基于遗传算法的行星传动多目标模糊优化

遗传算法是一种模拟生命进化机制的搜索和优化方法 ,其全局优化和隐含并行性使得遗传算法适合求解大规模的复杂优化问题 ,并在介绍遗传算法的基础上 ,提出了基于遗传算法的行星传动多目标模糊优化方法。算例计算表明 ,遗传算法在机械多目标优化方面具有较好的应用前景     

基于改进遗传算法的工艺路线优化

工艺路线优化是实现计算机辅助工艺设计的关键技术之一,遗传算法是一种能较好解决工艺路线优化的方法。介绍了遗传算法及其在工艺路线优化中的应用,分析了目前流行的遗传算法应用于工艺路线优化中存在的问题,提出了改进的遗传算法,并给出了相应实例予以证明,较好解决了工艺路线优化问题。     

遗传算法在求解函数优化问题中的应用研究

介绍了遗传算法是一种借鉴生物界自然选择和优化机制发展起来的高度并行、随机、自适应搜索算法,阐述了在遗传算法的诸多应用中,函数优化是最显而易见的应用,分析了遗传算法的运行机理,并在Matlab环境中实现了用遗传算法求解函数优化的问题.     

基于遗传算法的行星传动多目标模糊优化

遗传算法是一种模拟生命进化机制的搜索和优化方法,其全局优化和隐含并行性使得遗传算法适合求解大规模的复杂优化问题。并在介绍遗传算法的基础上,提出了基于遗传算法的行星传动多目标模糊优化方法。算例计算表明,遗传算法在机械多目标优化方面具有较好的应用前景。     

基于自适应遗传算法的循环工况整车参数优化

针对传统遗传算法空间搜索速度慢,交叉和变异率选定依赖经验且无法得到真实最优解的缺点,提出了一种改进的自适应遗传算法。以机械式传动系统为例,建立了循环工况的整车传动系统参数化优化模型,并把优化前传统遗传算法、自适应遗传算法和改进自适应遗传算法进行对比分析。结果表明,改进自适应遗传算法搜索速度最快,优化结果最理想;与自适应遗传算法对比,改进的自适应遗传算法中的六循环工况油耗降低了0.18%,最高车速提高了0.8%,连续换挡加速时间降低了5.02%。这些结果表明,改进的自适应遗传算法结果可靠且有效。     

采用遗传算法的新型节能电磁换向阀的优化设计

采用遗传算法对文献新型节能电磁换向阀进行了优化设计,给出了优化设计数学模型和优化结果,并对采用遗传算法和改进遗传算法进行优化设计获得的结果进行了比较,结果表明遗传算法更适合于求解新型节能电磁换向阀的优化问题。     

改进FGA算法及其在四杆机构优化设计中的应用

遗传算法可以有效地处理一些常规优化方法不能解决的复杂优化问题。然而,传统遗传算法存在容易陷入局部解、收敛速度慢和处理带约束优化问题效果不佳等缺点。提出了一种采用浮点数编码方法处理不等式约束优化问题的改进遗传算法(Float-encoding Genetic Algorithm,FGA),该算法具有收敛效率高、算法稳定性好和局部搜索能力强等优点。运用该算法对曲柄连杆机构进行优化设计,优化结果表明,改进后的遗传算法比传统遗传算法优化效果更好。     

遗传算法在行星齿轮多目标模糊优化设计中的应用

遗传算法是一种模拟生命进化机制的搜索和优化方法,其全局优化和隐含并行性使得遗传算法适合求解大规模的复杂优化问题,本文在介绍遗传算法的基础上,把遗传算法用于行星传动多目标模糊优化设计中.本文采用综合行星轮传动体积和最大承载能力的多目标优化模型,利用模糊理论建立综合评价函数,应用求解精度高的遗传算法求解.具体算例的优化结果显示,传动体积与承载能力都获得了改善.     

