结合性能评价的多目标经营过程资源配置优化

经营过程的质量,既取决于经营过程链的结构,又取决于资源和组织的配置。经营过程资源配置质量由基于相似度排序技术的平均的理想资源配置贴近度和基于信息熵的资源配置均衡性所组成。这种质量可理解成经营过程运作的事前预估质量。建立了时间、成本和质量的多目标经营过程资源配置优化模型,采用混合型非受支配排序遗传算法求解这类决策变量较多的多目标优化问题,大致给出了进化过程所产生的Pareto全集的聚类中心。以劳动力密集型的船舶并行建造为例,说明了经营资源配置质量的解析描述和混合型非受支配排序遗传算法,对于动态资源配置是有效的。     

集成供应商选择的产品族设计多目标方法

为避免将产品族设计和供应商选择过程分割而导致不可行或非最优的产品开发方案,以及从多角度对产品族优化设计方案进行评估和权衡,提出一个集成供应商选择的产品族设计多目标优化方法,并建立了一个以最大化产品族总利润和最小化产品族生产风险为多目标的优化模型。在该模型中考虑了产品情感属性对消费者选择行为的影响,以更准确地分析消费者的购买偏好、实现产品族的优化过程。针对优化问题,采用非支配排序遗传算法对模型进行求解。通过实际案例说明了所提优化方法和求解算法的可行性和合理性。     

基于多目标遗传优化的注射成型机性能设计

采用一种基于多目标第二代非支配排序遗传算法的大型注射成型机总体性能优化设计方法,以最大注射压力、最大注射速率和最小注射功率为优化目标,系统分析了两两组合优化和三目标并行优化时,注射油缸内径、螺杆直径、工作油压力和工作油流量等设计参数对注射机构性能的影响,以及螺杆最大塑化能力的变化趋势.对于多目标优化的Pareto集,使用基于模糊集合理论的方法在其中选择一个最优解,排除人为偏好的不确定因素.与强度Pareto进化算法相比,第二代非支配排序遗传算法能以较小的时空复杂性得到分布均匀且更加逼近最优解的Pareto前沿.最后,以HTF180X2N大型注射成型机为例,说明所得结果可为决策者在大型注射成型机方案设计阶段进行目标权衡处理提供有效的依据.     

基于改进的非支配排序遗传算法的模块化产品多目标配置优化研究

在产品族模块化设计的基础上,应用模糊数学评价理论与最小二乘法,构建了以产品性能、成本及出货期为目标函数的配置优化数学模型,并采用基于改进的非支配排序遗传算法对三者进行并行优化.由此获得一系列基于Pareto最优集的配置方案来满足不同客户对产品性能、成本及出货期的要求,解决了客户需求侧重点对产品设计结果的适应性处理.最后,结合项目实施,给出该方法在机床制造业中的典型应用实例,验证了文中提出方法的有效性和适应性.     

基于NSGA-Ⅱ的智能化电铲多目标最优挖掘轨迹规划

为实现智能化电铲实时节能的挖掘,提出了一种基于非支配排序遗传算法(Non-dominated Sorting Genetic Algorithm-II,NSGA-Ⅱ)的智能化电铲多目标最优挖掘轨迹规划方法。首先,通过拉格朗日方程建立智能化电铲工作装置动力学模型;然后,使用高次多项式对挖掘轨迹进行插值,将挖掘轨迹寻优问题转化为多项式系数寻优问题,最后,以挖掘时间最短及单位体积物料的挖掘能耗最小作为优化目标,以电机性能与挖掘过程中几何条件等作为约束,利用多目标优化平台PlatEMO,将NSGA-Ⅱ作为多目标优化算法,指定待优化问题的目标函数及约束函数,获取到多目标优化Pareto最优解集,基于决策偏好设置权重并根据TOPSIS法获取最优解,得到多目标最优挖掘轨迹规划结果。结果表明,优化后挖掘轨迹满足实时节能的挖掘要求。     

发动机异常检测多目标优化方法

针对柴油发动机异常检测中的特征选择和分类器参数与检测精度之间的耦合关系,提出了一种基于非支配排序粒子群优化的柴油发动机异常检测封装式多目标同步优化方法.利用双树复小波包的分解与重构,对发动机振动信号进行时域、频域和时频域多角度特征提取,构建了较完备的特征参数集,分析了故障诊断中特征选择与分类器参数优化对检测精度的影响,运用非支配排序粒子群优化算法对多个优化目标进行协调和折衷处理,同时追求特征参数子集维数最小化和分类正确率最大化.实验数据分析表明,该方法能够寻找出最优的特征子集和分类器参数,提高柴油发动机异常检测的精度和效率.     

