[生产计划]基于NSGA-Ⅱ的产品开发任务调度多目标优化

针对传统的加权系数法和约束法等不能很好解决产品开发任务调度多目标优化的问题,建立了以产品开发时间和成本为目标的多目标优化模型,采用改进的非支配排序遗传算法得出Pareto最优解集,并利用模糊优选法对该解集进行选优,确定了产品开发任务调度的最优执行方案。对两个经典多目标测试函数的求解及对比分析表明了该算法的优越性,结合实例说明了该方法的实施过程及有效性。     

基于NSGA-Ⅱ的产品开发任务调度多目标优化

针对传统的加权系数法和约束法等不能很好解决产品开发任务调度多目标优化的问题,建立了以产品开发时间和成本为目标的多目标优化模型,采用改进的非支配排序遗传算法得出Pareto最优解集,并利用模糊优选法对该解集进行选优,确定了产品开发任务调度的最优执行方案。对两个经典多目标测试函数的求解及对比分析表明了该算法的优越性,结合实例说明了该方法的实施过程及有效性。     

工期不确定下产品开发任务调度的多目标优化

针对产品开发中任务工期的不确定性,以产品开发时间最短和成本最低为目标,运用区间数方法描述任务工期的不确定性,建立了工期不确定条件下区间型多目标优化数学模型,并基于区间序关系将该模型转化为确定性的优化模型。采用改进的非支配排序遗传算法(NSGA-II)进行求解,得到了产品开发任务调度的Pareto最优解集。通过实例说明了该方法的实施过程,计算结果表明了该方法的有效性。     

复杂产品开发过程中资源优化使用技术研究

为实现复杂产品开发过程中制造资源的优化选择和使用,提出一种基于分层的多目标优化决策方法。面向过程的任务分层分解技术,将影响资源选择的约束因素和评价标准与特定的产品开发任务相结合,保证所选择资源的实用性。并行协同产品开发环境的建立以及基于Agent技术的资源调度过程实现,为制造资源共享和优化使用准备了条件。通过改进的多目标优化决策方法结合增益目标、损益目标准则下两个效用评价函数,详细地描述了服务响应时间、服务质量、成本、安全性等约束目标下资源优化选择的原理和过程,实现了资源调度的“排序选优”。结合工程实例,验证了该算法的可行性。     

考虑任务行程时间的多载量自动导引车系统防死锁任务调度

针对多载量自动导引车（AGV）系统的任务调度和缓冲区死锁问题,提出了考虑任务行程时间的防死锁任务调度方案。以最小化延迟率和交通负荷不均衡度为目标,建立了任务调度模型;分析了任务调度中的实际约束,并在任务行程时间约束下构建了预测模型;针对任务调度模型,提出了一种基于人工免疫-灰狼优化（AI-GWO）算法的多目标防死锁任务调度方法,利用死锁避免规则禁止即将引发工位缓冲区死锁的任务运行,并融合AI-GWO算法对任务执行顺序进行多目标优化;最后,根据AGV负载均衡度进行AGV任务分配。仿真结果表明,上述任务行程时间预测模型具有较高的准确率,任务调度模型及防死锁调度方法具有较好的优化性能和计算效率,从而显著提高了物流系统的任务准时率和路径网络的交通负荷均衡度。     

面向物流任务的跨组织边界物流资源优化配置

针对物流任务执行过程中物流资源配置效率低的问题,结合物流资源优化配置过程多目标、多约束、环境多变的特点,提出面向物流任务的跨组织边界物流资源优化配置策略。该策略设计了以物流资源信息共享平台为基础的跨组织边界物流资源优化配置流程,并重点针对配置流程中物流资源优化配置方案的确定,建立以时间、成本、质量和服务为目标的跨组织边界物流资源优化配置模型,并给出基于遗传算法的求解过程。以一个商品车配送任务的实例验证了该流程、优化配置模型及求解方法的有效性与实用性。     