基于模拟退火遗传算法的PID控制器参数优化

针对遗传算法存在容易早熟的不足,将模拟退火算法融合到遗传算法中,建立了模拟退火遗传算法,并将其应用于PID控制器的参数优化.结果表明,将模拟退火算法融合到遗传算法中是有效的,基于模拟退火遗传算法的PID控制器参数优化是可行的.     

改进的小生境遗传算法在铁道车辆优化设计中的应用

选取合适的优化方法对铁道车辆转向架悬挂参数进行优化,能有效提高车辆的动力学性能。遗传算法是一种多参数多目标优化方法,提出了采用改进的小生境遗传算法,以某铁道车辆转向架悬挂参数为设计变量,针对车辆的稳定性进行了优化设计。结果显示,通过改进的遗传算法优化出的悬挂参数能有效提高车辆的稳定性,优化后车辆的临界速度到达了600 km/h,而通过基本遗传算法和单目标优化方法得到的临界速度分别仅为500 km/h和520 km/h。研究表明,改进的小生境遗传算法能很好的实现悬挂参数间的合理匹配,优化出良好的动力学性能。     

Sequencing Mixed-model Production Systems by Modified Multi-objective Genetic Algorithms

As two independent problems,scheduling for parts fabrication line and sequencing for mixed-model assembly line have been addressed respectively by many researchers.However,these two problems should be considered simultaneously to improve the efficiency of the whole fabrication/assembly systems.By far,little research effort is devoted to sequencing problems for mixed-model fabrication/assembly systems.This paper is concerned about the sequencing problems in pull production systems which are composed of one mixed-model assembly line with limited intermediate buffers and two flexible parts fabrication flow lines with identical parallel machines and limited intermediate buffers.Two objectives are considered simultaneously:minimizing the total variation in parts consumption in the assembly line and minimizing the total makespan cost in the fabrication/assembly system.The integrated optimization framework,mathematical models and the method to construct the complete schedules for the fabrication lines according to the production sequences for the first stage in fabrication lines are presented.Since the above problems are non-deterministic polynomial-hard(NP-hard),a modified multi-objective genetic algorithm is proposed for solving the models,in which a method to generate the production sequences for the fabrication lines from the production sequences for the assembly line and a method to generate the initial population are put forward,new selection,crossover and mutation operators are designed,and Pareto ranking method and sharing function method are employed to evaluate the individuals' fitness.The feasibility and efficiency of the multi-objective genetic algorithm is shown by computational comparison with a multi-objective simulated annealing algorithm.The sequencing problems for mixed-model production systems can be solved effectively by the proposed modified multi-objective genetic algorithm.     

基于遗传算法的工步优化排序方法

针对数控加工中心上零件加工工步的排序问题,以辅助加工时间最短为优化目标,使用遗传算法对零件在一次装夹情况下的加工工步进行优化排序。提出了使用特征关系图和特征高度描述待加工特征之间加工的优先顺序、采用工步优先关系矩阵校验工步序列合理性的方法。论述了初始群体的生成、遗传算子以及工步优化排序的过程和算法。实际应用表明,该方法可有效提高工艺规划系统中工步的优化排序能力。     

基于遗传算法的多资源平衡工序排序优化决策

工序排序是生产管理中经常遇到的问题,多资源平衡工序优化是提高生产效率、降低生产成本的重要手段,至今尚未见十分有效的解法。本文建立了典型的网络计划多资源平衡工序优化的数学模型,以每道工序开工时间作为设计变量,极小化某种关键性资源需求的最大量或波动的幅度,并运用所设计的改进遗传算法对该模型进行了求解,获得了多组最优工序计划。这就使得生产调度安排灵活机动,便于智能调度。     

基于遗传算法的飞机结构件加工特征排序

针对结构件结构复杂、壁薄易变形、加工精度要求高、特征类型和数量多等特点引起的加工特征排序困难,笔者提出了一种基于遗传算法的飞机结构件加工特征排序方法.首先,该方法通过扩展加工元构建优先权系数矩阵,然后建立符合系数矩阵的初始种群,以机床变换、装夹变换和刀具变换最少为优化目标,最后通过选择、交叉、变异等遗传操作完成加工序列...     