[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。     

基于多规则设备分配及工序排序的FJSP多目标集成优化方法

为降低柔性作业车间调度多目标优化的复杂度,提高优化效率,提出一种基于多规则设备分配及工序排序的柔性作业车间调度多目标集成优化方法.建立了一类以完工时间、设备最大负荷、设备总负荷以及制造成本为优化目标的柔性作业车间调度多目标优化模型;针对模型的组合爆炸特点,为降低其复杂度,提出一种将多规则设备分配及工序排序相结合的集成调度思想;为进一步提高求解效率,提出一种面向对象数据处理技术用于处理各实体之间的数据交换;基于改进的非支配排序遗传算法思想,提出了基于多规则设备分配及上序排序的柔性作业车间调度多目标集成优化算法.通过仿真对比与应用验证了所提方法的有效性.     

基于多目标遗传算法的产品优化配置研究

针对产品配置设计存在的问题，提出一种基于多目标遗传算法的产品优化配置方法，设计了相应编码解码方案和适应度计算方法，在具体算法中，对小生境的范围确定和精英策略提出改进。仿真实验证明，该算法可行有效，优于其他遗传算法。     

基于改进非支配排序遗传算法的多目标柔性作业车间低碳调度

为解决以设备能耗、刀具磨损和切削液消耗为碳排放来源,能耗和人工费用为加工成本的多目标柔性作业车间低碳调度问题,建立以最小化碳排放量、最长完工时间和加工成本为目标的低碳调度模型,提出一种改进带精英策略的非支配遗传算法(NSGA-Ⅱ)并进行求解。首先通过基于Tent混沌映射的编码与融合了层次分析法(AHP)的贪婪解码来动态调整染色体组成,提高初始种群质量;然后提出了一种基于遗传参数的自适应遗传策略,根据种群进化阶段与种群非支配状态动态调整交叉、变异率;最后设计了一种基于外部档案集的改进精英保留策略,提高了算法后期的种群多样性并保留了进化过程中的优质个体。通过标准调度算例与实际案例验证了改进算法的有效性。     

低碳策略下的多目标柔性作业车间调度

为解决低碳策略下多目标柔性作业车间调度问题,在深入分析柔性作业车间多目标调度研究现状和不足的基础上,结合基于设备状态—能耗曲线的低碳策略,提出包括能源消耗、最大完工时间、加工成本和成本加权加工质量的多目标柔性作业调度模型。针对上述模型,设计了基于血缘变异的改进非支配排序遗传算法,该算法根据计算交叉染色体的血缘关系确定变异率,优化了交叉和变异策略,解决了算法的早熟问题。针对具体实例,构建了调度模型和算法,计算结果验证了算法的可行性和有效性。     

基于NSGA-Ⅱ的多目标车间设备布局

车间设备布局问题具有多目标、多约束的特点。文中以物流搬运费用、非物流关系以及面积利用率作为优化目标,构建了车间设备布局的多目标优化模型。采用带精英策略的非支配遗传算法(NSGA-Ⅱ)进行模型求解,克服了传统加权法求解多目标问题时加权系数难以确定,无法保证多个目标同时优化的缺点。基于AHP和TOPSIS相结合的方法,从NSGA-Ⅱ求得的Pareto解集中,选出了最适合企业实际情况的布局方案,以一个实例证明了本方法的有效性。     

