用Pareto遗传算法实现机械／结构系统的多目…

提出了一种用Ｐａｒｅｔｏ遗传算法（ＰＧＡ）来实施的带约束的多目标优化方法。ＰＧＡ可得到Ｐａｒｅｔｏ最优解集，从中可选出满足设计需要的解。本文提出的算法包括５个基本算子：选、变异、交叉、小生境技术、Ｐａｒｅｔｏ集合过滤器。本文设计了小生境技术和Ｐａｒｅｔｏ集合过滤器，并建立了用于目标优化的适应度函数，使用模糊罚函数法带约束的多目标优化问题转换为无约束优化问题，其于以上方法，文中也提出了一种通用的多目     

矩形件优化排样的自适应遗传模拟退火算法

针对理论上属于NP完全问题的矩形件优化排样问题,提出了一种基于小生境技术的自适应遗传模拟退火算法。研究了将矩形件在板材上的排列方式转换为特定编码的方法,利用遗传模拟退火算法进行全局优化概率搜索,考虑到算法中交叉概率和变异概率的选择影响到算法收敛性,提出了自适应的交叉概率和变异概率,并通过小生境技术对子辈个体是否替换父辈个体加以控制,最终得到矩形件排样的最优次序和排放方式,采用最低水平线策略的启发式排样算法实现自动排样。排样实例表明,该优化排样算法行之有效,具有广泛的适应性。     

锻造多属性有条件相容并行组批优化

针对锻造行业存在的多阶段、工件有条件相容、不确定加工时间、以最小化拖期和完工时间为目标优化的组批和排序问题,提出了基于工件模糊聚类的两种算法.算法1的工件优先级由工件熵值、工件松弛时间重要度、市场意志共同决定,批的优先级由批内最高优先级工件决定;算法2为随机密钥代表混合遗传算法,该算法用随机密钥进行编码和解码,采用基于规则编码的方法来优化基因序列和基于规则的交叉操作,采用小生境技术来调整个体适应度,采用精英保留策略产生下一代.数值实验结果表明,在多品种、高负荷下,混合遗传算法好于算法1,算法1好于其他启发式算法.     

一种基于小生境的混合遗传退火算法

分析遗传算法和模拟退火算法混合优化策略的构造出发点 ,融合小生境技术的思想 ,提出一种以遗传算法和模拟退火算法为子算法的基于小生境技术的混合遗传退火算法———NGSA算法 ,并对该算法的特点和优化性能作了定性分析。结合典型多峰值测试函数———Shubert函数的求解实验 ,说明NGSA算法具有较强的全局和局部搜索能力 ,能够高效地寻找到多个全局极值 ,且参数选择不必过分严格 ,是一种优化能力、效率和可靠性较高的多峰值优化方法。最后 ,讨论了该算法在机械学科的广泛应用背景。     

基于Pareto改进的混合算法求解多目标柔性车间调度问题

针对多目标柔性作业车间调度问题,该文建立优化目标为最大完工时间、机器平均相对空闲率以及机器总负荷最小化的数学模型,并设计一种基于Pareto改进的自适应混合算法(NGAPSO)。其算法采用分层结构相结合,底层采用基于隔离的小生境技术(Niche genetic algorithm,NGA),上层采用粒子群算法(Particle swarm optimization,PSO)。为提高算法的收敛效率和求解精度,提出了改进策略,采用适应度值分配策略作为种群选择的评价标准;设计动态的交叉变异概率,使算子在迭代过程自适应地对种群的寻优操作进行调整。最后,针对10个单目标基准案例与3个多目标典型案例进行仿真求解,通过与其他前沿算法进行对比验证NGA-PSO算法的优越性。     

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。     

混合流水车间多目标调度的小生境粒子群算法

混合流水车间多目标调度问题(HFMSP)是一种具有很强应用背景的生产调度问题,对它的研究具有理论意义和工程价值。针对该类调度问题结合生产实际应用调度和多目标优化理论建立基于时间和交货期最优条件下的多目标调度问题模型,提出一种小生境粒子群算法对模型进行优化求解。该算法采用NSGA-II的非支配排序策略和动态加权方法选择最优粒子,利用粒子聚集距离的变异操作保证解的收敛性和多样性。通过仿真实验,验证了模型的正确性和算法的有效性。     

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.     

产品协同设计系统中交互式双边协商问题研究

为了解决产品协同设计系统中的冲突消解问题，提出一种基于多目标遗传算法的交互式双边协商算法。该算法通过目标加权法将向量优化问题转化为标量优化问题，其中不同的权重向量可以提供不同的Pareto解。在该算法实现过程中，采用实数编码法进行编码，每个染色体代表一组描述协商方案的属性集。遗传操作包括选择、交叉和变异，其中方案的选择操作采用排序法，避免了在群体规模固定的情况下产生过量的后代。提出了一种最优保存策略，让方案群中适应度最大的方案不参与交叉和变异，而直接去替换适应度最小的方案，提高了算法的求解速度。最后，通过一个成本控制问题进行了检验，证明该算法不仅能得到协商结果，而且可以得到更多的Pareto解，为协同设计系统提供更多的选择方案和选择空间。     

基于DNA遗传算法求解机床加工调度问题

研究了机床加工的多目标调度问题,提出一种基于DNA计算的混合遗传算法,结合Pareto非支配排序法来求解。为保证最优解集的多样性,采用四进制编码方式,将DNA序列分成中性和有害两部分,交叉操作只在中性部分进行;由动态变化的变异概率决定是否执行变异操作,并比较设计的算法与常规遗传算法获得的结果。试验结果表明,可以有效地解决机床加工中的多目标调度问题。     

