多目标的拆卸线平衡问题优化研究

拆卸是废旧产品回收利用的重要途径,根据产品拆卸线的特点,构建拆卸线平衡问题的多目标关系。针对求解拆卸线平衡问题所遇到的求解结果单一、无法满足平衡诸多目标等问题,以均衡工作站负载且引入操作安全性、任务拆卸方向和任务需求为优化目标建立数学模型,在此基础上,提出一种基于遗传改进的多目标灰狼算法进行求解计算。基于废旧电冰箱拆卸案例对比验证算法的效果与性能,并将其应用于再制造企业某废旧电视机拆卸实例中。以Plant Simulation 15.0仿真软件为平台,运用仿真技术对所得理论方案分析与优化,通过在重要工位上建立缓冲区来解决实际拆卸过程中所存在的工位堵塞问题。结果表明该算法的收敛性较好,所获得非支配解集更逼近Pareto最优前沿,得出多个合理拆卸方案,为决策者选择拆卸方案提供了依据,且改善后的工位产能也提升了3.23%。     

不确定工人体能消耗的多目标U型拆卸线平衡问题

鉴于工人的体能消耗不但影响拆卸线生产效率,而且因其自身状态、熟练程度和操作习惯等存在不确定性,基于三角模糊数首次提出不确定工人体能消耗的U型拆卸线平衡问题,并建立以最小化工作站数量、空闲时间均衡指标和工人体能消耗指标为优化目标的数学模型。提出一种改进磷虾算法,结合模型问题特征设计磷虾附近个体感应、磷虾觅食和磷虾扩散3个操作,并设计了一种反向学习机制以增强算法的全局搜索能力。运用Pareto思想和拥挤距离机制筛选获得多个非劣解。通过求解19个基准算例并与现有文献的求解结果对比,验证了所提算法的优越性。最后,将所建模型和所提算法应用于拆卸电脑显示器的实际案例,通过对比验证了模型的实用性和改进磷虾的优越性。     

基于Pareto蚁群算法的拆卸线平衡多目标优化

为提高产晶拆卸效率,针对拆卸线平衡问题建立了数学模型.该模型以最小拆卸线闲置率、负荷均衡和最小拆卸成本为优化目标.结合拆卸线平衡问题的具体特点,提出了一种改进的基于Pareto解集的多目标蚁群优化算法.算法采用小生境技术,引导蚂蚁搜索到分布良好的Pareto最优解集,并以被支配度和分散度为个体评价规则.实验测试结果表明了该算法的可行性.最后,结合企业生产实际,给出了所提模型与算法的具体应用.     

多目标不完全拆卸线平衡问题的建模与优化

针对实际生产中在满足约束条件下仅考虑拆卸需求零件和危害零件的特点,以工作站数目、空闲时间均衡指标和拆卸成本为优化目标,构建了不完全拆卸线平衡问题多目标模型。基于解的离散性和优化目标的多重性,提出一种Pareto解集思想的变邻域-粒子群融合算法。该算法通过建立拆卸任务和粒子群迭代搜索的对应关系,将变邻域搜索作为局部搜索策略,同时引入Pareto解集思想、拥挤距离机制处理多目标问题,以保证求解结果的多样性;通过Hyper-volume指标解决了多目标优化难以评价算法收敛性能及Pareto解集优劣等问题。采用所提算法求解不同规模完全拆卸线平衡问题测试算例,其中不同搜索深度的对比试验表明了变动搜索深度能很好地兼顾求解质量和求解效率,不同算法的对比试验表明了所提算法的优越性。最后,将所提模型与求解方法应用至某打印机不完全拆卸线的设计中。     

基于多目标算法与动态仿真的带调整时间的拆卸线平衡优化方法

针对拆卸方向改变对作业时间的影响,以最小化拆卸成本、无效作业率和不平滑率为优化目标,构建了考虑调整时间的多目标拆卸线平衡问题模型,并提出了一种Pareto免疫遗传算法与仿真技术相结合的求解方法。算法融合了遗传算子和免疫算子,能有效避免解出现退化和陷入局部最优。通过求解25项拆卸任务算例,并与现有5种算法进行对比,验证了所提算法的有效性。进而将所提模型和算法应用于某打印机拆卸线实例,进一步考虑拆卸时间不确定、存在故障等实际情况,运用仿真技术分析与优化,结果表明所提方法能有效降低等待和堵塞造成的无效作业时间,提高拆卸效率。     

