基于GA的固定约束条件下多目标车间设备布局问题研究

根据制造性企业生产系统车间的作业方式与产品的工艺程序,描述了有固定约束车间设备布局问题.给出了多目标要求下有固定约束车间设备布局问题的数学模型.分析了几种智能优化算法的优缺点,建立了基于遗传算法的多目标、有固定约束车间设备布局问题优化流程.对建立的理论模型与遗传算法突出寻优能力进行了实证研究,证明遗传算法在求解优化多目标、有固定约束车间设备布局问题上是有效的.     

基于改进遗传算法的车间布局重构

以车间设备的多行布局为研究对象,建立以设备序列和间距为决策变量、以最小化车间物流总费用为目标的车间布局重构数学模型。采用遗传算法进行求解,对染色体编码和遗传算子进行了改进。结合某凸轮轴加工车间实例,剖析该车间现有布局存在的问题以及重构的必要性,比较布局重构前后的物流费用,验证了车间布局重构数学模型和改进遗传算法的有效性。     

基于遗传算法的多目标过程系统优化

提出了一种求解多目标优化问题的求解策略。在搜索寻优过程中 ,利用遗传算法生成 Pareto最优解集。在决策过程中 ,利用 TOPSIS方法来确定 Pareto最优解集中最佳协调解。最后 ,应用该算法对 DAM连续缩合过程的多目标过程系统做了优化研究。     

基于新模型的多目标遗传算法

给出了个体的序和密度定义及目标空阃中解的密度分布方差和均匀性分布指标函数。其中序是Pareto解的质量的一个度量。密度是Pareto解的分布均匀性的一个度量．对任意多个目标函数的优化问题转化成两个目标函数的优化问题。并对转化后的优化问题设计了遗传算法，同时把均匀性分布指标函数引入算法的变异操作中。用于自适应地调节搜索向Pareto最优解集移动和更好地获得解的均匀性分布。直到满足终止条件．数据实验表明该方法对Pareto解的质量及其均匀性分布是有效的．     

一类非线性二级多目标决策的遗传算法

对非线性双级多目标决策问题,提出了一类非线性二级决策问题的遗传算法的解法。即各级目标函数共用相同的约束条件,对问题分级进行处理;对于每一层利用线性加权法将问题进行简化,将一个非线性二级决策问题转化为多个一级非线性决策问题,再利用遗传算法分别进行求解,可得到原问题的非劣解,从而提供了解决非线性决策问题的一种方法。     

基于遗传算法的多目标拆卸线平衡问题

拆卸是废旧产品回收利用的重要途径,也是使产品生命周期完整的必要条件,针对产品拆卸线的特点,建构拆卸线平衡问题的多目标关系,针对传统方法求解多目标拆卸线平衡问题求解结果单一、无法满足平衡诸多目标的特点,提出一种多目标改进的遗传算法对模型进行求解,该算法加快了算法的收敛速度.基于基本拆卸任务算例,通过与现有的单目标启发式算...     

基于多目标遗传算法的认知无线电频谱分配

频谱共享技术是认知无线电的关键技术。基于多目标遗传算法,将认知无线电网络的最大系统效益和次用户间的最大比例公平作为目标函数,运用图论着色频谱分配模型,实现认知无线电中空闲频谱在次用户间的动态分配,并与颜色敏感图论着色算法（CSGC）进行了比较。通过仿真验证了该算法在认知无线电网络中进行频谱分配的可行性,且性能优于CSGC算法。     

多目标Pareto遗传算法中处理约束条件的方法

本文提出两种多目标Pareto遗传算法中处理约束条件的方法,一是将个体的秩转化为适应度的值,二是利用隶属度将约束转换为秩,这两种方法原理明晰,可以在实际问题中对比选择。     

多目标相关分类的遗传算法

通过对遗传算法的中间结果的分析,改进了自然数编码的遗传算法操作流程,并把它应用到多目标的相关分类问题上,算例表明,应用是成功的。     

基于遗传算法的双目标多工艺路线调度研究

建立了基于双目标多工艺加工计划的生产调度集成框架图和数学模型,给出了基于遗传算法的满足关键零件的交货期和生产周期双目标多工艺加工计划调度算法,并采用改进的遗传算法进行仿真实验。实验结果表明模型是正确的,算法是有效的。     

基于免疫遗传算法的设备布局问题研究

针对免疫遗传算法中存在的问题,提出了一种改进免疫遗传算法。改进算法的主要特点是简化了种群个体的选择机制,采用了新的亲和力组合计算的方法。通过单行与多行机器布局的实验验证了新算法,得到了满意的效果。同时,纠正了相关文献中设备可用空间计算中的错误,简化了机器净间距序列调整方法。     

