基于Petri网的柔性制造系统建模的调度算法

针对柔性制造系统(FMS)建模中存在的问题,通过分析FMS的组成和特点,提出了基于赋时对象Petri网的建模方法.该方法集中了Petri网和面向对象技术的优点,利用赋时对象Petri网,建立了FMS的资源对象模型和动态行为模型.同时分析了传统调度算法的优缺点,在传统调度算法的基础上提出了时间-A搜索算法,该算法能有效地解决了FMS仿真时的调度问题,使得加工路径代价较低,同时避免了A搜索算法搜索节点多、搜索效率低的弊端.     

火电厂厂级负荷优化分配算法的分析

机组负荷优化分配和机组优化组合是电力系统经济调度的重要环节,因此,负荷优化分配算法日益受到广大学者的关注。在经过了国内外长期的研究和广泛的应用,目前已出现了很多有价值的负荷优化分配方法。本文对国内外出现的负荷优化分配算法进行分析、比较和总结,阐述各种算法的基本原理,针对相关算法分析比较其优缺点。     

基于柔性制造系统(FMS)的刀具编码及刀具组装技术研究

在柔性制造系统(FMS)中,刀具编码技术和刀具组装是刀具管理的重要组成部分。该文研究了刀具的编码原理、基本构成和实现方法,在此基础上探讨了刀具在组装过程中遇到的一些问题,提出了相应解决办法,并应用SQL Server 2000数据库和Visual Basic 6.0进行了刀具管理信息系统的设计与开发。     

航空发动机零件柔性制造系统技术应用研究

为解决柔性制造系统（Flexible Manufacturing System,FMS）加工航空发动机零部件效率低、产品质量不稳定及机床设备利用率低等问题,以某系列航空发动机壳体零件柔性制造系统技术的应用为例,通过分析航空发动机某零件制造特点,阐述系统功能集成与开发、自动化工艺开发在柔性加工过程中的重要性,提出FMS在航空发动机制造领域应用过程中需立足于自动化加工工艺与系统集成的观点。     

基于混合遗传算法的柔性制造系统优化设计

针对基于闭排队网络模型的柔性制造系统优化设计问题，提出了一种混合遗传算法，利用该模型中生产量函数和成本函数的单调性，设计了最大产量－成本梯度算子，来引导新一代种群从不可行域进入可行域，既实现了利用遗传算法求解柔性制造系统约束优化问题，又增强了遗传算法的局部搜索能力。由于该算法利用渐近边界分析思想和编码技术减少了计算量，从而使混合遗传算法既保持了遗传算法的全局寻优特点，又提高了运行效率。算例证明，该算法的求解质量优于目前该领域常用的隐枚举算法。     

柔性制造系统机床选择建模研究

针对柔性制造系统(FlexlbleManufacturing System，FMS)机床选择模型构建及求解中存在的问题，以零件加工的时间目标作为模型的优化目标，以机床的购买成本作为约束，提出了FMS机床选择模型，结合遗传算法(GeneticAlgofitrm，GA)快速高效的搜索特性，对机床选择问题进行求解，并通过与现有的模型及其算法的求解结果进行比较分析，验证了本文提出的FMS机床选择模型及其遗传求解算法求解FMS机床选择问题的合理性和优越性。     

基于蚁群算法的热精轧过程负荷分配策略研究

本文以热精轧机理数学模型为基础,以提高板形板厚设定精度为目标,试用蚁群优化算法求解热精轧过程负荷分配策略优化问题。首先,通过对决策变量离散化处理和对目标函数加权聚合,将蚂蚁系统算法（AS）应用于热精轧负荷分配优化计算当中,提出了基于AS算法的热精轧负荷分配优化策略,并通过仿真实验证明了AS算法在求解热精轧负荷分配优化问题的有效性。     

基于粒子群算法的冷连轧机轧制负荷分配优化

利用粒子群算法设计了一种冷连轧轧制负荷分配的优化方法。根据某1450五机架冷连轧机生产工况,以压下量分配为自变量,以轧制力成比例分配为目标函数,将压下量分配的约束条件作为惩罚项,建立惩罚函数。通过粒子群多代运算,求出罚函数值最小点,得到压下负荷最佳分配点。实验证明,粒子群算法在轧制负荷分配计算中,具有算法实现简便、运算速度快、收敛性好等优点,可以作为一种冷连轧轧制负荷分配的新方法加以推广。     

基于混合遗传算法的经费分配多目标规划研究

为了探索新的经费分配方法和管理模式,建立了一种新的多目标非线性规划优化模型,提出了基于正交试验的新型混合遗传算法来求解该问题。对求解过程中的选择算子、交叉算子和变异算子等进行正交试验,具体是通过交叉、变异来产生后代,后代与父代组成一个扩大群体,然后对这个群体的个体单独进行正交试验,并以正交试验的结果代替试验前个体,再通过排序选出最好的群体组成下一次遗传的父代,得到的种群个体明显优于基本遗传算法的个体。仿真结果表明,该算法收敛寻优能力强,并能产生很多次优解,是一种高效稳定的方法。     

