基于瓶颈工序的多资源多目标机械加工车间调度研究

为求解多资源约束的机械加工车间调度问题,建立了包括最大完工时间、平均流经时间、总拖期惩罚和生产成本在内的多目标优化模型,并结合免疫遗传算法和约束理论提出了一种基于瓶颈工序的机械加工车间调度算法。算法依据约束理论提出了一种基于工序的多参数级联编码方法和基于鼓-缓冲器-绳索(DBR)的四阶段解码方法,以及有效的交叉、变异操作。基于瓶颈工序的免疫操作及基于浓度的选择更新机制,保证了多目标优化问题的收敛性以及Pareto解集的多样性。仿真结果表明了该算法的可行性和有效性。     

改进遗传算法求解面向订单多目标排产问题

针对面向订单的多目标排产优化问题,综合考虑订单的延期成本、库存成本和生产单元的负载均衡,构建了面向订单的多目标排产优化的数学模型;针对上述模型设计了一种基于矩阵编码的改进遗传算法,并详细介绍了算法初始种群产生策略、行交叉算子、列交叉算子、行变异算子、列变异算子、适应度函数和选择算子的设计。通过实验对比,验证了提出的算法可以有效地解决面向订单生产的多目标排产优化问题,降低企业生产成本,充分利用生产资源。     

考虑库存费用的多约束排产优化研究

本文针对面向订单的企业生产计划这个多目标决策问题,研究了怎样在排产优化中使库存既能发挥调节供需平衡的作用又能尽量减少维护费用的问题。本文对考虑库存费用的多约束排产优化问题进行了描述并且提出了求解该问题的一种分层遗传算法（HGA）。本文详细介绍了此混合算法的原理,并通过通过一实际订单的优化计算及与普通遗传算法得到的结果进行比较,证明了本文提出的HGA对上述条件下排产优化问题的有效性。     

多约束条件下基于改进遗传算法的叶片优化排序

主要论述了在多约束条件下,基于改进遗传算法的发动机压气机叶片排序程序的快速收敛问题.通常,把发动机压气机叶片排序问题作为一个无约束多目标优化问题,根据目标优化的优先级别将无约束多目标优化问题转化为约束单目标优化问题,建立起了叶片排序的数学模型.采用罚函数法进行了适应度函数设计.在种群初始化时,进行了人工干扰,并采用了植入种子染色体的方法来加快收敛速度.实例表明:方法所得结果可靠,收敛速度快.     

多目标模糊优化方法及其在可靠性设计中的应用

在基于模糊机会约束规划理论基础上,对多目标模糊优化方进行研究,通过模糊模拟求解模糊目标函数的理想极大值和极小值,建立了多目标优化问题的模糊机会约束规划模型,并给出了基于模糊模拟的遗传算法求解方法.通过对一个无约束处理的常规双目标模糊可靠性优化问题实例求解,验证了多目标模糊模拟遗传算法的有效性,并指出该算法的优点在于能较好处理多目标优化问题的分目标量纲不同及其函数值之间差距较大的情况.     

微分进化多目标优化算法研究

对现有的微分进化多目标优化算法做了进一步的研究,揭示了其在机械工程领域中应用存在的问题。在此基础上,对现有的微分进化多目标优化算法进行了修正,给出了基于微分进化算法、适用于机械工程领域的约束多目标优化算法。与目前普遍采用的粒子群多目标优化算法进行了比较,并通过颇具典型意义的双圆弧齿轮传动约束多目标优化范例进行了验证。研究结果表明,该方法比粒子群多目标优化算法具有更好的非劣解的多样性和收敛性,快得多的收敛速度,且程序设计简单、易懂。为机械工程领域约束多目标优化设计提供了一种切实可行的设计算法。     

多目标优化的求解方法与发展

本文首先介绍了传统多目标优化求解方法和改进;对遗传算法,模糊优化,神经网络等算法在多目标优化中的应用做了介绍;最后介绍了满意度.     