基于遗传算法的桁架结构布局优化设计

利用遗传算法在Matlab语言环境中对桁架结构进行布局优化设计方法的研究,分别选择杆件截面面积、节点坐标、杆件存在状态为设计变量,同时进行截面尺寸、形状、拓扑三个方面的优化.讨论了实现过程中一些问题的处理,利用结构可能的拓扑形式编号为设计变量进行拓扑优化等,提出利用一个变量控制参数boundsops解决了多类型参数联合编码和离散变量的问题,提出一种结构优化设计实用方法.算例表明,提出的基于遗传算法的桁架结构布局优化设计方法进行桁架结构的布局优化设计比较容易实现,简单、有效,可以产生很好的效益.     

基于混合遗传算法的制造车间布局设计

生产车间的布局问题是一个NP难问题,常规方法难以求解。针对这一问题,首先根据车间布局设计的最小费用原则,建立了生产系统设备布局的数学优化模型;接着,将遗传算法与模拟退火算法相结合组成混合遗传-模拟退火(GA-SA)算法,并将其引入到车间设备布局问题中,完成了算法操作设计;最后,给出了一个10区域车间布局算例。结果表明:该算法有较强的全局和局部搜索能力,能有效改善遗传算法过早收敛的问题,是优化车间设备布局的一个有效方法。     

基于SLP法的零件加工车间布置优化

为了提高车间设备利用率,运用系统布置设计对某工厂零件加工车间设施总体布置进行了评价,得到了作业单位综合接近度排序表。对车间布置和生产流程进行了Flexsim建模和仿真分析,并通过调整零件生产流程与整合设备配置,确定了优化后的车间布置方案。结果表明:优化后的方案提高了车间的设备利用率和腾出了更多空间,使部分零件的生产流程趋于合理。研究工作增加了传统布置设计方法无法考虑到的因素,为车间实际生产过程提供了有效的仿真数据,提高了优化方案的可行性。     

基于遗传算法的PID参数整定与优化

ＰＩＤ参数整定与优化一直是自动控制领域研究的重要问题。采用遗传算法进行ＰＩＤ参数整定与优化是一种寻求全局最优且与初始条件无关的优化方法。在参数整定与优化过程中,考虑了过程控制系统的参数整定特点和寻优精度。仿真表明：该方法比一般ＰＩＤ参数整定方法具有更好的控制性能指标,不失为一种具有较好实用价值的ＰＩＤ参数整定与优化方法。     

Application of Genetic Algorithm in the Layout of Fixture Components

Automation in the layout of fixture components is important to achieve efficiency and flexibility in computer aided fixture design.Based on basic genetic algorithm and particulars of different fixture components,a mathod of layout space division is presented.Such techniques as suitable crossover rate,mutation rate and selection arithmetic element are adopted in the genetic operation.The results show that genetic algorithm can cffectively be applied in the automatic layout of fixture components.     

基于遗传多目标优化的河流自动选取模型

在分析河系自身特点以及河流选取基本原则基础上，建立了基于遗传多目标优化的河流自动选取模型：首先建立面向河系空间知识的结构化河流数据模型，然后运用遗传多目标优化算法对河流进行自动选取．该模型综合考虑了河流选取中的河流长度、河流间隔、河流的重要性等指标，同时兼顾了河流选取对河网总体结构特征的保持．实验证明了该思想的合理性和有效性，与传统方法相比，该方法具有较高的自动化和智能化水平．     

虚拟车间设备布局优化的三维可视化研究

研究了基于虚拟现实技术和遗传算法的设备布局优化的三维可视化问题,采用遗传算法作为车间设备布局优化的计算算法,并应用于Multigen-Paradigm公司的Vega环境下建立的虚拟车间系统,通过遗传算法优化模块得到布局文件在虚拟车间中显示三维的优化结果,同时可以在系统中进行实时浏览和生产过程的仿真.     

基于遗传算法的可重构制造单元设备布局优化方法的研究

可重构制造单元设备布局对制造系统的物料传输、生产效率和柔性都有着重要的影响，如何设计一个具有足够柔性的设备布局一直是工业界的一个难题。本文引入了一种适用于可重构制造环境的阵列式混合布局形式，并利用遗传算法对阵列式结构的每一行进行了优化。     

多目标遗传算法的收敛性研究

基于群体搜索的遗传算法求解多目标优化问题具有独特的优势,多目标优化算法已有的研究大多为算法的设计和数值实验效果的比较,理论研究则很少,本文作者给出了一种求解多目标优化问题的新遗传算法（RMOGA）,并用Markov链的理论对RMOGA的收敛性进行了研究,其结果表明RMOGA依概率收敛到问题的Pareto前沿面.