考虑能耗的多目标拆卸线平衡优化与层次分析法决策

针对拆卸过程中能耗浪费和负荷不均衡现象,以最小化拆卸能耗、工作站数目、平滑指数、危害指数和需求指数为优化目标,建立了多目标拆卸线平衡模型。结合拆卸线平衡问题的特点,设计了一种基于Pareto的离散果蝇算法,在嗅觉搜索阶段,采用单点变异操作;在视觉搜索阶段,筛选最优邻域解以更新个体;为了增加算法的全局寻优能力,用两点交叉操作执行全局协作机制。为了提高收敛效果,采用精英保留策略对外部档案中的非劣解进行维护。通过求解不同规模的拆卸算例,并与现有多种算法进行对比,验证了所提算法的有效性。以27项任务的某型电视机为拆卸实例,通过所提算法求得12个非劣解,采用层次分析法对Pareto解集进行排序,筛选最满意解,结果表明了所提方法和模型的可行性和有效性。     

考虑碳排放与收益的随机并行拆卸线平衡优化

针对废旧产品回收过程中,需有选择对综合收益高的零部件进行拆卸的问题。选择最小工作站数,平滑度,碳排放量,拆卸收益作为优化目标,并对相应目标进行量化分析,提出一种随机并行拆卸线平衡优化方法。在构建随机并行拆卸线基本解集的基础上,为避免Pareto解集逐渐趋同的问题,提出一种基于环形拓扑结构的花授粉算法(Ring topology flower pollination algorithm, Ring-FPA),实现了对Pareto解集的决策处理,获得考虑碳排放与收益的随机并行拆卸线平衡最优解。以手机和笔记本电脑并行拆卸线平衡优化为例,选择NSGA-Ⅱ、FPA,以及AFSA算法进行对比,对所提方法的可行性和有效性进行了验证。     

多目标拆卸线平衡问题的Pareto人工鱼群算法

针对拆卸线平衡问题的复杂性,提出了一种改进的基于Pareto解集的多目标人工鱼群算法进行求解。为提高人工鱼觅食时的寻优能力,引入遗传算法的随机交叉操作,指导人工鱼向全局最优拆卸方向觅食。通过拥挤距离不断筛选人工鱼觅食、聚群和追尾过程中的非劣解,实现了各行为结果的多样性。采用精英保留策略,将外部档案中的非劣解添加到算法下次迭代的种群中,加快了算法的收敛。通过对不同规模的拆卸实例进行求解,并将其与已有算法进行对比,验证了所提算法的有效性和优越性。     

U型布局的拆卸线平衡问题及其求解算法研究

建立以精益生产为准则的多目标U型拆卸线平衡问题模型,并提出了一种改进的人工蜂群算法求解该问题。通过利用蜜蜂对蜜源进行标记完成自身学习过程,有效地改善了蜜蜂寻找蜜源的能力。为避免算法搜索过程中陷入局部最优,采取模仿其他蜜蜂的搜索行为打破僵局,并将改进人工蜂群算法应用于求解文献中的实例,通过对比表明改进人工蜂群算法可以寻找到更优的解,从而验证了算法的可行性。最后,将改进人工蜂群算法用于U型布局求解,将U型布局结果与直线型布局进行对比,体现了U型布局的优越性。     

多目标拆卸线平衡问题的Pareto遗传模拟退火算法

针对传统方法求解多目标拆卸线平衡问题时求解结果单一、无法平衡各目标等不足,提出一种基于Pareto解集的多目标遗传模拟退火算法。该算法融合了遗传操作的快速全局搜索能力和模拟退火操作较强的局部搜索能力,对遗传操作的结果进行模拟退火操作,避免了算法陷入局部最优。结合多目标优化问题的特点,改进了模拟退火操作的Metropolis准则。根据拆卸序列之间的Pareto支配关系得到非劣解,并采用拥挤距离评价非劣解,实现了拆卸序列的精英保留,进而将非劣解添加到种群中,加快了算法的收敛速度。基于25项拆卸任务算例,通过与现有的6种单目标算法进行对比,验证了所提算法的有效性,并将所提算法应用于某拆卸线实例中,求得10种平衡方案,结果表明所提算法较Pareto蚁群算法更具优势。     

面向多目标拆卸线平衡问题的一种改进粒子群优化算法

为提升粒子群优化算法在解决复杂拆卸线平衡问题时的计算能力,提出一种改进的粒子群优化算法。该算法选取每个粒子运行最优的邻居粒子为粒子每次迭代过程中"个体学习部分"的学习样本。为保证种群多样性,避免算法出现早熟收敛,提出一种粒子间的水平混合变异(均匀分布变异和高斯分布变异),通过变异判定条件,对粒子的位置进行变异更新,提升算法的搜索性能。针对多目标问题,利用基于目标优先顺序的粒子群优化算法,将多个目标问题按优先顺序进行优化。通过拆卸问题的仿真计算比较结果,验证算法的有效性。     

随机作业时间的装配线平衡问题

针对随机型装配线平衡问题,分析了作业时间的随机波动对元启发式方法和启发式方法的失效影响,提出了描述各个工位在给定完工率下最小投产间隔的完工率节拍的概念,并以完工率节拍为评价指标,建立了随机作业时间条件下的第2类装配线平衡问题模型。设计了一种双染色体遗传算法对模型进行求解,并结合经典算例对该模型在随机型装配线平衡中的应用进行了实例验证,求解结果表明了模型的有效性。     