柔性作业车间多品种小批量调度算法研究

提出一种多目标混合遗传算法(MIGA),采用集成法同时解决柔性作业车间调度的两个子问题:机器分配问题和工序调度问题。MIGA在标准遗传算法的基础上采用随机权重法解决多目标问题,引入精英保留策略加速算法的收敛,集成小生境技术提高种群的多样性,基于扩展工序编码,按Makespan和安装准备成本最优对调度批分别解码。最后,用标准算例进行了算法验证,证明MIGA可以有效解决柔性作业车间多品种小批量调度问题。     

Scheduling flowshops with condition-based maintenance constraint to minimize expected makespan

Flexible job-shop scheduling problem (FJSP) is an extended traditional job-shop scheduling problem, which more approximates to practical scheduling problems. This paper presents a multi-objective genetic algorithm (MOGA) based on immune and entropy principle to solve the multi-objective FJSP. In this improved MOGA, the fitness scheme based on Pareto-optimality is applied, and the immune and entropy principle is used to keep the diversity of individuals and overcome the problem of premature convergence. Efficient crossover and mutation operators are proposed to adapt to the special chromosome structure. The proposed algorithm is evaluated on some representative instances, and the comparison with other approaches in the latest papers validates the effectiveness of the proposed algorithm.     

改进遗传算法求解柔性作业车间调度问题

分析柔性作业车间调度问题的特点,提出一种求解该问题的改进遗传算法。在考虑各个机器负荷平衡,所有机器上的总负荷和最大完工时间等性能指标更加合理情况下,设计一种全局搜索、局部搜索和随机产生相结合的初始化方法,提高种群初始解的质量,加快遗传算法的收敛速度。结合问题特点设计合理的染色体编码方式、交叉算子和变异算子,防止遗传操作过程中非法解的产生,避免染色体的修复,提高求解效率。使用文献中相同的实例测试利用初始化方法的改进遗传算法,并将计算结果与文献中其他遗传算法的测试结果进行比较,验证所提出的初始化方法的可行性和有效性。     

柔性作业车间调度问题的两级遗传算法

研究不同性能指标柔性作业车间调度问题的优化.针对柔性作业车间调度问题的特点,设计基于工序编码和基于机器分配编码的两种交叉和变异算子,并提出一种双层子代产生模式的改进遗传算法应用于该调度问题,以使子代更好地继承父代的优良特征.使用实例测试改进的遗传算法,并与其他遗传算法的测试结果进行比较,所提出算法的有效性得到证实.     

基于文化遗传算法求解柔性作业车间调度问题

在分析柔性作业车间调度问题特性的基础上,提出了一种采用主群体空间和信仰空间的双层进化结构的调度算法。该算法采用优良调度方案的知识信息构成信仰空间;提出一种二维矩阵的集成编码;基于工序顺序编码和基于机器分配编码的两种交叉和变异算子在主群体空间进行传统的遗传操作;通过具有自学习特点的相似性选择算子,使子代更好地继承父代的优良特征。通过典型算例的计算实验,表明算法在计算效率和求解质量上均具有较好的效果。     

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。

     

求解柔性作业车间调度的遗传算法综述

柔性作业车间调度(FJSP)是一类具有广泛应用背景的调度问题,作为求解FJSP最受欢迎的算法之一,遗传算法引起了广泛关注.针对求解FJ SP的遗传算法,特别是5类主要染色体编码方法以及相关的交叉和变异算子进行全面综述,并从编码可行性、编码空间与解空间的映射关系、染色体存储空间、解码复杂性、编码完备性、遗传操作复杂性和遗...     

多工艺路线多资源多目标的作业调度优化

针对多工艺路线多加工资源多目标的作业调度问题,提出了一种启发式活动调度算法,将该方法与多目标遗传算法及模糊优选技术相结合,得到了一种新调度算法.基于工序的染色体编码方法和基于活动启发式算法的交叉算子的运用,有效地缩小了遗传算法的搜索空间.将随机产生的权系数与模糊优选技术相结合,有助于遗传算法搜索到多个优良的调度方案,这为决策者得到最满意的调度方案提供了保证.仿真结果表明该算法是可行的,与国外学者的同类研究相比,具有一定的优越性.     

Improved genetic algorithm for the job-shop scheduling problem

In this paper, an improved genetic algorithm, called the hybrid Taguchi-genetic algorithm (HTGA), is proposed to solve the job-shop scheduling problem (JSP). The HTGA approach is a method of combining the traditional genetic algorithm (TGA), which has a powerful global exploration capability, with the Taguchi method, which can exploit the optimal offspring. The Taguchi method is inserted between crossover and mutation operations of a TGA. Then, the systematic reasoning ability of the Taguchi method is incorporated in the crossover operations to systematically select the better genes to achieve crossover, and consequently enhance the genetic algorithm. Therefore, the proposed HTGA approach possesses the merits of global exploration and robustness. The proposed HTGA approach is effectively applied to solve the famous Fisher-Thompson benchmarks of 10 jobs to 10 machines and 20 jobs to 5 machines for the JSP. In these studied problems, there are numerous local optima so that these studied problems are challenging enough for evaluating the performances of any proposed GA-based approaches. The computational experiments show that the proposed HTGA approach can obtain both better and more robust results than other GA-based methods reported recently.     

基于改进遗传算法的柔性作业车间调度方法研究

针对柔性作业车间调度问题,提出了一种自适应的遗传机制,构造出自适应的适值函数定义方法,设计了相应的自适应选择、交叉和变异3种算子。为了解决同一工序的不同机器的负荷平衡,提出了表征机器加工能力的能力系数。通过轮换方法实现了相同工序不同机器之间的调度。仿真实验结果表明,该调度算法具有可行性。