基于改进遗传算法的多行布置车间布局优化

对于多行的车间布局,传统的优化过程中距离定义不合理,均采用两点坐标差的绝对值之和,没有考虑到当两设备处于不同跨时,会存在运输障碍。此时,还会采用地面轨道运输,因此,存在两种运输成本,故在运输成本方面,也存在欠缺,只考虑了天车运输成本。在分析了上述不足的基础上,提出了一种改进距离定义且考虑地面轨道位置的数学模型,对轨道位置、设备序列、净间距序列同时进行优化,使优化更具实际意义。并利用改进遗传算法进行求解,设计了与问题相适应的编码方式,同时对交叉、变异操作也做出了相应的改进,从而提高了算法的优化性能。     

基于多目标优化的改进遗传算法求解柔性车间调度问题

文章主要研究多目标的柔性车间调度问题。在实际生产过程中,调度结果受完工时间、机器负荷、成本控制和资源消耗等多方面因素影响,因此提出了一种基于多目标优化的改进遗传算法,针对最小化最大完成时间、最小化机器负荷和最小化资源消耗3个目标函数进行优化,结合改进的Pareto多目标优化方法,以及最短加工时间变异和邻域变异方法,提高了算法的寻优能力。最后通过实验验证了算法适用于求解多目标的柔性车间调度问题。     

基于差分元胞多目标遗传算法的车间布局优化

以物料搬运费用最小和车间设备占地面积利用率最大为目标,建立了车间设备布局多目标优化设计模型.针对常用多目标算法不能很好求解该模型的问题,提出一种差分元胞多目标遗传算法.该算法在经典元胞多目标遗传算法的基础上引入差分演化策略,从而集成了元胞算法多样性好和差分演化策略在解决复杂问题时收敛性强、覆盖范围广的特点.分别运用该算法、经典元胞多目标遗传算法和NSGAII对测试函数及车间设备布局模型进行计算,通过数据和性能比较分析表明,针对多约束、多变量、非线性的模型,新算法具有良好的收敛性、分布性和扩展性,能有效解决相关生产实践问题.     

基于自适应遗传算法的大型关重件车间布局优化

针对大型关重件生产车间的多行布局问题,建立了同时考虑物流费用与物流时间的多目标优化数学模型,运用了一种改进的自适应遗传算法,其交叉概率和变异概率可随群体的适应度自动改变,使算法避免陷入局部最优;加入精英保留策略,使每代中的最优个体都能够得到保留,避免交叉和变异操作遗失全局最优解.最后结合某船用曲轴车间实例,分别运用该算...     

基于生物遗传算法的车间布局优化算法

为了有效地减少产品在车间中的传输时间,根据车间中的生产工件的工艺流程对设备进行优化布局是十分必要的。本文应用遗传算法突出的寻优能力,根据中小批量生产方式的特点,提出了车间内设备布局的优化设计方法。     

基于生物遗传算法的车间布局优化算法

为了有效地减少产品在车间中的传输时间,根据车间中的生产工件的工艺流程对设备进行优化布局是十分必要的.本文应用遗传算法突出的寻优能力,根据中小批量生产方式的特点,提出了车间内设备布局的优化设计方法.     

基于遗传算法的柔性车间多目标优化调度

针对工件投料时间和机器起用时间不为零的柔性车间多目标优化调度问题,提出了一种改进遗传算法.染色体编码采用机器分配链和工序顺序链的双链结构;用均匀设计法、最短加工时间机器指配法、随机生成法三种方式产生初始种群;由锦标赛方法、最优保存策略和新生策略混合进行选择操作;以传统交叉方式、面向瓶颈机器的交叉方式,以及面向瓶颈工件的...     

基于改进遗传算法的多目标柔性作业调度研究

针对车间生产过程中加工机器的生产时间分配不均导致的机器负载过大、机器闲置等问题,建立了一个包含均衡化机器使用率的多目标柔性作业车间调度模型,设计了一种改进遗传算法,使用了POX交叉算子和多点交叉法,采用了基于邻域的变异算子.最后通过实验结果验证了该算法适用于求解该类多目标柔性作业车间调度问题,改进的算法也优于其他对比算...     