单平台下参数化产品族设计的两阶段智能优化算法

基于对参数化产品族优化设计问题特性的分析,提出了单平台下参数化产品族的两阶段优化设计方法。针对单平台产品族优化设计的特征,给出了单平台下参数化产品族优化设计的一般数学模型,在此基础上提出了平台变量值预先设定时的产品族优化模型,给出了采用拥挤距离排序的多目标约束遗传算法（CDSMOGA）对该模型进行优化求解的过程。对单平台下平台变量值已知时的通用电动机产品族优化数学模型进行了仿真运算。对比仿真结果与国内外文献中的相关结果发现,所提出的方法能够显著改善产品族的整体性能,在参数化产品族的优化设计上是有效的。     

考虑外包的平行机调度问题的多目标遗传算法

研究了一类考虑外包的平行机调度问题,目标是使作业外包总成本与最大完工时间同时最小化。通过对该类问题进行形式化描述与分析,设计了一种数字串形式的解的表示方法,其中每位数字表示固定作业对应的机器编号,该方法能够有效缩小解空间,从而提高搜索效率。进而构建了一种带精英策略的非支配遗传算法PD-NSGA-Ⅱ,为该类多目标调度问题提供Pareto最优解集。大量数据实验结果表明,所构造的PD-NSGA-Ⅱ算法能够在合理的时间内有效求解该类调度问题,其解的质量与计算效率均优于SPEA算法。     

气悬浮无摩擦气缸的结构多目标优化设计

为了优化模态测试悬挂系统中气悬浮无摩擦气缸的结构参数,建立了活塞和缸壁间隙内的气体压力分布、气体泄漏流量和活塞径向承载能力的数学模型,提出一种基于非支配排序遗传算法（NSGA-II）的气缸－活塞优化设计方法。以气缸结构参数作为优化变量,以降低泄漏流量和提高径向承载能力为设计目标,等价转化目标函数,并将气体流动的复杂非线性方程组转化为约束条件进行处理。该方法能够获得目标空间内分布均匀的Pareto最优参数集,全面掌握活塞结构参数的最优取值。试验结果表明,优化后的气缸能有效地降低摩擦力,减小气体泄漏流量,从而验证了该方法在工程应用中的有效性。       

资源约束下产品开发任务调度的多目标优化

鉴于产品开发任务调度过程中存在资源约束问题和学习与遗忘效应,需要对多个目标进行优化决策,通过定义资源平均利用率并提出学习遗忘效应矩阵,结合耦合设计的多阶段迭代模型,以各阶段资源利用率为约束条件,建立资源约束下考虑学习与遗忘效应的任务调度时间与成本的多目标优化数学模型。采用带精英策略的非支配排序遗传算法求解得出Pareto最优解集,并采用改进的多目标理想点法对该解集进行选优,得到最优任务调度方案。以某电动汽车的开发过程为例,验证了该优化模型能够减小产品开发时间,降低产品开发成本,提高总资源利用率。     

升沉补偿系统多目标构型优化

升沉补偿系统是海洋作业的重要保障装备,影响着海洋作业的稳定性和安全性。随着多样性任务需求的增加,结构多样、适用于不同量级的升沉补偿系统从工厂走向市场,补偿效率不再是评价升沉补偿系统好坏的唯一标准。在对升沉补偿系统工作原理分析的基础上,确定了优化的对象为补偿装置构型、液压泵数量和蓄能器数量,并获得了基本解集。在多目标优化阶段,以可靠性、成本和补偿效率为目标函数,通过非支配排序获得Pareto优化解集,最后通过层次分析法对Pareto优化解集中的每个构型进行打分,获得最优构型。     

复杂制造环境下的改进非支配排序遗传算法

针对柔性作业车间多目标调度问题,在考虑机器、操作人员等资源约束和交货日期不确定性的基础上,构建了以加工成本、客户满意度及生产总流程时间为目标函数的模糊调度数学模型。针对传统的加权系数方法不能很好地解决柔性作业车间调度多目标优化问题的缺点,提出改进的非支配排序遗传算法,采用改进的拥挤密度排序法改善同一非劣等级内个体的排序;提出自适应交叉和变异策略,克服了种群早熟化,改善了算法的收敛速度;采用改进精英策略保持种群多样性,改善了算法的搜索性能。将该算法应用于某机械公司的人机双资源多目标柔性车间模糊调度,仿真结果证明了该方法的有效性和可行性。