应用遗传算法研究FMS刀具需求模型

针对柔性制造系统刀具需求模型及求解中存在的问题,提出以零件加工时间最短为优化目标,以刀具购买资金为约束,基于遗传法求解的新型柔性制造系统(FMS)刀具需求规划模型。通过比较分析,验证了该FMS刀具需求规划模型及其遗传算法求解需求问题的合理性和优越性。     

案例初始化遗传算法在大学课程表问题上研究

本文对于大学课程表问题提出了一种具有一定创新性的算法.该算法结合了遗传算法和基于案例推理两种截然不同的技术,它尝试使用基于案例推理的技术来加强遗传算法,使其具有一定的学习先前经验的能力,从而使遗传算法可以更快的收敛,获得更好的性能.     

遗传算法在函数优化问题中的应用研究

系统地论述了遗传算法在函数优化问题中的应用，提出了基于遗传算法的函数优化问题的通用框架，通过实例的分析及计算，得出较为理想的结果。     

混合式遗传算法在机械优化设计中的应用

针对机械优化设计,提出了一种混合式遗传算法（HGA）。该算法和现有的几种MGAs相比,不仅保证了全局收敛,而且提高了算法收敛速度和稳定性。应用于某水下航行器优化设计的实例,显示了该算法的优越性能,也展现了遗传算法在机械化设计中的广阔应用前景。     

基于混合遗传算法的Job-Shop调度问题的研究

Job-Shop调度问题是最困难的组合优化问题之一,由于其固有的计算复杂性,一般无法利用经典解析算法求出最优解。结合实际生产情况,建立了Job-Shop调度问题的模型,并基于遗传算法与局部搜索启发式算法相结合的混合遗传算法的思想给出了求解此模型的算法过程。     

改进型遗传算法在机械优化设计中的应用研究

针对标准遗传算法局部搜索能力弱的特点,将其与随机方向法结合,提高其局部搜索能力。结合工程问题进行优化计算,结果表明,此算法优于标准遗传算法。     

基于遗传算法的混合蚁群算法及其在TSP中的应用研究

蚁群算法(ACA)与遗传算法(GA)都属于仿生型优化算法,是解决组合优化问题的强有力工具。将两种算法进行融合,给出了新的融合方式,在旅行商问题(TSP)中的仿真实验结果表明,改进后的混合算法在较少的进化代数下得到最短路径,提高了混合算法的快速全局搜索能力。     

基于遗传算法的切削用量优化研究与实现

切削用量的优选,对于保证加工质量、降低加工成本和提高劳动生产率来说,具有重要的意义.在机床、刀具和工件等条件一定的情况下,应充分发挥机床和刀具的功能和作用,以获得生产的最大效益.切削用量选择得当,就可最大限度地挖掘出生产潜力,这就是切削用量的最优化.论文研究的目的就在于探索将MATLAB的遗传算法应用于切削用量的优化,以获取最大生产率的理论和方法.     

Simultaneous scheduling of parts and automated guided vehicles in an FMS environment using adaptive genetic algorithm

Automated Guided Vehicles (AGVs) are among various advanced material handling techniques that are finding increasing applications today. They can be interfaced to various other production and storage equipment and controlled through an intelligent computer control system. Both the scheduling of operations on machine centers as well as the scheduling of AGVs are essential factors contributing to the efficiency of the overall flexible manufacturing system (FMS). An increase in the performance of the FMS under consideration would be expected as a result of making the scheduling of AGVs an integral part of the overall scheduling activity. In this paper, simultaneous scheduling of parts and AGVs is done for a particular type of FMS environment by using a non-traditional optimization technique called the adaptive genetic algorithm (AGA). The problem considered here is a large variety problem (16 machines and 43 parts) and combined objective function (minimizing penalty cost and minimizing machine idle time). If the parts and AGVs are properly scheduled, then the idle time of the machining center can be minimized; as such, their utilization can be maximized. Minimizing the penalty cost for not meeting the delivery date is also considered in this work. Two contradictory objectives are to be achieved simultaneously by scheduling parts and AGVs using the adaptive genetic algorithm. The results are compared to those obtained by conventional genetic algorithm.     

A mixed dispatching rule approach in FMS scheduling

Short-term scheduling in flexible manufacturing systems (FMSs) is a difficult problem because of the complexities and dynamic behavior of FMSs. To solve this problem, a dispatching rule approach is widely used. In this approach, however, a single dispatching rule is usually assigned for all machines in a system during a given scheduling interval. In this paper, a mixed dispatching rule which can assign a different dispatching rule for each machine is proposed. A search algorithm which selects an appropriate mixed dispatching rule using predictions based on discrete event simulation is developed for this approach. The search algorithm for the mixed dispatching rule is described in detail. The effectiveness (in meeting performance criteria) of the mixed dispatching rule and the efficiency of the search algorithm relative to exhaustive search (complete enumeration) is demonstrated on an FMS model. The mixed dispatching rule approach performs up to 15.9% better than the conventional approach, and is 4% better on average. The statistical significance of the results is dicussed.