基于改进混合蛙跳算法的贴片机贴装顺序优化

元器件贴装顺序是影响贴片机工作效率的关键因素之一.针对拱架型贴片机,在建立贴装顺序数学模型基础上,采用改进混合蛙跳算法对贴装顺序进行优化,按照三角概率分布选择可能被改进蛙的策略,完成对基本混合蛙跳算法的改进.最后以3块PCB为例进行实验,实验结果表明,算法可以有效解决元件贴装顺序问题,并具有比基因遗传算法更高的准确性及效率.     

求解TSP问题的混合杂草优化算法

根据组合优化问题的特点,提出一种离散混合杂草优化算法来解决旅行商问题,通过对算法中正态分布于父代周围的子代进行离散化分析,并引入遗传操作中的单点顺序交叉法和对换变异法,从而有效防止了算法的早熟收敛.计算机仿真结果表明,离散混合杂草优化算法相对于基本粒子群算法具有更好的性能.     

Maklink环境下机器人导航路径的蛙跳多种群粒子群优化

为了减少机器人导航路径长度和优化时间,提出了基于蛙跳多种群粒子群算法的路径规划方法。建立了机器人工作环境的Maklink模型,首先使用MS算法搜索出若干最短路径,然后提出了蛙跳多种群粒子群算法进行路径二次优化。将蛙跳算法的深度搜索思想引入到粒子群算法中,提出了多种群粒子群算法的分群方法、更新策略和合作机制,进而给出了基于蛙跳多种群粒子群算法的机器人导航路径优化方法。经过仿真验证,蛙跳多种群粒子群算法具有最佳的优化效果,最短路径长度比MSCPSO算法减少了3.82%,比PSO算法减少了5.46%;另外,蛙跳多种群粒子群算法的运行时间比MSCPSO算法减少了25.53%,比PSO算法减少了18.79%。     

资源约束下拆卸线平衡问题的建模与改进混合蛙跳算法

针对实际拆卸线中涉及的资源约束和危害零件问题,以资源总数、工作站数和危害指数为目标函数,构建了多目标资源约束拆卸线平衡问题数学模型。基于AND/OR关系,在优先关系矩阵中添加OR关系的描述,解决了产生初始解仅考虑AND关系的不足问题。提出了一种融入Pareto思想的改进混合蛙跳算法  ,该算法采用基于满意度的改进排序分组策略来解决多目标优化种群分组问题;提出了一种新的交叉变异方式进行局部搜索以提高收敛性能;利用拥挤距离机制评价非劣解集以及有效地维护外部档案容量。采用田口实验和统计分析方法确定了算法最佳参数组合,将改进前后的混合蛙跳算法及NSGA-Ⅱ对测试算例的求解结果进行了多指标对比分析,研究结果表明：改进混合蛙跳算法具有良好的综合求解优势。最后,将所提算法应用到某电冰箱的资源约束拆卸线平衡问题中,为决策者提供了较优的拆卸方案。     

[车间调度]新型蛙跳算法求解总能耗约束FJSP

针对具有总能耗约束且以总延迟时间为目标的柔性作业车间调度问题(job shop scheduling problem,FJSP),首先将该问题转化为具有总能耗和总延迟时间的两目标问题,从而有效地处理能耗约束,然后提出了一种新型蛙跳算法直接优化转化后的两目标FJSP,该算法利用模因组构建和模因组搜索的新策略以及模因组内最好解的强化搜索以提高求解质量。计算实验和分析结果表明,新型蛙跳算法对所研究的FJSP具有较强的搜索能力和优势。     

离散萤火虫算法的复杂装备测试点优化选择

测试点优化选择是复杂装备测试性设计的重要环节,本文提出一种用于解决测试点优化选择问题的离散萤火虫算法(DFA)。首先建立了测试点优化选择问题的数学模型,接着对传统的萤火虫算法(FA)进行了离散化改进,给出了离散化萤火虫算法的实施步骤,并分析了不同的吸引度函数和二值化函数(sigmoid和tanh函数)对算法结果的影响。最后针对5个不同规模的实际系统验证了离散萤火虫算法的有效性,并与粒子群算法(PSO)和遗传算法(GA)等传统的元启发式搜索算法的计算性能进行了比较分析。结果显示:在满足系统要求的故障检测率和故障隔离率的前提下,利用本文提出的离散萤火虫算法得到的5个系统测试代价最优值分别比PSO算法和GA算法平均降低了10.1%和14.6%。实验结果表明:离散萤火虫算法能快速收敛到更高质量的全局最优解,避免过早收敛而陷入局部最优值,对于解决大型复杂装备的测试点优化选择问题具有很好的应用前景。     