基于改进NSGA-Ⅱ算法的箱形伸缩臂多目标优化设计

从初始群体产生及交叉算子两个方面对带精英策略的快速非支配排序遗传算法(NSGA-Ⅱ)进行改进,对伸缩臂进行应力及挠度变形分析,得出应力及应变云图,以确保伸缩臂强度、刚度满足要求。以伸缩臂截面几何参数为设计变量,伸缩臂稳定性及自重为优化目标,利用i SIGHT软件将改进的NSGA-Ⅱ算法与Ansys有限元分析集成,以QY20汽车起重机伸缩臂为例,对起重机箱形伸缩臂进行多目标优化设计,得出Pareto前沿解,并与优化前的截面参数进行对比,验证了该算法的可行性。     

基于多约束条件下的机器人尺寸综合优化

为实现机器人在多约束条件下的尺寸优化,提出一种基于多约束条件下的机器人尺寸优化方法.首先建立6足机器人的简化数学模型,并给出该机器人需要综合优化的设计尺寸;然后分析了该机器人存在的多种约束条件,并进行约束条件的综合.通过对该机器人的运动学求解和力雅克比矩阵的推导,得到机器人的关节转矩表达式;以关节转矩为目标函数,多约束...     

基于特征的模型多目标优化分割算法

为了减少人为因素对分割结果的影响,提高计算精度和效率,保证分割方案的合理性,提出一种基于特征的模型分割算法,通过特征识别、可加工性分析,分割面获取及分割方案多目标优化4个主要步骤完成模型分割。由于分割过程中需要考虑多个目标函数,故将遗传算法多目标优化应用于分割过程中,通过对分割面和分割顺序的优化获得最优化分割结果,并以具体实例验证了算法的可行性。     

基于NSGA-II算法的超轻型火炮摇架多目标优化设计

针对超轻型火炮摇架减小质量、提高刚度的设计要求,基于有限元法和多目标优化设计方法,建立了摇架多目标优化数学模型。以摇架质量和刚度为优化目标,以摇架强度为约束条件,选择了摇架外形结构尺寸和摇架钢板厚度为设计参数,采用改进非支配排序遗传算法(NSGA-II)作为优化方法。通过优化得到了摇架Pareto最优解集,优化结果对超轻型火炮摇架设计具有指导意义,同时,该优化设计方法为处理薄壁结构优化问题提供了一种新的设计思路。     

基于GA的多约束的多目标排序优化

主要论述了一种解决多约束多目标排序优化的方法.采用在Pareto遗传算法中嵌入优先级约束的检索和调整程序,以保证参与变异和交叉的染色体的有效性.研究结果表明此方法可提高寻优效率.     

基于多目标遗传算法的扭转梁式后悬架分析与设计

通过推导扭转横梁的剪切中心,建立了某扭转梁式后悬架等效侧倾运动学模型,计算得到了前束角、轮距以及侧倾中心随侧倾运动时轮跳的变化关系。利用多目标遗传算法,将悬架横梁的位置、衬套中心位置作为设计变量,以车轮运动的前束角、轮胎侧向滑移量以及静态侧倾中心高度为目标函数对数学模型进行了优化,一次性获得了所有的非支配解。通过获得的Pareto解的边界,选择合适的悬架侧倾运动学特性,可以指导扭转梁式后悬架的设计,大幅提高扭转梁式后悬架的设计效率。     

多目标元胞遗传算法及其应用

在单目标元胞遗传算法的基础上,提出一种多目标元胞遗传算法(Multi-Objective Cellular Genetic Algorithm,MOC-GA)。该算法使用元胞自动机的生命游戏规则替代遗传算法的交叉算子,使用NSGA-Ⅱ的选择方式选择个体,同时设置外部种群存储算法进化过程中的非支配个体。为了提高算法的效率和保证非支配解集良好的分布性,使用改进的快速排序法选择非支配个体,依照个体的动态聚集距离对外部种群进行消减。与NSGA-Ⅱ相比,实例表明,该算法具有更好的收敛性和稳定性。     