基于改进遗传算法的某发动机厂装配线平衡研究

以一条发动机装配线为研究对象,对工序作业元素进行重新划分,建立作业元素优先关系。以装配线的生产均衡指数为目标函数,通过改进遗传算法实现对研究对象的优化方案设计。运用Matlab实现算法获得了最优装配顺序及各工位作业分配结果,使生产线获得更好的平衡状态,从而提高生产效率。     

基于蚁群算法的选择装配

选择装配是一种由低加工精度零件获得高精度装配件的方法,可归纳为一个组合优化问题,蚁群算法是解决这类问题的有效方法.综合考虑选择装配中的匹配率和匹配精度,提出以综合装配质量指标为选择装配的目标函数.为了求解选择装配的组合优化问题,在蚁群算法的框架内提出一个考虑信息素分布为节点模式的蚁群算法解构造图模型,并详细讨论蚁群算法的实现过程.通过对实例的仿真计算,考证该方法的实效性.     

基于多色集合理论和遗传算法的加工中心工步排序研究

针对加工中心上一次装夹下复杂的工步排序问题,通过实例介绍一种基于多色集合理论和遗传算法的工步排序优化算法。首先,在分析工步排序原则和典型工艺路线的基础上,根据多色集合理论建立加工中心上工步排序问题的约束模型。然后,以辅助时间最短为优化目标,建立其数学优化模型。最后,将遗传算法应用到工步排序中从而得出最优解。实例证明,在多色集合约束模型约束下的遗传算法能够很好地求解加工中心上的工步排序问题,排序结果接近最优且可以大幅提高加工中心的效率。     

面向柔性定制的并行不等效客车混装线生产计划主从联合优化

针对客车制造过程中多条异构混装线之间加工能力、作业时间不等效的特征，提出面向柔性定制的并行不等效客车混装线生产计划模型。分析订单分解和投产排序的耦合关联机理；以产品紧急度、匹配度以及产线负荷为目标，建立以订单分解为主、投产排序为从的主从联合优化模型。针对模型特征提出一种结合Pareto前沿解的双层交互式遗传算法。为了提高遗传算法的性能，引入自适应调整方法对交叉概率和变异概率进行改进，并采用小生境技术保证种群多样性。利用客车混装线中的案例对提出的模型进行了验证，并与多阶段遗传算法以及企业的实际方案进行了比较。所提出的使用双层交互式遗传算法的模型可以真实地代表企业的实际情况，并最大限度地提高混装线的效率。     

基于遗传算法的加工工艺决策与排序优化

针对箱体类零件的工艺路线排序问题,以总生产时间最短为优化目标,建立了加工中心零件的工步排序数学模型。考虑加工中心多次装夹下零件特征有多种加工方案的情形,通过引入特征约束矩阵和加工优先级系数,保证了工艺规划中约束的合理性。设计了相应的初始种群生成、染色体的选择、交叉和变异策略,利用遗传算法对加工方案进行选择与排序。最后通过多个实例分析验证了该方法可以有效提高工艺规划中加工工艺的排序优化能力。     

洗衣机装配序列遗传优化建模及算法研究

为了研究装配序列遗传优化问题，以某洗衣机装配序列规划为例，讨论了面向装配序列遗传优化的建模方法。结合装配生产线布局、工位装配能力和工件连接关系的实际，给出了可装配性性能指标相关权重的一般性确定原则，建立了面向遗传优化的装配模型，并设计了遗传优化的编码方式和进化算子。为保证个体的有效性，提出了工位约束检验和以连接关系为依据的工件约束检验；为保持种群多样性、避免遗传算法早熟，提出了采用局部搜索策略进行扩展操作的方法。对洗衣机装配序列优化的结果验证了所建模型及所提算法的有效性。