基于改进混合遗传算法的贴片机贴装路径优化

贴片机的贴装路径是贴片机贴装速度提高的瓶颈。在深入研究了贴装路径优化问题的基础上,提出了一种三链的混合遗传算法。该算法根据拱架式贴片机的贴装数学模型,通过元器件拾取序列、贴放序列、喂料器排列三个子序列,设计了三链的染色体能同时解决贴装顺序优化问题和喂料器分配问题。计算结果表明,该算法能明显缩短PCB的贴装时间。优化效果较采用遗传算法和邻近算法更为明显。     

新型蛙跳算法求解总能耗约束FJSP

针对具有总能耗约束且以总延迟时间为目标的柔性作业车间调度问题(job shop scheduling problem,FJSP),首先将该问题转化为具有总能耗和总延迟时间的两目标问题,从而有效地处理能耗约束,然后提出了一种新型蛙跳算法直接优化转化后的两目标FJSP,该算法利用模因组构建和模因组搜索的新策略以及模因组内最好解的强化搜索以提高求解质量。计算实验和分析结果表明,新型蛙跳算法对所研究的FJSP具有较强的搜索能力和优势。     

DEPSO算法在永磁直线电机结构优化设计中的应用

将传统优化算法应用于直线电机结构优化设计时,传统算法的易早熟与收敛速度慢的缺陷降低了优化效率,并且由于直线电机特有的磁场效应,无法用解析方法准确计算推力波动。为此,提出一种粒子群和差分进化的混合优化算法(DEPSO算法)。该算法在粒子进化过程中,利用差分进化的变异、交叉和选择操作产生新的个体最优位置,优化粒子进化方向。将该算法与有限元数值分析相结合,对直线电机结构参数进行了优化。具体实例的试验结果表明,优化后磁阻力峰值显著下降,证明了DEPSO算法对解决此类问题的有效性。     

基于混合蛙跳算法的复杂产品装配序列规划

为提高机械产品的装配效率,提出一种基于混合蛙跳算法的产品装配序列规划方法。该方法针对混合蛙跳算法中各个模因组内的最优样本容易出现趋同性的现象,引入遗传算法,提出最优样本的差异性控制策略,以改善种群的差异性。建立了以装配操作稳定性、惩罚函数、装配方向改变次数和装配工具改变次数为装配序列评价指标的适应度函数模型。以一个装配体实例分析该算法的特性,验证了改进混合蛙跳算法的可行性和稳定性,并将该算法与标准混合蛙跳算法和遗传算法相比较,证明了改进混合蛙跳算法更有效。     

基于差分算法的贴装顺序优化问题求解

元器件取料、贴放顺序是影响印刷电路板(PCB)贴片机工作效率的关键因素之一.针对拱架型多头贴片机建立以时间为研究对象的取料、贴放顺序优化数学模型.给定解的整数编码形式,利用差分算法解决此优化问题.将迁徙操作思想引入差分算法,建立带迁徙操作的差分算法,并给出算法流程及实现方式.通过实验选择差分算法的较佳参数,用两组实验将差分算法、带迁徙操作的差分算法与遗传算法进行比较,实验表明差分算法、带迁徙操作的差分算法能够有效地解决拱架型多头贴片机元器件的取料、贴放优化问题,且优化结果较遗传算法好.     

基于遗传算法的表面组装电子元件热布局优化

基于热叠加模型,选取表面组装电子元件的平均温度作为评价指标,确定出用于热布局优化的适应度函数,基于遗传算法提出了一种电子元件热布局优化算法,并编制相应优化程序,实现了对电子元件的热布局优化;利用有限元软件ANSYS结合具体实例对优化结果进行仿真验证,验证结果表明优化结果与仿真结果基本一致,由此验证了热布局优化程序的有效性;根据优化结果得出热布局规则：各大功率电子元件分散开,并分布于板级电路四周,各小功率电子元件围绕大功率电子元件分布于中心,并按一定规律排列.     

A genetic algorithm to optimise the component placement process in PCB assembly

In printed circuit board (PCB) assembly, the efficiency of the component placement process is dependent on two interrelated issues: the sequence of component placement, that is, the component sequencing problem, and the assignment of component types to feeders of the placement machine, that is, the feeder arrangement problem. In cases where some components with the same type are assigned to more than one feeder, the component retrieval problem should also be considered. Due to their inseparable relationship, a hybrid genetic algorithm is adopted to solve these three problems simultaneously for a type of PCB placement machines called the sequential pick-and-place (PAP) machine in this paper. The objective is to minimise the total distance travelled by the placement head for assembling all components on a PCB. Besides, the algorithm is compared with the methods proposed by other researchers in order to examine its effectiveness and efficiency.     

