基于过滤器技术的约束粒子群优化算法

工程设计中处理约束优化常采用罚函数法,但其优化结果敏感于惩罚因子,针对特定的实际问题往往需要多次试验以得到合适的罚因子取值。为了避免反复的参数选取测试过程,将过滤器约束处理机制和粒子群优化(Particle swarm optimization,PSO)相结合用于求解约束优化问题。过滤器方法基于多目标规划中的支配思想,以一组互不支配点所对应的目标值与违背度对构成过滤器,利用其处理约束可以避免使用罚函数。基于过滤器的约束PSO算法在粒子进化过程中,对各粒子历史最优解和粒子群历史最优解分别构造滤器,并依据可行性优先的粒子比较准则从对应的过滤器中选择最优解从而实现粒子的更新。然后,利用工程优化设计标准算例和翼型优化设计实例,将过滤器PSO算法和罚函数PSO算法、遗传算法进行比较研究,结果表明过滤器PSO算法能够获得较好的约束优化设计结果,是求解约束优化问题的一种有效方法。     

炼钢-连铸-热轧一体化生产计划排程方法研究

对钢铁生产中炼钢、连铸、热轧三个关键工序的单工序排程的目标和影响因素进行分析,针对单工序生产计划排程存在的协调匹配问题,利用国内外求解炉次计划和浇次计划的背包模型和求解轧次计划的多旅行商模型,建立炼钢-连铸-热轧一体化生产计划排程的模型体系,并提出一种按各工序生产需求制定生产初计划,按各工序生产能力调整初计划的策略来保证生产的连续性和平衡性。     

考虑工艺路线的热轧无缝钢管订单排程方法

为解决热轧无缝纲管在多工艺路线下的订单排程问题,将工艺路线因素引入热轧钢管订单排程中,建立了以合理的工艺路线切换、最小化机器设备调整和准时制生产为优化目标的约束满足模型,并设计了求解算法。该算法根据模型特征,提出基于降序最佳适应的约束满足算法和基于约束的聚类算法,对订单进行整理并形成初始轧制计划;设计了两种批次交换搜索算法,分别对单日内及日间的初始轧制批次进行排程优化。通过基于实际订单数据的实验讨论了上述算法两两组合的求解效果和各自的适用情况,验证了模型和算法的可行性和有效性。     

混合流水车间多目标调度的小生境粒子群算法

混合流水车间多目标调度问题(HFMSP)是一种具有很强应用背景的生产调度问题,对它的研究具有理论意义和工程价值。针对该类调度问题结合生产实际应用调度和多目标优化理论建立基于时间和交货期最优条件下的多目标调度问题模型,提出一种小生境粒子群算法对模型进行优化求解。该算法采用NSGA-II的非支配排序策略和动态加权方法选择最优粒子,利用粒子聚集距离的变异操作保证解的收敛性和多样性。通过仿真实验,验证了模型的正确性和算法的有效性。     

多排料方案下的加工排程优化研究

结合工程机械中金属结构件的加工特点,针对金属结构件生产过程中多任务混合下料与加工排程优化问题,提出多种排料方案下的带工艺约束多目标加工排程优化模型,并设计一种蚁群--递阶遗传算法来求解该模型。该算法首先利用蚁群算法选择一组优异的排料方案,然后利用递阶遗传算法的选择、交叉、变异等操作求解作业加工顺序及机器选择问题。通过对加工排程的优化,缩短金属结构件产品生产周期,降低其在制品数量和提高设备利用率,并通过实例分析证明了该方法的有效性。     

基于拥挤距离排序的多目标粒子群优化算法及其应用

针对多目标粒子群算法在全局寻优能力和Pareto集多样性上的不足,提出基于拥挤距离排序的多目标粒子群算法.该算法采用精英策略,基于个体拥挤距离降序排列,进行外部种群的缩减和全局最优值的更新,并在内部粒子群中引入小概率变异机制,增强算法的全局寻优能力,控制Pareto最优解的数目,同时保证其收敛性和多样性特征.在电梯曳引性能的多目标优化应用中,证明了该算法对于两目标和三目标优化问题求解的有效性.不同规模实例的运算对比表明,该算法在Pareto前沿的收敛性和多样性方面均优于改进强度Pareto进化算法,且缩短了运算时间,具有较高的效率与鲁棒性.     

