫群优化算法进行求解。提出一种基于线性混合比率的猫行为模式选择方法,以提高算法前期的全局搜索能力和后期的局部寻优能力;提出能生成分布广泛的候选个体、基于多样化搜寻算子的改进搜寻模式,拓展算法的搜索空间,提高算法的全局搜索能力。运用基准实例对所提算法与第二代非支配排序遗传算法、多目标粒子群算法、第二代强度Pareto进化算法进行比较,结果表明所提算法在解的收敛性、分布性和Pareto解的搜索能力上均具有优势。将该算法用于求解某实例企业的混流装配线排序问题,为车间调度人员的决策提供了多样化的选择,且优于车间已有方法的求解结果。     

发动机环形混流装配线多目标排序方法

为了获得托盘数量固定的发动机环形混流装配线产品投产排序方案,提出一种多目标优化算法和离散事件仿真相结合的多目标排序方法。在该方法中,以最小化零部件消耗速率波动和最大化生产率为优化目标,建立解析-仿真混合模型;设计了一种内嵌离散事件仿真的自适应多目标遗传算法求解问题;采用组件对象模型(COM)技术,将离散事件仿真求解的生产率传递给优化算法进行寻优;在变异环节,设计自适应变异策略来提高算法的寻优能力。最后将该方法应用到发动机环形混流装配线实例,获取满意的非支配解集,证明该方法的有效性。     

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。     

可重构装配线多目标优化调度研究

针对可重构装配线调度存在的问题,综合考虑影响可重构装配线调度的三个主要因素,即最小化空闲和未完工作业量、均衡零部件的使用速率、最小化装配线重构成本,建立了可重构装配线多目标优化调度的数学模型.提出了一种基于Pareto多目标遗传算法的可重构装配线优化调度方法,该算法综合运用了群体排序技术、小生境技术、Pareto解集过滤及精英保留策略,并采用了交叉概率和变异概率的自适应重构策略.实例仿真表明该算法具有比其他遗传算法更高的求解质量.     

采用遗传算法的混流装配线平衡多目标优化

针对混流装配线操作人数已知、生产节拍待定情况下的平衡问题,研究了混流装配线第二类平衡问题的优化方法,以均衡各工作站的加权平均负荷、最小化生产节拍为优化目标,建立了求解加权平均负荷与生产节拍加权和的数学模型,并运用遗传算法对其进行求解.各优化目标数量级的统一,简化了算法求解过程,在保证解的有效性的同时提高了算法求解效率.算例分析验证了算法的有效性.     

物料不齐套引起的混流装配线重排序问题

针对混流装配线由于物料不齐套导致将要执行的生产排序性能恶化或不可行的问题,为保证从初始排序过渡到重排序时生产准备过程的稳定性,提出基于最小化排序偏差指标的混流装配线重排序模型。采用非支配遗传算法进行求解,为避免当前周期的能力剩余和下一周期能力不足等问题,保证生产线的整体排序性能和充分利用当前周期的装配能力,采用两周期联合优化策略和基于装配能力的分解策略。针对某空调混流装配线实例,采用所提方法求解物料不齐套引起的重排序,得到性能良好的非支配Pareto解集,并与企业现有的启发式规则的重排序结果进行比较,表明所提方法能够有效解决物料不齐套对装配线排序性能的影响。     

多目标模拟退火算法求解混装线平衡与排序

针对混流装配线平衡排序优化问题,提出了一种多目标模拟退火算法。考虑到工位负载影响装配线的生产效率、工人越过工位边界干扰生产等问题,建立了以最小工位绝对负载偏差与最小工位越界距离的优化目标。所提出的模拟退火算法在初始化中将启发式任务分配规则融入平衡问题,根据产品投产需求随机生成产品序列;引入了基于帕累托阶层和拥挤距离作为多目标适应度评价指标;对帕累托前沿解集进行重启操作,避免算法陷入局部最优;采用一种新的接受策略,提高了算法寻优能力。通过测试标准问题实验,对所提出的算法进行参数校验。将所提出的算法与快速非支配遗传算法进行对比,采用收敛性和多样性两个评价指标,验证所提出算法的优越性。     

小生境遗传算法在混流装配线排序中的应用

在总结混流装配线排序问题的基础上,根据汽车制造业的实际情况建立一种新的汽车装配线排序模型.根据装配车型的关键件不同,引入车型相似度的概念,并将小生境遗传算法用于以最大化相似度总和为目标的混流装配线优化排序问题,同时将简单遗传算法和小生境遗传算法性能进行比较.最后通过在某汽车制造厂中的应用,验证小生境遗传算法在解决混流装配线生产排序问题中的有效性.