自适应差分进化改进云资源调度

为了解决云制造资源调度与实际制造场景不符、易陷入局部最优和收敛速度过慢的问题,提出了一种基于自适应多目标差分进化的制造资源调度方法。该方法考虑了实际云制造平台资源调度特点,建立了一个具有时序约束及成本约束的多目标优化资源调度模型。针对云制造资源调度特点,对传统差分进化进行改进,提出自适应变异率和交叉率,实现了寻优过程中变异率与交叉率的动态调整,均衡了多目标差分进化全局搜索与局部搜索能力,提高了最优解搜索的精度与速度。实际算例证明了该方法的有效性和可行性。     

一种求解资源受限多项目调度问题的分解算法

针对资源受限多项目调度的多目标优化问题,采用约束逐层分解策略,提出了依次处理项目时序约束和资源约束的两阶段分解算法.第一阶段为时序约束优化阶段,采用蚁群算法进行任务列表的优化求解.通过改进信息素增量规则并采用并联进度生成机制,提高蚁群算法的求解效率和质量.其中,在构建任务合成链表的过程中遇到并联活动抢夺资源情形,采用基于熵权的逼近理想解排序法和基于有序加权平均算子的多属性决策方法来确定活动的综合权重,并依据权重对冲突活动进行排序,实现资源的冲突消解.第二阶段为资源约束优化阶段,以获得的优化任务合成链表为输入,逐项进行资源能力约束的核查与调整,最终生成项目调度的优化方案.通过多项目算例仿真结果验证了所提方法的有效性.     

一类多品种小批量混流制造系统作业组织模式与工件排序

为解决考虑搬运时间的混流制造系统的资源优化与调度问题,对作业组织模式与工件排序进行了深入研究。建立了以设备停机次数、工件搬运次数、搬运设备数量、搬运次数均衡程度作为第一、第二、第三和第四优化目标,以生产周期作为约束的多目标决策模型,利用该模型选择作业组织模式并确定最优排序方案。分别研究了用于求解该多目标决策模型的各分目标和约束:为不同类型批量工件建立加工时间模型;设计开始和结束搬运时间优化模型;给出平行移动模式的设备停机次数算法。开发了考虑搬运时间的混流制造系统软件程序,并设计了所需搬运设备情况的全局优化算法。通过分析和求解企业订单数据验证了所提方法的有效性。     

基于设计结构矩阵理论的产品开发过程建模及仿真优化

为更好地刻画产品开发过程和流程优化,提出了基于设计结构矩阵理论的产品开发仿真模型,并据此模型设计流程优化算法。模型采用蒙特卡罗仿真方法模拟产品开发过程,用以估算产品开发时间、费用,以及按要求完工的概率。该仿真模型考虑了任务执行时间的不确定性和任务之间的顺序约束关系,同时还考虑了项目执行过程中的返工迭代和学习效应。在考虑顺序约束关系的条件下,利用遗传算法优化任务执行顺序。算例分析表明,该优化算法可以使项目的成功率提高17％。     

基于动态机器故障率的并联加工系统资源多目标调度

针对并联加工系统,为处理生产过程中因机器故障导致的加工资源动态调度问题,考虑系统资源负荷和故障率存在的动态相互制约关系,依据子周期划分的不同策略,对调度后的加工总时间、预防维修时间和系统可靠度进行量化研究,构建多目标动态调度模型。采用基于Pareto熵的多目标粒子群算法对模型进行求解,通过改进个体最优解选择策略,提升最优解选取的多样性;通过差熵来估计种群所处进化状态,改进算法的搜索能力。以某企业的加工系统为实例,利用该模型进行加工资源调度方案设计,通过模糊决策得到的多目标权重,选取最优调度方案,并进行多个参数对比,验证在加工资源调度过程中,集成考虑动态机器故障率和基于机器最大役龄约束划分子周期的可行性,不仅可以完成订单准时交付,还可以使企业有更好的柔性去应对可能到来的紧急订单。     

基于改进遗传算法的蜗杆传动多目标优化设计

以蜗轮齿冠体积最小、传动效率最高和中心距最小为目标,在保证蜗轮和蜗杆满足承载、强度及其它要求的前提下建立蜗杆传动多目标优化设计的数学模型,并运用实数编码策略、联赛选择机制及通过动态调整交叉概率和变异概率,引入自适应算子对标准遗传算法进行改进,利用改进后的遗传算法对该问题进行了优化设计.整个求解过程和结果表明,该方法具有较好的实用价值,是一种值得推荐的设计方法.     