基于多目标粒子群算法工业机器人最优轨迹规划

针对工业机器人,以时间最优、能耗最优、脉动最优工作指标为目标,考虑多目标的轨迹优化问题,提出一种基于粒子群算法(PSO)的多目标轨迹优化的方法.采用五次多项式插值的方法建立工作轨迹的数学模型,添加相应的运动学的约束,以机器人运行时间、能量消耗、脉动冲击为目标建立目标函数,采用多目标粒子群算法(MOPSO)对其运动轨迹进...     

基于MOPSO的航空发动机分支管路多目标布局优化

分支管路的布局优化属于NP难问题,其多目标优化情况则更加复杂。针对航空发动机分支管路多目标敷设问题,以分支管路长度最小化、分支点数量最小化以及管路平滑度最优为优化目标,建立了基于避障Steiner树的分支管路多目标布局模型。考虑到模型的复杂性,设计基于多目标粒子群优化（Multi-objective particle swarm optimization,MOPSO）的模型求解算法。其中,以分支点数量和坐标作为决策变量;针对分支管路拓扑结构特点,提出一种分支管路平滑度计算方法,结合非支配排序和网格密度计算完成个体多目标评价;通过可视图和测地线处理约束条件;通过多目标粒子群进化计算求得Pareto解集。所建立的分支管路多目标布局模型及求解算法考虑了多端点情况、多目标优化以及避障约束。最后通过管路敷设算例验证了可行性。     

板坯热轧计划编制的优化模型与算法

针对热轧计划编制问题,考虑不兼容钢种因素,给出了主体材的热轧规程,并在优化目标中引入最小化出炉温度跳跃惩罚,建立了多目标数学模型。结合模型特征设计了单亲遗传算法,并对算法的基本参数和目标函数的惩罚值进行了深入探讨,以增强算法的适用性和求解效率;提出了热轧计划数和不可行热轧计划解的处理策略,以提高算法的求解性能。以钢种、规格和轧制工艺优化的订单和库存数据为初始数据,考虑有/无不兼容钢种两种情况进行仿真实验,实验结果表明,所提模型和算法能够有效解决不兼容钢种热轧计划问题,编制的热轧计划具有准确性。     

基于小生境粒子群算法的公差多目标优化设计

为解决产品设计中的公差优化问题,提出一种基于小生境粒子群算法的公差多目标优化方法。以加工成本、质量损失成本和公差敏感性为优化目标,以装配功能要求和加工能力为约束条件,建立了公差多目标优化模型。对标准粒子群算法进行改进,根据小生境数和Pareto优劣性确定孤立粒子,并通过个体历史最优粒子与孤立粒子的变异、选择操作更新粒子的个体历史最优位置;利用Pareto支配数排序更新粒子群的全局最优位置。利用改进的粒子群算法对公差多目标优化模型进行求解,得到分布均匀的Pareto前沿。设计并开发了原型系统,通过实例验证了该方法的有效性。     

周期式退火炉作批处理机的可重入批离散机流水车间调度

针对无缝钢管冷拔生产中的周期式退火炉作批处理机的可重入批离散机流水车间调度问题,建立以总工件完工时间与批处理机总能源消耗最小化的双目标优化调度模型,设计包括多目标粒子群算法、快速非支配等级排序、拥挤度比较以及变异进化操作的多目标粒子群算法,该算法采用非支配等级排序与拥挤度比较进行最优粒子的选择策略和算法前期与后期变异相结合使用策略。试验结果表明,与带变异进化操作的多目标粒子群算法和非支配排序粒子群算法相比,该算法在两个目标函数上都找到更优的最小值,其结果平均水平更靠近Pareto解集的前沿,有效提高了算法的优化求解能力。通过Pareto解的方式该算法可得到一组综合权衡了完工时间和退火炉能源消耗两个指标的Pareto解集,能提供多种可选的调度方案,当生产时间充足,可尽量选取退火炉能源消耗较低的方案,当企业订单繁多追求生产效率时,可尽量选取完工时间较小的方案,有效地解决了此类实际问题。     

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。
     

基于小生境粒子群算法的柔性作业车间调度优化方法

针对柔性作业车间调度中的多目标优化问题,提出一种将小生境技术和粒子群算法相结合求最优解的优化方法。构建了满足约束条件的多目标优化模型,采用分段排列编码的方式表示染色体,利用粒子群算法获得存储非劣解的外部存档,基于小生境技术计算粒子的删除概率对其进行更新,保证了解的精度和多样性。为从Pareto最优解集中选出一个最满意解,提出一种总体价值估计选取方法。通过试验验证了该方法的有效性。     

