基于SLP和粒子群算法的车间布局优化研究

当前社会经济下行风险增加,企业面临提升核心竞争力的压力与挑战,合理的车间布局,能减少企业在制品库存,提高空间利用率,降低生产成本。在传统SLP方法的基础上,对车间物流相互关系和非物流相互关系进行系统分析,并构建了物料搬运成本最小和非物流关系密切程度最大的多目标规划模型,结合粒子群算法,得出优化布局方案。通过实际应用案例,验证了优化方案的有效性。结果表明通过SLP和粒子群算法结合能有效解决车间布局优化问题,为企业解决布局问题提供参考。     

基于粒子群优化算法的车间布局设计

为降低车间内设备间的物料搬运成本,将粒子群优化算法与经典的系统化布置设计法相结合,以设备间的搬运成本为目标,求解面向车间布局的连续空间优化问题。在问题建模时采用二维向量表述设备的连续空间位置;引入系统化布置设计法对初始粒子群进行优化,在保证初始粒子群有效性的基础上提高了算法的寻优速度和精度;通过对加速系数和惯性系数的设定,提高了粒子群优化算法的寻优质量。通过实例验证了所提方法可以有效提高粒子群算法在连续空间布局问题上的优化性能。     

基于DMPSO算法的大型船舶动力部件生产车间布局优化

大型船舶动力部件必须具有良好的内部组织和极高的尺寸精度要求,合理的车间布局能有效改善工艺,降低设备间的物料搬运成本。以降低车间物料搬运成本为目标,采用二维向量表征设备的空间位置,建立相应的布局数学模型,并用一种新模式粒子群优化算法对模型进行求解。该算法根据粒子的分布情况和算法所处的迭代阶段来动态改变惯性因子大小,并对每个粒子的飞行情况进行调整,从而提高了粒子搜索到全局最优解的可能性。通过对比三组加速因子方案选取最优结果来提高算法的寻优质量。最后给出了船用曲轴车间布局算例,结合车间实际情况得到了优化后的布局,并对优化后的车间布局进行三维可视化建模。结果表明,该算法有较强的寻优能力,能有效减少物料搬运费用,在实际车间布局中切实可行。     

车间多排设备布局问题的优化研究

在车间多排设备布局问题上往往存在限制条件多、设计方案不合理的情况。针对车间多排设备布局问题的特性,提出一种车间布局优化模型,并且利用遗传算法变异策略优势改进粒子群算法,使得设计方案更加合理。首先,将车间设备进行坐标化,建立了基于总物流成本最小的目标函数。经过综合分析,量化了各工序之间的物流关系。然后根据消防通道、设备占地与间距等非物流因素采用分级惩罚思想建立各种约束。此外,利用随机生存的初始种群,采用加入遗传算法的自适应变异策略的粒子群算法搜索最优车间布局。最后,通过一个案例研究了该模型的工作原理。与系统布置设计(Systematic Layout Planning, SLP)方法和遗传算法(Genetic Algorithm, GA)相比,该方法在解决多排设备布局问题效果更好。     

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。     

基于粒子群算法的车间布局优化应用研究

研究了某机加车间零件生产工艺路线,以典型加工工艺为主要参考,构建车间设备最优布局数学模型。应用基于分工合作的粒子群优化算法,在粒子群搜索的不同阶段给予粒子不同的惯性权值,对模型进行计算求解,提高算法的搜索及收敛效率。通过车间典型加工工艺与设备实例模型,验证了基于粒子群优化算法对车间设备布局优化求解的可行性及有效性。     

基于生物遗传算法的车间布局优化算法

为了有效地减少产品在车间中的传输时间,根据车间中的生产工件的工艺流程对设备进行优化布局是十分必要的。本文应用遗传算法突出的寻优能力,根据中小批量生产方式的特点,提出了车间内设备布局的优化设计方法。     

基于粒子群算法的车间布局优化应用研究

研究了某机加车间零件生产工艺路线,以典型加工工艺为主要参考,构建车间设备最优布局数学模型。应用基于分工合作的粒子群优化算法,在粒子群搜索的不同阶段给予粒子不同的惯性权值,对模型进行计算求解,提高算法的搜索及收敛效率。通过车间典型加工工艺与设备实例模型,验证了基于粒子群优化算法对车间设备布局优化求解的可行性及有效性。     

基于生物遗传算法的车间布局优化算法

为了有效地减少产品在车间中的传输时间,根据车间中的生产工件的工艺流程对设备进行优化布局是十分必要的.本文应用遗传算法突出的寻优能力,根据中小批量生产方式的特点,提出了车间内设备布局的优化设计方法.     

多目标动态车间设施布局研究综述

车间设施布局问题是生产系统的重要问题。大规模定制生产模式对车间设施布局问题提出了动态性、多目标等方面的需求。在梳理相关文献的基础上,总结了多目标动态车间设施布局的特征,指出了图论、二次分配、混合整数三种基本数学模型在多目标动态车间设施布局方面的不足,分析了遗传算法、模拟退火算法、禁忌搜索算法和蚁群优化算法四种元启发式算法的适用性,最后指出了多目标动态车间设施布局的研究趋势。     

基于群智能算法的设备布局离散优化研究

针对单向环形设备布局设计问题,建立了新的数学模型.利用多维实数编码及映射方法,将连续粒子群优化算法应用于求解设备单向环形布局问题,提供了求解离散优化问题的新思路.利用遗传算法中的杂交策略扩展了粒子群优化算法,提高了粒子群优化算法性能.建立了问题的图结构描述,以引入蚁群系统算法搜索优化解.给出了两种方法的求解步骤.通过实例计算和结果比较,说明该算法能有效地解决此类离散优化问题,降低成本,提高效率,所得解质量较高,有很好的实用价值.     