A genetic-based algorithm for the operational sequence of a high speed chip placement machine

Surface mount component placement machines are widely used in electronic manufacturing industry for automated placement of components on printed circuit boards. In this paper, we propose a new approach to the component placement problem using high speed turret style chip shooter machine and investigate the case of one single machine and one board type case with the objective of minimizing the assembly (cycle) time per board. The proposed method first groups the component types that can be processed at the same machine speed. Then the minimum spanning tree technique is employed to perform feeder duplications, reducing the distance effect between components of each type. Finally, a genetic-based algorithm with 2-opt local search using feeder arrangement list as solution representation is applied to determine the component placement sequence. Our experimental results indicate that the algorithm produces satisfactory solutions when a lower bound on cycle time per board is used as the evaluation criterion. It is also shown that the overuse of feeder duplication will produce a negative effect on the cycle time. Finally, the algorithm can help management to make a production plan that takes both component inventory cost and cycle time into consideration.     

A particle swarm optimization approach to optimize component placement in printed circuit board assembly

The particle swarm optimization (PSO) approach has been successfully applied in continuous problems in practice. However, its application on the combinatorial search space is relatively new. The component assignment/sequencing problem in printed circuit board (PCB) has been verified as NP-hard (non-deterministic polynomial time). This paper presents an adaptive particle swarm optimization (APSO) approach to optimize the sequence of component placements on a PCB and the assignment of component types to feeders simultaneously for a pick-and-place machine with multiple heads. The objective of the problem is to minimize the total traveling distance (the traveling time) and the total change time of head nozzle. The APSO proposed in the paper incorporates three heuristics, namely, head assignment algorithm, reel grouping optimization and adaptive particle swarm optimization. Compared with the results obtained by other research, the performance of APSO is not worse than the performance of genetic algorithms (GA) in terms of the distance traveled by the placement head.     

Goodness-of-Fit Test Based on Biinomial Probability Distribution

This paper describes the goodness-of-fit test based on binomial probability distribution, which reduces to a sequence of bilateral hypothesis test for the value of the probability distribution function with different values of its argument. It is shown that each element of this sequence is unbiased locally by the most powerful test. This paper proposes an algorithm for calculating the significance level, free of probability distributions. The quality of this test is evaluated by numerical modeling.     

基于传统可靠性理论联接方程的模糊可靠性分析方法

根据模糊可靠性分析模型,推导了模糊变量变换为当量随机变量时其概率密度函数和概率分布函数的一般表达式,并得出了线性模糊变量变换为当量随机变量时的具体表达式。然后利用概率论的知识,给出了线性模糊变量的当量均值和当量标准差的计算式,再用传统可靠性理论中的联接方程,计算出了模糊可靠性分析的可靠性系数,进而用标准正态概率分布函数估计失效概率。算例验证了这一思路是可行的,并可简化模糊可靠性分析。     

基于二元分布估计算法的置换流水车间调度方法

针对最大完工时间最小的置换流水车间调度问题,提出了一种结合二元分布估计算法与生物地理学算法的混合优化算法（HB-EDA）。算法以分布估计算法为架构,以二元概率模型为进化依据,针对优秀染色体和劣势染色体分别通过概率模型挖掘出具有优势信息和劣势信息的链接基因区块组成区块库1和区块库2,借鉴生物地理学算法中的群体迁移思想,用两个区块库分别对优势和劣势染色体以指定比例进行更新操作产生子群体,并对染色体进行切段与重组,以进一步筛选高适应度的解。最后通过对Reeves和Taillard标准测试集的仿真结果和算法比较验证了所提出算法的有效性。     

碳纤维螺旋桨自动铺放成形轨迹规划方法

螺旋桨曲面为高阶自由曲面,故以四丝束碳纤维螺旋桨曲面铺放装置为平台,进行了碳纤维铺放成形轨迹规划的研究。依据船用定距桨桨叶曲面轨迹规划的要求,针对传统曲面网格和轨迹铺放法的低精度缺陷,提出了基于拉普拉斯网格优化、等弧长曲面分层的轨迹优化铺放算法,并完成了算法仿真和实物验证。结果表明,该轨迹规划方法能满足碳纤维螺旋桨的铺放要求。