基于遗传算法的二阶段迭代模型任务分布方案寻优

针对利用启发式方法求解二阶段迭代模型的最优任务分布方案容易陷入局部最优解的问题,根据二阶段迭代模型中各任务的分布特点,引入具有自适应全局优化特性的遗传算法求解出二阶段迭代模型的最优任务分布方案,从而减少任务执行的时间成本。以某汽车发动机的开发为例,分别应用基于启发式方法和基于遗传算法方法进行求解寻优,通过比较说明了后者的有效性。     

基于遗传算法并行迭代模型任务执行阶段数的寻优

针对二阶段并行迭代模型存在阶段数较少、任务分布方式单一的缺陷,通过对二阶段并行迭代时间模型进行扩展,确定多阶段并行迭代总时间模型,运用遗传算法研究多阶段并行迭代模型中任务执行的最优阶段数,使产品开发总执行时间最短。以某电动汽车的开发过程为例,验证了该方法的有效性,为产品开发提供了理论参考。     

基于PMP的HEV全局最优能量管理策略研究

动态规划常用于求取已知工况的全局最优解,但该方法计算量大、求解时间长。为了解决这个问题,把发电机组和电池组模型适当化简,在保持电池组电量平衡的条件下,以电池组荷电状态为状态变量,以电池组输出功率为控制量,采用庞特里亚金极小值原理算法求解了混合动力汽车的能量管理问题,得到了全局最优解,并给出了详细的求解过程。与动态规划相比,该方法求解需要的时间很短。     

改进蚁群算法解决 UUV 集群任务规划问题

针对水下无人航行器(UUV)集群在有限续航力和负载约束条件下求解广泛且稀疏分布区域勘察任务规划问题时常规 算法存在收敛性差、解质量不高的不足,提出了一种改进的蚁群优化算法。 首先,通过分析个体 UUV 平台能力和集群任务的约 束条件,建立 UUV 集群任务规划的约束模型和优化模型;其次,基于任务点间距离与平均距离之差设计初始信息素浓度的非均 等分配方法,提出优化模型的最佳与最差阈值对蚂蚁进行分类并对应完成信息素更新,在状态转移规则中创新加入可随迭代进 程动态改变的“引力系数”来增加算法前中期次优节点被选中的概率;再次,设置对照统计实验完成算法优化项的有效性分析, 依据最优解出现的次数和平均收敛值优化算法参数;最后,以经典文献案例仿真,对比分析基本蚁群算法、精英蚁群算法与提出 算法,相较于前两种算法,算法在 50 次统计实验中找到近似最优解的百分比分别提升 78% 和 66% ,平均在第 40 代实现收敛,表 明出很好的全局寻优能力和收敛性能。 通过设计具有一定规模的 UUV 集群任务规划典型案例,验证了算法求解 UUV 集群广 泛且稀疏分布区域任务规划问题的快速性和有效性。     

随机需求环境下的作业能力规划模型研究

为研究市场需求的随机性对企业能力扩张决策的影响,根据确定性能力规划模型的一般形式,构建了随机市场需求环境下的能力规划模型。该模型以随机环境下期望成本最小为目标函数,引人随机需求变量,建立了市场需求的随机约束。基于随机线性约束的二阶段方法,得到了随机能力规划问题的确定性等价形式,提出了一种将遗传算法和随机线性规划二阶段模型相结合的随机能力规划模型求解算法。该算法在事先得到能力规划变量的情况下,使用二阶段方法求解随机需求约束下的产品组合问题,并以产品组合问题的最优解作为适应度函数,通过遗传操作,搜索能力规划的整数变量,获得随机能力规划问题的最优解。     

遗传蚁群融合算法求解多项目资源能力平衡问题

为探索更高效的多项目资源能力平衡优化方法,提出了一种基于遗传蚁群融合算法的求解方法。建立了以单位时间内所有项目的总资源消耗方差为优化目标的问题模型,并设计了模型求解的遗传蚁群融合算法。该算法前过程采用遗传算法进行迭代求解,充分利用遗传算法的快速性和全局收敛性,生成初始信息素分布;后过程采用蚁群算法,充分利用蚁群算法的正反馈性和求精解效率高等特点收敛到最优解。通过具体算例验证了算法的可行性和有效性。     