基于改进非支配排序遗传算法的多目标柔性作业车间调度

采用多目标进化算法解决具有工件释放时间、工件目标差异的柔性作业车间调度问题。依据实际制造系统中存在较多的最大完工时间、平均流经时间、总拖期时间、机器总负荷、瓶颈机器负荷和生产成本性能指标,建立多目标柔性作业车间调度模型。针对柔性作业车间调度问题的特点,设计一种扩展的基于工序的编码及其主动调度的解码机制,以及初始解产生机制和有效的交叉、变异操作;针对非支配排序遗传算法(Non-dominated sorting genetic algorithm II,NSGA-II)在非支配解排序和精英选择策略方面的不足,设计一种改进的非支配排序遗传算法,应用改进的算法求解柔性作业车间调度问题得到一组Pareto解集,并运用层次分析法选出最优妥协解。通过测试基准和模拟实际生产的实例,验证提出算法的可行性和有效性。     

基于改进遗传算法的生产车间多工艺计划调度研究

建立了基于多工艺加工计划的生产调度数学模型,给出了基于改进遗传算法的无辅助加工时间多工艺加工计划调度算法,通过与国外学者提出的算法相比较,证明了该算法的正确性和优越性,实验结果表明,模型是正确的,算法是有效的。     

基于多目标候鸟算法的车间布局研究

针对因车间布局不合理导致的设备之间物流混乱、效率低下等问题,通过优化数学模型及采用基于多目标的改进候鸟算法可有效地解决此问题.在经典候鸟算法的基础上,优化了编码解码过程,引入修复优化算子处理不可行解,同时改进了种群更新方式,增强了算法全局搜索以及局部搜索的能力,并将所有非支配解进行排序,以得到最优方案.试验结果表明,基...     

基于改进MOEAD算法的零件加工布局优化研究

在机械加工中,夹具布局优化本身是一个多目标优化问题,目前夹具布局优化大多是以工件位置总位移最小为目标函数,视作单目标优化问题处理.针对这种情况,提出一种改进的多目标进化算法.该方法以x,y,z三个方向上的偏移量作为目标函数,引入基于高斯变异的迁移行为对基于分解的多目标进化算法(MOEAD)进行改进,满足了夹具布局中的定...     

基于改进遗传算法的方案组合优化设计

建立了方案组合优化教学描述,提出了一种基于改进遗传算法的产品方案优化设计模型,实现了该改进算法,并成功地应用于多功能输出变速箱的方案优化设计,获得了方案的最优解。     

一种基于改进遗传算法的神经网络优化算法研究

遗传算法是目前优化搜索算法中应用比较广泛的一种,但基本遗传算法存在收敛速度慢、易于陷入局部最优等缺点。针对上述问题对遗传算法(GA)的选择算子进行改进,在最优保存策略的基础上将每代种群按照适应度由小到大排序,平均分成前中后3段,按照0.6、0.8、1的比例进行选择;从尾段中随机抽取个体来补足种群由于选择操作而损失的个体;既利用了最优保存策略的全局收敛特性同时也保持了种群的多样性;用改进的遗传算法调整神经网络的权值形成了新的改进遗传算法优化BP神经网络(IGA-BP);通过与选择算子为适应度比例选择算子的GA-BP网络进行比较,结果表明算法改进后缩短了收敛时间同时减少了运行误差;最后将该改进算法应用于水泥回转窑的故障诊断中,验证了算法的可行性。     

Multidisciplinary design optimization of vehicle instrument panel based on multi-objective genetic algorithm