基于小生境粒子群算法的公差多目标优化设计

为解决产品设计中的公差优化问题,提出一种基于小生境粒子群算法的公差多目标优化方法。以加工成本、质量损失成本和公差敏感性为优化目标,以装配功能要求和加工能力为约束条件,建立了公差多目标优化模型。对标准粒子群算法进行改进,根据小生境数和Pareto优劣性确定孤立粒子,并通过个体历史最优粒子与孤立粒子的变异、选择操作更新粒子的个体历史最优位置;利用Pareto支配数排序更新粒子群的全局最优位置。利用改进的粒子群算法对公差多目标优化模型进行求解,得到分布均匀的Pareto前沿。设计并开发了原型系统,通过实例验证了该方法的有效性。     

设备布局离散优化问题的粒子群算法研究

设备布局设计是制造系统设计的重要组成部分，设备布局是否合理对整个制造系统的总体功效起着非常重要的影响。粒子群优化算法（PSO）是一种新的群智能优化算法，常用于求解连续空间极值问题，近来正逐渐进入组合优化领域。利用多雏实数编码及映射方法将连续PSO算法应用于求解设备环形布局问题，为此类离散优化问题的求解提供了一种新的思路。利用GA中的杂交策略扩展PSO算法，提高了PSO算法性能。通过实例计算和结果比较，说明了该算法能有效地求得设备环形布局问题的优化解，是一种行之有效地算法，有很好的实用价值。     

柔性车间的多工艺路线与布局联合优化

为解决柔性车间布局过程中常忽略工艺与布局相互影响的问题,并提高柔性车间布局的鲁棒性,提出多工艺路线和车间布局联合优化模型。该模型以总体物流成本最低为优化目标,同时考虑车间布局与多工艺路线规划以提高整体的优化效果,其中根据产量决定各产品加工工序序列在总体规划中的影响程度,并将出入库物流与换模物流纳入总体物流成本中,以进一步提高优化结果的准确性。提出多决策变量优化算法对该模型进行优化求解。为保证算法的搜索效率和种群多样性,在提出种群分散度和种群休整策略的基础上,采用遗传算法和粒子群算法思维分别对路径规划与布局方案两个决策变量的解进行同时搜索,以确保总体优化效果最佳。通过实例将联合优化与工艺和布局分开优化的结果进行对比,验证了该联合优化方法的有效性。     

基于改进遗传算法的多目标车间布局优化问题研究

以作业单元间物料搬运费用最小和搬运时间最短为优化目标,建立车间布局多目标优化模型.采用改进遗传算法进行求解,在选择、交叉及变异操作之后引入进化逆转操作,以提高遗传算法的局部寻优能力,加快收敛速度.最后对实例求解,将优化后的布局与原布局进行对比,得出搬运费用和搬运时间均有明显降低,验证了所建模型和算法的有效性.     

基于车间动态布局的产品模糊聚类研究

结合原始设备制造(OEM)企业多产品生产的特点,提出了新的动态布局实现方法.主要是对车间的多产品进行聚类,以产品类为变量,随着产品类生产的不同进行布局切换.产品模糊聚类过程中,首先采用F-统计量方法确定产品最佳聚类数量;其次考虑到车间重布局对车间总成本的影响,以车间总成本最小化为优化目标构建产品最佳聚类数量数学模型;最后,以某车间为实例验证了布局方法的有效性.结果表明该方法不仅可以降低物流费用、缩短产品生产周期,而且丰富了动态布局理论,能给相关研究提供参考.     

基于协同粒子群算法的单元集成布局方法

为避免单元间布局和单元内设施布局分开孤立研究所导致的问题解空间损失,建立了多目标集成优化模型,对布局中涉及的单元间布局、单元内设施布置、设施摆放方向三个问题同时进行描述,扩大问题解的搜索空间。针对模型的复杂性和传统粒子群算法容易陷入局部最优的弱点,设计了基于结构化编码的多粒子群协同进化算法,在多个粒子群协同进化的同时,对各子群构建基因库,并对基因库粒子进行遗传操作,提高了算法的寻优能力。通过求解单元布局问题实例,验证了模型和算法的有效性。     

基于遗传算法的组合ERT图像重建算法研究

针对目前电阻层析成像图像重建算法存在成像精度较低的问题,以及为了满足应用于多相流领域的精度要求,提出一种基于遗传算法的组合算法,将线性反投影算法、修正的牛顿-拉夫逊类算法与区间剖分引入遗传算法种群初始化操作中,同时为了改善单纯遗传算法局部搜索能力差与未成熟收敛的问题,将粒子群算法引入遗传算法变异操作中。实验结果表明组合算法效果明显优于线性反投影算法,修正的牛顿-拉夫逊类算法,有效克服了遗传算法早熟收敛现象,提高了成像精度。