面向ASP应用的多目标物流配送路径算法研究

探讨了在将第四方物流和ASP引入到物流配送活动中后，如何规划物流配送中车辆安排和路线优化的MVRP问题。提出了一种先分类再确定路线的二阶段法优化算法，该算法首先采用“容重比平衡法”确定车辆配装，然后设计一种改进遗传算法对配送路线进行优化。通过改进遗传算法进行“群体位元交配”、变异率逐代递减等操作来优化多车辆配送路线，避免搜索范围过小和陷入局部最优现象，最后采用固定字串长度(FSL)的二元矩阵编码方式解决了各车辆配送站点数目不相同的问题。     

基于遗传算法的多目标电梯群控技术

针对目前大多数电梯群控系统都以单一目标为基础来调度电梯,提出了一种基于遗传算法的多目标群控算法,该算法不仅考虑了候梯时间和乘梯时间,还考虑了系统能耗.通过应用仿真系统对算法进行了验证,运行实验结果表明了此方案的可行性和优越性.     

基于多目标殖民竞争算法的随机型双边装配线

针对随机型双边装配线平衡问题所特有的操作方位约束、位置约束、区域约束和同步约束,以最大化线效率、最小化平滑指数和最小化单位产品总成本为目标,构建了考虑多约束、多目标的数学模型。提出了一种新型的多目标混合殖民竞争算法求解该模型,设计了相应的帝国初始化、帝国内的同化、殖民竞争等操作,并将殖民竞争算法的全局搜索能力与延迟接受爬山算法的局部搜索能力有机结合,以更快获得更优的Pareto解。通过具体实例测试,并将结果与当前文献和快速非支配排序遗传算法进行比较,验证了所提算法的可行性和有效性。     

基于多目标遗传算法的齿轮传动优化

针对某牵引机车齿轮常出现齿面胶合、点蚀等问题,采用遗传算法,以重合度,齿面接触应力和齿根弯曲应力为优化目标,对齿轮的啮合参数进行了优化。为节省计算成本,在齿轮参数化有限元模型仿真计算的基础上,建立了齿面接触应力和齿根弯曲应力的代理模型。结果表明:遗传算法在多维区域内能快速有效的搜索Pareto解集,实现多目标的优化。以优化的结果对齿轮进行重新设计后,经有限元仿真验证,轮齿齿面接触应力及齿根弯曲应力均得到有效降低。     

基于多目标遗传优化的注射成型机性能设计

采用一种基于多目标第二代非支配排序遗传算法的大型注射成型机总体性能优化设计方法,以最大注射压力、最大注射速率和最小注射功率为优化目标,系统分析了两两组合优化和三目标并行优化时,注射油缸内径、螺杆直径、工作油压力和工作油流量等设计参数对注射机构性能的影响,以及螺杆最大塑化能力的变化趋势.对于多目标优化的Pareto集,使用基于模糊集合理论的方法在其中选择一个最优解,排除人为偏好的不确定因素.与强度Pareto进化算法相比,第二代非支配排序遗传算法能以较小的时空复杂性得到分布均匀且更加逼近最优解的Pareto前沿.最后,以HTF180X2N大型注射成型机为例,说明所得结果可为决策者在大型注射成型机方案设计阶段进行目标权衡处理提供有效的依据.     

基于遗传算法的行星传动多目标模糊优化

遗传算法是一种模拟生命进化机制的搜索和优化方法,其全局优化和隐含并行性使得遗传算法适合求解大规模的复杂优化问题。并在介绍遗传算法的基础上,提出了基于遗传算法的行星传动多目标模糊优化方法。算例计算表明,遗传算法在机械多目标优化方面具有较好的应用前景。