求解多目标拆卸线平衡问题的一种蚁群算法

结合拆卸线平衡问题的特性,建立了相应的数学模型。该模型在以最小化工作站数、均衡各工作站空闲时间为目标函数的基础上,考虑了尽可能早地拆卸有危害、高需求的零件以及最小化拆卸方向的改变,提出了一种改进的蚁群算法。该算法采用了利用先验知识、探索新路径、随机选择三种方式的混合搜索机制,将综合考虑零件拆卸时间、危害和需求作为算法的启发式信息来提高搜索的效率。应用实例的计算分析表明该提算法具有可行性及有效性。     

工具约束下多目标拆卸线平衡问题的猫群模拟退火算法

针对已有研究中忽略拆卸工具的不足,基于多目标拆卸线平衡模型,考虑了作业过程中的工具更换因素,建立了包含最小化工具更换次数的多目标拆卸线平衡问题数学模型,并设计了一种多目标猫群模拟退火算法进行求解。提出基于序列交换的离散跟踪模式;将猫群优化算法与模拟退火算法相结合,以增强算法的全局寻优能力;引入拥挤距离筛选,提高算法运行效率的同时有效的保证外部档案集的多样性;采用精英保留策略加速算法的收敛。通过对已有算例进行求解,并与其他算法对比分析,验证了所提算法的有效性和高效性。最后,将所提模型和算法应用于某型号打印机拆卸线的设计,为决策者提供了多种平衡方案。     

空间约束下多目标拆卸线平衡问题的改进狼群算法

考虑实际拆卸过程中的工作站空间面积约束,以最小化工作站数目、空闲时间均衡指标、拆卸成本及工作站实际使用面积极差值为优化目标,建立空间约束下的多目标优化数学模型,提出一种离散多目标改进狼群算法求解.通过对游走行为、召唤行为和围攻行为进行离散化,引入Pareto解集思想及NSGA-Ⅱ拥挤距离机制,获得多个高质量、多方面综合的较优解.通过对不同规模基准算例的求解,对比说明所提算法的有效性和优越性.最后,将该算法用于求解考虑空间约束的某打印机拆卸实例中,得到10组可行的任务分配方案,表明考虑空间约束的模型和所提算法的可行性.     

双边拆卸线平衡问题建模与优化

针对实际作业中部分产品采用双边拆卸,但已有拆卸线平衡问题研究中工作站均为单边布局的不足,建立了多目标双边拆卸线平衡问题模型。解码时,将任务优先分配至工作站较少的边、次优先分配至剩余时间较多的工作站,以缩短输送路径和工作站空闲时间。针对所建立模型,提出一种Pareto蝙蝠算法,引入Pareto思想以保证解的多样性;采用精英策略有效加速算法的收敛;通过拥挤距离筛选外部档案以提高算法运行效率。通过求解经典算例并对比分析,验证了所提出算法的有效性。将所建模型应用于拆卸线设计,能为决策者提供多种高质量的平衡方案。     

多目标斗链式混流拆卸线平衡的Pareto花朵授粉算法

针对传统作业方式难以实现拆卸线平衡的特征,将具有自平衡性的斗链生产组织方式引入拆卸线中,并结合拆卸产品多样性的特性,构建了优化作业区间负荷均衡指标、需求指标和危害指标的多目标斗链式混流拆卸线平衡模型,提出了一种离散Pareto花朵授粉算法对问题进行求解。为提高初始解的质量,设计了结合问题特征的3种启发式方法。构造了离散异花授粉行为和离散自花授粉行为,确保了解的可行性和高效性,并将离散算法与多目标优化策略相结合,提升了算法的适用性。所提算法求得了25项任务算例的含36个非劣解的已知最优解,扩大了52项任务算例的Pareto前沿边界,并通过对比验证了所提算法求解部分拆卸线算例的优越性。最后,将所提模型和算法应用于混流电视机拆卸线中,得到多种平衡方案,分析结果表明斗链生产组织方式及所提方法能有效达成混流拆卸线平衡。     

基于随机机会约束规划的U型装配线平衡优化

为减少因操作工时波动引起的生产效率损失或生产秩序中断,针对随机工时下第二类U型装配线平衡问题,提出基于物流运输特性的U型装配优先关系约束条件,以保证入口和出口线上的物流顺行;以线效率高和稳定性强为目标,建立了双目标随机机会约束规划模型。由于该模型具有随机、多目标、非线性等属性,通过对随机机会约束的确定型等价处理、对双目标的归一化处理、对非线性约束的线性化处理,将原模型转换为混合整数线性规划模型,并用GAMS/Cplex进行求解。实验结果表明,在操作工时包含随机性时,所提出的随机机会约束规划模型及确定型线性化处理方法,可以较小的效率损失换取生产稳定性的显著提升。