基于生物遗传算法的FMS生产调度算法

根据遗传算法,提出了一种FMS生产调度的新算法,该算法不仅适于FMS的静态调度问题,而且由于其计算复杂性低、计算量少的特点,同样也适于FMS的动态调度问题,有效地为解决自动化生产系统的生产调度问题提供了新方法.     

大批量汽车零部件柔性生产排程

在实际的大批量汽车零部件柔性生产排程中,存在模具、共模、一模两件、停机维护等以往文献中缺乏考虑的因素.研究了这些因素并对其进行精确描述与数学建模,以设计符合实际的生产完工时间算法.然后,在以"机台分配"和"加工次序"为基础的传统排程解中加入了"等待意愿"向量,进而改进了现有的柔性作业车间调度算法.最后,基于真实算例设计...     

基于模拟退火遗传算法的PID控制器参数优化

针对遗传算法存在容易早熟的不足,将模拟退火算法融合到遗传算法中,建立了模拟退火遗传算法,并将其应用于PID控制器的参数优化.结果表明,将模拟退火算法融合到遗传算法中是有效的,基于模拟退火遗传算法的PID控制器参数优化是可行的.     

基于模拟退火遗传算法的自动化立体仓库路径优化

为提高自动化立体仓库出入库操作的效率,提出了将遗传算法和模拟退火算法相结合的路径优化策略,遗传算法的每个染色体都代表一组货单组合,遗传操作包括选择、交叉、变异3种类型。为获得适应度函数,建立了货位分配优化的目标函数,并在适应度函数中融入模拟退火算法,以提高遗传算法的收敛速度。仿真和工程应用结果均表明,该方法能大大缩短堆垛机的运行时间,提高自动化立体仓库的使用效率。     

全局优化算法自适应模拟退火-遗传算法的研究

对模拟退火法和遗传算法作了简要叙述,并深入分析了模拟退火法和遗传算法的寻优特性,指出了模拟退火法存在的不足及遗传算法的优良特性,从而引入了自适应模拟退火-遗传算法,并定性分析了该算法的可行性。     

加工中心上基于模拟退火和遗传算法的工步优化问题研究

系统在地研究了工步优化问题的数学模型,给出基于模拟退火和遗传算法的工步优化的求解步骤,提出可替代工种链,自适应变异概率的概念;采用知识库推理,ＯＤＢＣ技术建立了零件工步优化的过程模型,将之应用于以加工中心为主要加工设备的创成式ＣＡＰＰ之中。     

基于模拟退火遗传算法的高频焊接输出功率优化控制

通过对高频焊接过程控制问题的研究,给出了一种较为实用的、具体的模拟退火遗传算法,该算法融合了遗传算法和模拟退火算法的优点,兼有遗传算法中种群个体、交配、基因、遗传、变异等淘汰劣质解的操作,更好地实现了在线快速自动寻找最佳的感应加热的频率,使感应加热的功率达到最大,效率最高.研究结果表明,该算法具有广阔的推广应用前景.     

基于模拟退火遗传算法的自动化制造最小完工时间调度优化

自动化制造最小完工时间调度是一个典型的组合优化问题。本文提出一种模拟退火遗传算法,应用于自动化制造最小完工时间调度优化。以最小化时间为目标代价函数,通过遗传算法的复制、选择和变异操作来实现大范围的全局搜索,通过仿真退火算法的逐步降温实现小范围的局部搜索,并行实现方案加速了其求解的速度。与模拟退火算法和遗传算法相比:该算法在解的质量、收敛速度和运行时间上均具有一定的优势。     

基于模拟退火遗传算法的电动汽车网络优化调度

介绍了基于TTCAN协议的电动汽车控制网络的结构组成；在分析TTCAN协议的基础上，设计了一种利用模拟退火遗传算法进行系统矩阵优化的方法，并给出了该算法的具体实现过程；最后利用汽车工业的SAE标准报文子集对该算法进行验证，结果表明，该算法在减小网络抖动方面具有良好的效果。     

