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。     

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。     

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。     

人机共站并行拆卸线平衡问题建模与混合教学优化算法

针对现有人机共站拆卸问题研究对任务间影响关系约束的不足，提出人机共站并行拆卸线平衡问题，以工作站开启数、空闲时间均衡指标、操作者总数和拆卸成本为优化目标，构建了其多目标混合整数规划模型。并提出一种混合教学优化算法求解，算法在原始教学优化算法的基础上融入自学操作和模拟退火操作，以保持种群多样性并避免算法陷入局部最优。应用数学规划软件LINGO精确求解所提问题的中小规模算例并与算法求解结果对比，验证了所建模型正确性与算法的有效性。最后，将所建模型与所提算法应用至大规模人机共站并行拆卸线实例中，通过与多种算法进行不同的对比试验，进一步验证了所提算法求解性能和求解质量的优越性。     

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.     

随机作业时间的U型拆卸线平衡多目标优化

为更好地反映实际拆卸作业时间的不确定性,建立了考虑随机作业时间的多目标U型拆卸线平衡问题的数学模型,并针对传统方法求解多目标问题时求解结果单一、无法均衡各目标等不足,提出一种基于Pareto解集的多目标混合人工鱼群算法。算法采用自适应视野串行觅食方式,以减少并行觅食时出现重复搜索现象,并根据多目标拆卸序列之间的支配关系得到Pareto非劣解集,实现了鱼群寻优结果的多样性。对鱼群觅食得到的拆卸序列进行模拟退火操作,增强了算法跳出局部最优的能力。采用拥挤距离机制筛选非劣解,实现了拆卸序列的精英保留,进而将非劣解添加到下次迭代的种群中,加快了算法的收敛速度。将所提算法应用于具有55项任务的某打印机拆卸实例,经与基本人工鱼群算法、模拟退火算法对比,验证了所提算法的有效性和优越性。     

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。     

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。     

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%。     

考虑人因的多目标拆卸线平衡问题及改进风驱动算法求解

考虑实际中拆卸生产线长期依赖人工操作的情况,以工作站数目、空闲时间均衡指标、拆卸成本和站姿操作工位数为目标函数,构建了考虑人因的多目标数学模型,并运用改进风驱动算法求解。通过离散风驱动算法建立拆卸任务与空气质点驱动的对应关系,采用变邻域搜索扩大空气质点的搜索空间;为保证求解结果的多样性,引入Pareto解集和拥挤距离机制筛选多目标解,并用不同规模算例对所提算法进行测试,通过与其他算法进行对比验证了算法的可行性和有效性;将该算法运用到考虑人因的打印机拆卸线平衡问题中,验证了考虑人因的拆卸方案更具合理性和优越性。     

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。     

考虑工位约束及能耗的双边拆卸线平衡问题建模与优化

针对现有双边拆卸线对能耗问题研究的不足,以最小化工作站数、负载均衡指标、危害指标和能耗指标构建了多目标双边拆卸线数学模型.该模型新增工位优先关系及站内位置两种约束,线性化表达了具有优先关系约束的拆卸任务的分配方式;明确了分配至同一工作站内不同任务间的相对位置关系.结合双边拆卸线问题特征,提出一种改进差分进化算法,该算法...     

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。     

资源约束下拆卸线平衡问题的建模与改进混合蛙跳算法

针对实际拆卸线中涉及的资源约束和危害零件问题,以资源总数、工作站数和危害指数为目标函数,构建了多目标资源约束拆卸线平衡问题数学模型。基于AND/OR关系,在优先关系矩阵中添加OR关系的描述,解决了产生初始解仅考虑AND关系的不足问题。提出了一种融入Pareto思想的改进混合蛙跳算法  ,该算法采用基于满意度的改进排序分组策略来解决多目标优化种群分组问题;提出了一种新的交叉变异方式进行局部搜索以提高收敛性能;利用拥挤距离机制评价非劣解集以及有效地维护外部档案容量。采用田口实验和统计分析方法确定了算法最佳参数组合,将改进前后的混合蛙跳算法及NSGA-Ⅱ对测试算例的求解结果进行了多指标对比分析,研究结果表明：改进混合蛙跳算法具有良好的综合求解优势。最后,将所提算法应用到某电冰箱的资源约束拆卸线平衡问题中,为决策者提供了较优的拆卸方案。     