基于改进遗传算法的自动导引小车动态路径规划及其实现

针对传统遗传算法求解自动导引小车动态路径规划易早熟的缺点,提出一种改进遗传算法的自动导引小车动态路径规划算法,针对传统变异算子缺少启发式规则导致变异产生优质解的概率较低和算法早熟的缺陷,基于相连的路径片段组成的三角形建立使路径缩短的启发式变异规则,并提出路径微调算法;为了提高路径的光滑程度便于自动导引小车行驶,提出路径光滑处理算法;为了增加改进遗传算法的局部寻优能力,对每一代的最优解进行模拟退火操作;并且基于MATLAB GUI开发工具开发出自动导引小车动态路径规划仿真平台,以证明所改进遗传算法求解自动导引小车动态路径规划问题的有效性。     

不确定环境下模具群项目计划制定方法

针对模具项目群制造过程的不确定性和资源需求的动态性,建立了基于离散时间Markov的模具制造项目随机演化模型.基于该模型,提出一种分阶段求优的模具项目计划制定方法,将项目群的每一个任务视为一个独立的阶段,以最小化每个阶段的完工时间为目标,利用动态规划方法对每一个阶段的任务求解最优的调度策略.通过仿真算例将该方法与三种启发式算法进行比较分析,结果表明该方法在不确定环境下制定模具项目群项目计划时具有明显的优越性.     

改进的自适应遗传算法在皮革裁剪路径优化中的应用研究

针对皮革数控裁剪机加工效率不高的问题,提出了一种基于动态规划与新自适应遗传算法相结合的路径优化算法。通过对切割轮廓序列的动态规划全局最优性分析,得到一条最短的走刀路径,再采用新自适应遗传机制及动态规划由此路径构建新的走刀路径,如此反复迭代,最终得到一条多轮廓的全局最优路径。实验结果表明,该方法求解的结果比其它优化算法更能接近全局最短路径。     

基于遗传模拟退火融合算法的船舶分段装配序列优化

针对复杂船舶分段装配序列规划问题,提出基于遗传模拟退火算法的分段装配序列规划求解方法,综合考虑分段装配中的工艺约束和几何约束,建立以分段装配所需时间和消耗成本为优化目标的问题模型,并为模型求解设计了遗传模拟退火融合算法,将模拟退火算法的局部搜索能力与遗传算法的快速全局搜索能力相结合,达到快速收敛到全局最优解的目的.通过实例验证了该算法的有效性.     

双层过道布置问题的混合整数规划模型及启发式求解方法

针对布局活动中为节约用地成本设施被迫布置在多层空间的情况,提出双层过道布置问题,并构建了该问题的混合整数规划模型。该模型考虑了设施在两层空间的布置优化,且不同层设施之间存在物流交互,交互通道为放置在过道最左边的货梯。针对该问题,提出一种基于C2Opt邻域搜索的启发式算法,同时引入inversion程序产生扰动,采用倒置的方式重新排列当前设施序列,以避免算法陷入局部最优,并设置了最优设施序列的记忆功能,以保留邻域搜索过程中的精英解。基于建立的混合整数规划模型,运用Lingo软件对28个测试问题(9~49个设施)进行了精确求解,进而应用所提启发式算法对所选测试算例进行测试,并与3种启发式算法的求解结果进行对比,结果表明所提启发式方法在求解质量和计算时间上均有良好表现。     

产品开发中任务工期不确定条件下耦合集求解模型分析

针对产品开发中任务工期的不确定性,运用三点估计法估算任务工期的正态分布曲线和置信区间,并结合二阶段迭代模型,建立工期不确定条件下具有资源最优配置特性的耦合集求解模型,通过求解该模型得出在最佳的任务分配和资源分配情况下任务完成时间的分布情况。该方法通过某门座起重机变幅系统的开发实例应用分析进行了有效验证,能为实际产品开发提供一定的指导依据。     

带时间窗约束的AGV集配货绿色路径规划问题研究

针对柔性制造车间背景下带时间窗约束的自动化导引运输车（automated guided vehicle,AGV）集配货绿色路径规划问题,以最小化AGV集配货过程能耗及时间偏离能耗作为组合优化目标,构建AGV绿色车辆路径规划模型,根据所研究问题特性,提出了一种改进变邻域搜索的混合遗传算法（GA-VNS）对其进行求解,并设计了5种邻域结构来提高算法寻优能力。通过对Solomon算例测试集进行求解,并与国际已知最优解进行数据对比,验证文章所提算法的可行性;进一步以某柔性制造车间某一生产时段的AGV物流运输任务作为实验案例,分别使用所设计的算法、GA和VNS算法对问题进行求解,数值实验结果表明了文章所提模型及算法的优化、适用性,为车间实现节能减排的发展目标提供一种可行方案。     

