基于最早开工时间疫苗的免疫遗传算法求解JSP

车间调度通过在设备上合理安排工件的加工队列,提高产品加工的生产力及设备利用率。本文在免疫遗传算法中,设计了最早开工时间疫苗后对单件车间问题进行优化。疫苗提取时,将工件在机器上以最早开工原则直接安排其加工顺序,提取所有机器上的工件加工队列为疫苗;接种时,按照待接种个体的机器码将疫苗信息依次接种到对应的机器位置。最后采用标准案例测试,经结果分析可知所设计算法求解性能良好。     

针对作业调度问题的遗传选择算子性能分析

针对作业调度问题,通过变形遗传算法实验,对轮盘赌、随机联赛、随机遍历抽样和确定式采样等选择算子进行了比较分析.以FT06典型车间作业调度问题为实例,比较了这几种常用选择算子在解决车间作业调度问题时的性能优劣程度;从全局收敛性和收敛速度两个方面,分析总结了这些选择算子对算法的全局搜索能力的影响程度.实验结果表明随机遍历抽样算子的整体性能要优于其他几种选择算子.     

谈谈浮选机单机逐室检查试验的体会

浮选机单机逐室检查结果,在实际生产中十分重要且有多种用途.但其工作量较大,试验要求严格.往往一个环节没有注意而造成试验数据失真,乃至整个试验失败.     

信息扩散和径向基神经网络的注塑模型建立

在使用径向基神经网络建立注塑工艺模型时,虽然能够得到较好的模型,但是建模时训练样本数量将会对模型的质量产生较大的影响。本研究对建模所需的原始样本数据首先进行信息扩散处理,然后再使用径向基神经网络建立注塑工艺参数与塑件沉降斑指数之间的模型。从结果上看,在注塑训练样本数量相同的情况下,运用该方法均可以得到优于仅使用普通径向基网络构建的模型。     

信息扩散及神经网络在建立注塑预测模型中的应用

注塑工艺参数和塑料件质量之间的关联模型常采用神经网络建立,然而训练样本不足将直接影响模型的质量。为了在适量训练样本条件下得到较好的预测模型,对原始样本数据进行信息扩散处理,然后使用神经网络建模。笔者以汽车音响面板为例建立预测模型,确定了最佳工艺参数,证明了该方法的有效性。     

基于变形遗传算法的切削用量优化

针对切削用量优化问题，提出了一种基于变形遗传算法的寻优方法，即在基本遗传算法的基础上增加了精英选择策略、交叉变异概率的动态自适应。将该方法与基本遗传算法进行了比较，并列举了最高生产率、最低成本和最大利润率的计算事例。结果表明，该方法的有效性和良好性能。     

陶瓷产品烧结的数值模拟

应用多孔体可压缩型刚塑性有限元法建立了陶瓷烧结仿真的数学模型。在此模型中导入了收缩驱动力的概念,并自行开发编制了陶瓷产品烧结数值模拟程序。仿真结果与试验进行了比较,一致性较好。在应用实例中预测了形状复杂产品烧结后的外形和内部相对密度分布,分析了其变形原因。该项研究成果有助于陶瓷产品烧结体的质量控制、降低产品制造费用。     

基于双疫苗免疫遗传算法的混合FIow－shop问题优化

混合FIow－shop问题相较置换FIow－shop问题更复杂,在实际应用中更普遍。为提升免疫遗传算法求解该问题时的寻优质量,提出双疫苗技术。计算初期,首先利用NEH算法得到较优排序结果,并将其转化为复合编码形式作为前置疫苗,以改善进化初期最佳个体疫苗质量较差的缺陷,提高被接种个体的质量。随着进化,当种群中出现质量更佳的个体时,改由该个体作为疫苗进行接种。最后对算法进行了测试,结果表明具有双疫苗技术的算法寻优性能更佳,并能得到更好的作业调度方案。     

工序集中型设备的作业排序系统开发

通过对制造业作业分配问题的分析,设计了作业排序系统的信息框架,并确定了系统的总体方案和功能模块。继而进行了系统数据库和前台程序的设计与开发。在作业排序方面,采用了Johnson-Bellman算法,实现总加工流程时间最短。同时设计了工件能按先到先服务或按交货期自动确定合适加工时间段的程序。从系统运行的效果可知,所开发的系统性能良好。     

变形遗传算法在作业排序决策方面的应用

工件排序方案的合理性直接关系着企业的设备资源利用率,从而影响到企业的经济效益。针对作业排序决策方面的问题,在前期研究的基础上,进一步对遗传算法运行参数中的交叉概率和变异概率导入自适应策略。利用FT06典型Job shop问题实例,对变形处理后的遗传算法进行了测试。实验结果表明导入自适应概率策略的算法,整体寻优性能良好,能较快找到优解。