基于免疫算法的对等网络任务调度

针对用于任务调度的遗传算法所存在的缺陷,提出了基于免疫算法的对等网络环境下的任务调度策略。首先定义了对等网络任务调度的相关问题,然后分别构造了考虑负载均衡和种群多样性的种群初始化算子和克隆选择算子,并设计了新颖的自适应变异算子和具有先验知识的疫苗,同时给出了对等网络节点的获取和管理策略。在此基础上,利用所提出的任务调度策略,完成了任务调度过程。实验结果验证了调度策略的有效性。     

A particle swarm optimization algorithm with neighborhood-based mutation for sequence-dependent disassembly line balancing problem

For environmentally conscious and sustainable manufacturing, manufacturers need to incorporate product recovery by designing manufacturing systems to include reverse manufacturing by considering both assembly and disassembly systems. Just as the assembly line is considered the most efficient way to assemble a product, the disassembly line is seen to be the most efficient way to disassemble a product. While having some similarities to assembly, disassembly is not the reverse of the assembly process. The challenge lies in the fact that it possesses unique characteristics. In this paper, we consider a sequence-dependent disassembly line balancing problem (SDDLBP) that is concerned with the assignment of disassembly tasks to a set of ordered disassembly workstations while satisfying the disassembly precedence constraints and optimizing the effectiveness of several measures considering sequence-dependent part removal time increments. SDDLBP is not a trivial problem since it is proven to be NP-complete. Further complications occur by considering multiple objectives including environmental and economic goals that are often contradictory. Therefore, it is essential that an efficient methodology be developed. A new approach based on the particle swarm optimization algorithm with a neighborhood-based mutation operator is proposed to solve the SDDLBP. Case scenarios are considered, and comparisons with ant colony optimization, river formation dynamics, and tabu search approaches are provided to demonstrate the superior functionality of the proposed algorithm.     

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。     

可重构装配线多目标优化调度研究

针对可重构装配线调度存在的问题,综合考虑影响可重构装配线调度的三个主要因素,即最小化空闲和未完工作业量、均衡零部件的使用速率、最小化装配线重构成本,建立了可重构装配线多目标优化调度的数学模型。提出了一种基于Pareto多目标遗传算法的可重构装配线优化调度方法,该算法综合运用了群体排序技术、小生境技术、Pareto解集过滤及精英保留策略,并采用了交叉概率和变异概率的自适应重构策略。实例仿真表明该算法具有比其他遗传算法更高的求解质量。

     

基于强化学习的群体进化算法求解双边多目标同步并行拆解线平衡问题

双碳背景下,工业制造领域朝着绿色、节能的方向转型,对废旧产品进行回收拆解以及再制造有利于推动高质量发展。论文针对大型复杂产品拆解过程中难以改变拆卸方向的问题,并综合考虑实际拆卸过程中任务之间存在的多种约束类型,研究了同步并行模式下的双边拆解线平衡问题(two-sided disassembly line balancing problem, TDLBP)。首先引入双边布局的拆解线模式,定义了与优先和或优先关系,建立了TDLBP的数学模型以优化产线布置、经济效益和安全环保三个方面共六个指标。然后提出了一种基于强化学习的群体进化算法,采用Q-learing利用所学知识选择迭代中的最佳算子,通过拥挤距离筛选Pareto解集,利用精英保留策略加速算法收敛,进而高效获取近似最优的拆解方案。最后通过求解小规模算例并对比分析,验证了所提出算法的有效性和优越性,并进行大规模案例的应用。     

基于遗传算法的订单式车间调度问题

针对订单式生产特点,提出了订单式专门机调度模型,给出了相应的解决问题的遗传算法具体实现过程.针对该模型,对算法进行适应度值标定、采用集合分割的交叉算子以及大变异策略等操作设计.最后,将该算法与启发式规则对不同规模问题的模拟仿真比较,证明该算法能更有效地取得较优解,并能用于较大规模的调度中.