多品种汽车发动机两阶段模糊再制造生产计划

针对多品种发动机再制造生产过程中存在的不确定性因素,以最小化生产成本为目标,基于可信性理论建立了不确定环境下汽车发动机两阶段模糊再制造生产计划模型。该模型考虑多品种产品回收情况下,拆解零件的再制造加工数量、加工成本、新零件采购数量以及市场需求的不确定性对再制造加工生产计划的影响,将生产过程分为两个阶段,并采用补偿函数逼近方法,将具有无限支撑的无限维优化模型转化为有限维优化问题进行求解,设计了基于逼近方法的粒子群算法来求解两阶段模糊生产计划问题。以曲轴飞轮总成为仿真实例,验证了该混合智能优化算法解决两阶段模糊规划问题的有效性和合理性。     

基于AHP-GRA的热轧计划排程评价体系研究

为解决计划排程方案优劣判定问题,建立了面向热轧的计划排程综合评价体系。依据热轧生产过程的约束条件和节能需求,从生产工艺、生产资料和能源消耗三方面,归纳出热轧计划排程综合评价指标体系,结合模糊理论,利用灰色关联层次分析法(AHP-GRA),对排程方案进行综合评价。最后,通过对某钢铁企业的热轧排程进行评价,验证本评价体系的可行性和科学性。     

基于粒子群算法的多目标模糊物元优化研究

针对产品设计优化过程中多目标性、模糊性、不确定性等特性,提出基于粒子群算法的多目标模糊物元求解策论.建立了多目标模糊物元优化模型,定义了物元的各个权重,根据某种优化准则,将多目标优化问题转化成了单目标问题的优化.运用粒子群算法作为求解策略,并提出新的改进方法,给出模糊物元多目标优化设计问题的改进自适应粒子群算法(MAPSO)求解过程,并将它与其他方法进行比较,结果显示该算法具有较高的执行效率.     

基于嵌套粒子群结构的复杂系统维修决策优化方法

针对复杂系统的多维修人员定期检修策略，考虑维修人员数量对系统维修成本及停机时间的影响，提出一种两层嵌套粒子群结构的复杂系统多目标维修决策优化方法。该方法利用底层粒子群算法求解维修任务排序的并行调度问题，得出检修节点的最小化最大维修时间，再通过顶层多目标粒子群算法，对系统可靠度、可用度及维修成本模型进行搜索优化，得到该三目标模型的Pareto前沿解集，并分析前沿粒子在三个目标的平衡关系，推荐出最优的维修方案，通过算例验证了该方法的可行性。所提方法在有效地提高系统可靠度和可用度、降低维修成本的同时，还可以为决策者对组件维修等级的确定、维修人员任务的分配等问题提供决策支持。     

有限资源约束下的刀具调度方法研究

数字化车间的刀具库存量有限,在生产中经常会发生多道工序同时采用同一种刀具的情况。为了解决刀具使用冲突的问题,提出了有限资源约束下的刀具调度模型,建立包括最大完工时间和拖期惩罚费用最小化的目标函数,设计了基于刀具时间冲突的调度算法对其进行求解,得到了最优的生产作业排程以及满足该排程的刀具需求计划,并通过具体生产排程实例验证了算法的有效性。     

基于拥挤距离排序的铝电解多目标优化

针对铝电解生产过程难以快速、准确地获得节能减排多目标优化Pareto前沿问题,提出一种基于拥挤距离排序的多目标细菌觅食算法。方法在保证铝电解槽平稳运行的基础上,建立电流效率最大和温室气体排放量最小的多目标优化模型;利用拥挤距离更新外部档案及对菌群步长进行自适应动态调整,以改进种群的收敛性和多样性,最后对优化模型求解。通过实验可知,改进后的算法能快速获得分布均匀的Pareto最优解,运用优化后的决策参数指导生产,能在提高电流效率的同时减少温室气体的排放量,实现铝电解生产过程节能减排的目的。     

考虑加热温度曲线的热轧批次计划

针对目前热轧计划模型中未考虑加热炉温度变化而造成的能耗高的问题,根据钢铁企业热轧生产工艺的特点,将热轧批次生产计划归结为轧制计划数不确定的车辆路径问题。重点考虑了加热炉温度的变化规律和批次间温度的跳跃约束,以极小化温度跳跃惩罚值为目标建立了轧制计划数学模型,并设计出一种鱼群寻觅粒子群算法对模型进行求解。根据国内某钢铁企业热轧生产实际问题对模型和算法进行了验证,实验结果表明:考虑加热温度曲线的热轧批次计划不但能够按照预定的温度变化趋势来指导生产,而且有利于降低加热炉能耗和延长其寿命,因此所提出的模型和算法切实可行。