基于改进蚁群算法的制造云服务组合优化

为解决云制造环境下的动态服务组合问题,提出一种基于改进蚁群算法的制造云服务组合优化算法。在分析制造云服务组合流程的基础上,通过子任务服务质量评估模型优选制造云服务,并将服务质量值作为信息素,以服务间转移成本为启发函数参数,采用最优路径列表和轮盘赌选择机制改进蚁群算法,求解整体最优组合路径,最后利用组合制造云服务的服务质量计算模型评估全局最优路径服务质量综合信息。仿真实验证明该算法能有效求解制造云服务组合问题,并能较快地收敛于全局最优解。     

不确定环境下的产业链生产与配送协同调度优化

为有效整合产业链内部资源,提升产业链竞争优势,对产业链生产与配送协同调度优化问题进行了研究,分析问题涉及的3个价值环节,建立其数学模型,并针对调度中存在的生产不确定性问题,进行模型的不确定性补偿,在此基础上,提出一种基于随机模拟、模糊推理、神经网络、启发式算法融合的不确定规划最优化系统。基于该系统,对不确定规划中存在的随机性、并发性与模糊性进行拟合,并通过启发式寻优求解出不确定环境下产业链生产与配送协同调度问题的最优方案。通过对不同规模问题实例进行仿真实验,结果表明所构造的系统可较好地拟合调度过程中的不确定环境,在此基础上可得出适应性强的方案解,解的质量明显优于生产与配送协同调度遗传算法和生产与配送阶段优化算法。     

[车间调度]并行多机开放车间调度问题的模型与算法

发光二极管制造过程中,晶粒分类拣选工序的调度问题是典型的并行多机开放车间调度问题,属于NP-hard问题。研究了该调度问题以最小化总加权完工时间为目标的求解模型与算法。根据问题特性构建了可获得最优解的混合整数规划模型,并设计了同时考虑质量与求解效率的启发式算法和改进粒子群优化算法。仿真结果显示,启发式算法和改进粒子群优化算法都能在合理的时间内迅速有效地获得较佳的调度解。     

基于启发式算法的集装箱甩挂运输任务集调度优化

本文以苏宁物流中心为例,以甩挂运输牵引车最优行驶路径为研究出发点,根据任务类型的不同将集装箱的任务集合划分成四类,目标是在完成总任务所需时间最少的情况下,建立甩挂运输任务混合整数规划模型,并设计了基于时间紧迫度的启发式算法求解模型.数值实验结果表明:与传统的任务集调度方法相比,应用本文设计的方法后,任务集调度优化运输效...     

并行多机开放车间调度问题的模型与算法

发光二极管制造过程中,晶粒分类拣选工序的调度问题是典型的并行多机开放车间调度问题,属于NP-hard问题。研究了该调度问题以最小化总加权完工时间为目标的求解模型与算法。根据问题特性构建了可获得最优解的混合整数规划模型,并设计了同时考虑质量与求解效率的启发式算法和改进粒子群优化算法。仿真结果显示,启发式算法和改进粒子群优化算法都能在合理的时间内迅速有效地获得较佳的调度解。     

基于Pareto最优的多企业协同计划调度优化

为解决协同制造环境下多协作企业的协同计划调度问题,针对多企业协同生产链实际运作过程,建立了一种考虑综合成本和完工时间的多目标计划调度优化模型。基于Pareto最优概念,采用NSGA-Ⅱ算法（快速非支配排序遗传算法）来解决多目标优化问题。为了保证解的收敛性和多样性,设计了有效的编解码方式和遗传操作程序,通过局部变异种群重复个体,并采用分布函数自适应选取精英数量,得到一系列Pareto最优解。最后通过仿真实例对多目标优化模型和算法进行了求解,结果表明,该方法可快速有效地实现全局多目标寻优,从而找到更多更合理的协同计划调度方案。
     

参数α、β和ρ自适应调整的快速蚁群算法

对蚁群算法迭代次数多、收敛速度慢提出了改进。针对蚁群算法前期信息素匮乏而导致收敛速度慢的问题,对信息素和启发式信息的权重参数α和β进行改进,动态调整两种参数;针对迭代后期信息素浓度过高,使得蚁群易陷入局部最优问题,对信息素蒸发系数加以改进,使其成为动态全局自适应参数。通过栅格法进行静态已知环境建模,通过不同规模的路径规划的实验验证了改进后的蚁群算法在寻找最优路径时具有更快的运算速度。