Typical multidisciplinary design optimization(MDO) has gradually been proposed to balance performances of lightweight, noise, vibration and harshness(NVH) and safety for instrument panel(IP) structure in the automotive development. Nevertheless, plastic constitutive relation of Polypropylene(PP) under different strain rates, has not been taken into consideration in current reliability-based and collaborative IP MDO design. In this paper, based on tensile test under different strain rates, the constitutive relation of Polypropylene material is studied. Impact simulation tests for head and knee bolster are carried out to meet the regulation of FMVSS 201 and FMVSS 208, respectively. NVH analysis is performed to obtain mainly the natural frequencies and corresponding mode shapes, while the crashworthiness analysis is employed to examine the crash behavior of IP structure. With the consideration of lightweight, NVH, head and knee bolster impact performance, design of experiment(DOE), response surface model(RSM), and collaborative optimization(CO) are applied to realize the determined and reliability-based optimizations, respectively. Furthermore, based on multi-objective genetic algorithm(MOGA), the optimal Pareto sets are completed to solve the multi-objective optimization(MOO) problem. The proposed research ensures the smoothness of Pareto set, enhances the ability of engineers to make a comprehensive decision about multi-objectives and choose the optimal design, and improves the quality and efficiency of MDO.     

基于整数编码遗传算法改进的起重机主梁优化

轻量化是起重机的发展趋势之一,利用优化技术减轻主梁质量是其关键而有效的方法之一。首先,综合考虑主梁设计模型中变量的离散性与连续性以及各类约束,对传统主梁优化模型进行了补充与改进;然后,对传统的整数编码遗传算法进行了改进,保留了选择、交配、变异操作产生的群体,扩大了搜索空间,能够处理新的主梁优化模型中设计变量取值区间不同、变量间有约束的情况;最后,以浙江省某企业的QD型起重机为实例,利用改进的整数编码遗传算法对主梁进行了优化求解,同时通过与现有算法的比较,优化模型的有效性和算法的收敛稳定性得到了验证。     

基于一种改进遗传算法的PID参数优化仿真

针对现有PID调节器的整定方法和遗传算法优化参数存在的问题。提出了一种改进的遗传算法用于PID参数寻优的方案。该算法采用了变群体规模和自动改变交叉概率、变异概率的措施．能提高算法的执行效率，收敛性较好，而且不易陷入局部最优解。本文以过热汽温控制系统为例．分别采用了简单遗传算法和改进遗传算法，对串级控制系统的PID参数寻优，仿真结果表明．改进后的遗传算法具有较强的执行效率和很好寻优效果。并且该文提出的算法和策略也可用于其他的优化问题中，具有一般性。     

基于遗传模拟退火算法的大件公路运输路径选择优化

针对大件公路运输路径选择优化难题,以最小化运输成本为目标,在考虑带配送时间窗、客户服务时限、车辆超载惩罚、车辆载重限制、车辆容积限制的基础上,构建了大件公路运输路径选择优化模型,并提出改进遗传模拟退火算法对此类问题进行优化.该算法首先基于满足车辆容积和承载量的两层编码方式产生多个初始种群,然后各种群之间通过相互竞争实现优秀个体的迁移共享,最终搜索到最优解.最后,通过实例仿真验证了该算法解决此类特殊运输问题的有效性,并通过与其他算法进行比较,证明了该算法的先进性,为大件公路运输路径选择问题提供了新的解决思路.     

基于改进遗传算法的数控加工中心机床工艺路线优化

针对数控加工中心机床工艺路线工序集中、工步复杂、加工刀具类型多带来的排序规模大、成本核算困难的特点,用一种改进的遗传算法实现工艺路线的优化。算法中以加工时间最短和加工成本最低两个目标作为组合的优化目标函数,从而构造出适应度函数。改进的算法对不同的加工面设立了加工标识位码,并制定了加工标识位码的优先原则、加工标识位码相同原则;优先原则实现了工艺路线排序原则;相同原则实现了工步中的刀具类型的选择及刀具成本的核算。由于算法中加入了加工标识位码相同原则,去除掉不必要工艺路线组合方案,从而使得算法收敛更快。通过实例对算法进行了系统仿真实验,得出了最优路线方案,验证了方案的合理性。