基于NSGAⅡ的齿轮减速器多目标优化研究

为了解决工程设计中有离散变量、多约束的多目标优化问题,对改进的非占优排序遗传算法(NSGAⅡ)进行了研究,通过基于拥挤距离的非占优排序,提出了离散变量和多约束的处理方法,利用Matlab软件编写了NSGAⅡ的多目标优化程序,并以二级减速器多目标优化设计为例,建立了多目标优化数学模型,运用NSGAⅡ算法求解得到了帕累托最优解集,根据模糊集合理论的有关方法选取了最优解,与传统方法得到的结果相比,体积、失效概率和传动误差都有不同程度的降低。研究结果表明,修改后的NSGAⅡ能用于有效地求解有离散变量、多约束的多目标优化设计问题。     

悬臂式掘进机断面成型轨迹多目标优化方法研究

断面成型是掘进过程的重要工序,传统的断面轨迹仅以轨迹最短为目标,且一旦确定不再改变,制约掘进机器人的发展。为此,本文针对常见及复杂构造断面,提出了悬臂式掘进机断面成型轨迹多目标优化方法。首先,以效能和安全为目标,建立了截割轨迹多目标优化模型,考虑实际截割工况,确定了模型中决策变量、目标函数以及约束条件;其次,为进一步提高优化解的收敛性及分布性,提出了基于知识库精简的多目标粒子群算法(FDMOPSO算法);最后,基于FDMOPSO算法对截割轨迹多目标优化模型进行求解。经仿真验证,算法的收敛性提高了约90%、分布性提高了约40%,且对于不同形状、大小的复杂构造巷道断面都可以规划得到截割轨迹解集,并以效率、安全和截割平滑性为依据,最终决策得出最优轨迹。优化之后的截割轨迹,既能提高截割效率,同时可以做到避免夹矸,增加了截割的安全性。     

基于动态分时电价的电动汽车有序充放电研究

大规模电动汽车随机无序充电将对电网安全运行带来巨大挑战,诸如增大负荷峰谷差、加大运营成本、增加谐波污染等。该文在考虑电动汽车充放电功率约束、电池容量约束的前提下,基于动态分时电价制度,建立电动汽车多目标优化调度模型,以降低电网负荷峰谷差率和用户充电成本,并采用改进学习因子与惯性权重的粒子群优化算法对模型进行求解。仿真结果表明,基于动态分时电价的调度策略比固定电价下优化效果更优,能够更好地减小系统负荷峰谷差率,提高负荷率,增加电力设备的利用率,降低电动汽车充电成本。     

基于MOPSO的航空发动机分支管路多目标布局优化

分支管路的布局优化属于NP难问题,其多目标优化情况则更加复杂。针对航空发动机分支管路多目标敷设问题,以分支管路长度最小化、分支点数量最小化以及管路平滑度最优为优化目标,建立了基于避障Steiner树的分支管路多目标布局模型。考虑到模型的复杂性,设计基于多目标粒子群优化（Multi-objective particle swarm optimization,MOPSO）的模型求解算法。其中,以分支点数量和坐标作为决策变量;针对分支管路拓扑结构特点,提出一种分支管路平滑度计算方法,结合非支配排序和网格密度计算完成个体多目标评价;通过可视图和测地线处理约束条件;通过多目标粒子群进化计算求得Pareto解集。所建立的分支管路多目标布局模型及求解算法考虑了多端点情况、多目标优化以及避障约束。最后通过管路敷设算例验证了可行性。     

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。

     

基于高维多目标候鸟优化算法的柔性作业车间调度

针对柔性作业车间调度问题,提出一种改进的多目标候鸟优化算法来求解考虑完工时间、总拖期、机器总负荷以及总能耗的高维多目标问题。多目标候鸟优化算法在候鸟优化算法的基础上引入基于Pareto支配和参考点的选择算子来给予鸟群选择压力,并用基于属性层次模型和灰色关联分析法的组合权重法从最优解集中选择一个最合适的方案。算例和实例验证了算法的有效性和实用性。