基于S-DBR模型的生产排程研究

生产排程方案的优劣对MTO型企业的生产效率影响较大。为缩短订单的平均处理时间、提高订单准交率,依托于约束理论（TOC）和“简化鼓-缓冲-绳子”（S-DBR）方法,通过计算产能负荷率识别内部瓶颈,以提高订单准交率为目标,构建了基于S-DBR方法的订单排程计划模型。设计排程问题的遗传算法,对遗传算法的个体编码、交叉和变异等操作进行处理,并以某电子产品生产车间为研究对象进行求解。结果表明,与传统人工排程相比,该方法能有效缩短生产周期、提高订单准交率。     

基于改进模拟退火算法的复合材料层合板屈曲优化

针对复合材料层合板的屈曲优化问题,提出一种改进的直接搜索模拟退火算法来求解最大化临界屈曲载荷系数的铺层顺序设计问题。改进算法引入搜索范围动态调整的新点产生方式实现全局搜索和局部搜索的协调,提高了算法的计算稳定性和计算效率。以离散铺层角为设计变量,采用里兹法进行屈曲响应分析以考虑弯扭耦合影响,通过典型多极值屈曲优化问题分析比较了算法改进措施的有效性。不同角度增量、铺层数、长宽比和载荷比的层合板屈曲优化结果表明,改进算法能有效地进行层合板铺层顺序优化。     

基于遗传模拟退火算法的四杆机构优化设计

采用遗传模拟退火算法对轨迹再现型四杆机构进行优化设计,结果表明,该优化算法把模拟退火算法结合进遗传算法中,这样在保证获得较好的全局搜索能力的同时,又加快了遗传算法在最优值附近的收敛,提高了遗传算法的效率.     

基于粒子群优化和模拟退火的混合调度算法

提出了一种离散粒子群调度算法，采用基于工序的编码方式及相应的位置和速度更新方法，使具有连续本质的粒子群算法直接适用于调度问题。针对粒子群算法容易陷入局部最优的缺陷，将其与模拟退火算法结合，得到了粒子群-模拟退火算法、改进的粒子群算法、粒子群-模拟退火交替算法以及粒子群-模拟退火协同算法等4种混合调度算法。仿真结果表明，混合算法均具有较高的求解质量。     

基于混合遗传算法的工艺路线优化配置

针对 FMS工艺路线优化配置问题提出一种混合遗传算法。该算法在遗传算法中引入了具有启发式规则的余量随机分配算子 ,可以将超过约束条件的余量随机分配到个体中去 ,通过按照一定规则的调整而将不可行个体引入可行域。一方面实现了利用遗传算法求解工艺路线的约束优化问题 ,保持了遗传算法的全局寻优特点 ,另一方面加强了遗传算法的局部搜索能力 ,提高了运行效率。算例证明该算法的求解效果好于目前该领域常用的启发式算法。     

基于模拟退火算法的装配序列生成与优化

分析了一个优良装配序列应满足的装配约束条件,从几何可行和工艺优良两方面对装配序列进行评价;介绍了影响装配序列工艺性能的四大因素及其量化方法。在此基础上,建立了基于模拟退火算法的装配序列优化规划模型,并对算法的性能和速度进行了分析、处理。最后通过齿轮泵的应用实例说明了该优化算法的有效性。     

基于模拟退火算法优化分析与研究

通过对模拟退火算法(简称SA)的机理与流程分析,找出其优点与缺点,指出了决定SA优化结果的关键因素,给出了设计原则和方法及改进方式,并设计出一种对退火过程和抽样过程进行修改的两阶段改进策略;还根据SA的发展趋势,分析了SA并行设计的意义和可行性,给出了三种可行的并行SA设计方案;最后,针对TSP问题和状态产生函数,设计了优化问题的改进方案.     

改进模拟退火算法在圆锥滚子轴承优化中的应用

建立了带约束条件的圆锥滚子轴承优化设计数学模型,针对标准SA算法收敛速度缓慢的弱点,通过对标准模拟退火算法的内外循环中加入记忆器来改进算法.应用改进的模拟退火算法对圆锥滚子轴承进行优化设计.通过和标准的模拟退火算法比较,改进的模拟退火算法全局寻优能力比标准算法有了显著提高,能得到满意的优化结果.优化结果对轴承设计具有参考意义.