求解装配线平衡问题的一种改进蚁群算法

为求解给定节拍最小化工作站数的第Ⅰ类装配线平衡问题,提出了一种改进的蚁群算法.在该算法中,针对装配线平衡问题的具体特点,给出了蚂蚁分配方案的生成策略.通过在任务和任务分配序列的位置之间释放信息素,并采用信息素总合规则进行更有效的信息素累积.为提高搜索效率,以综合考虑装配任务作业时间和后续任务数的分级位置权重为蚁群算法的启发式信息.最后,通过对大量测试问题集的验证,说明了算法的有效性.     

混合品种装配线平衡问题的一种混合搜索机制的蚁群算法

为有效求解混合品种装配线平衡问题,通过组合不同品种的优先顺序图,将混合品种装配线转化为单一品种的装配线形式.提出了一种带信息素总合规则的混合搜索机制的蚁群算法,通过在任务和任务分配序列的位置之间释放信息素、采用信息素总合规则以进行更有效的信息素累积,构造了综合考虑利用、探索和随机搜索的混合搜索机制,考虑了局部信息素更新和全局信息素更新.为提高搜索效率,以协同考虑装配任务作业时间和后续任务数的分级位置权重作为蚁群算法的启发式信息.最后通过实例验证,说明了算法的有效性.     

基于改进遗传算法的双边装配线平衡

针对目前研究较少的双边装配线平衡问题,研究了双边装配线的特点及其对平衡的特殊要求,建立了双边装配线平衡问题的数学模型.根据双边装配中任务具有操作方位约束,以及工位上分配任务的操作顺序与平衡结果直接相关等特点,提出了相应的符合问题特性的遗传算法.该算法采用基于序列、任务及其分配方位组合的编码方法,运用可行的交叉与变异算子,使搜索过程仅在可行解空间内进行,提高了效率.算例结果验证了算法的有效性.     

基于改进蚁群算法的汔车混流排产优化技术研究

汽车排产问题是混流装配线运行中的关键问题,首先采用生产平准化要求对汽车混流排产问题进行建模,然后建立基于蚁群算法的排产优化求解方法.针对初始信息缺乏的现象和可能产生的寻优过程停滞,采用局部搜索产生较优解作为蚁群算法的初始解并引入精英策略对蚁群算法进行改进.最后通过标准算例和实际算例验证了该方法的有效性和优越性.     

双边装配线第二类平衡问题研究

与传统的单边装配线平衡问题不同,双边装配线平衡不仅要考虑任务优先顺序关系,而且要考虑任务操作方位以及双边并行作业的要求.为有效地解决双边装配线第二类平衡问题,建立了数学模型,并提出一种基于归组策略的启发式平衡算法.该算法利用图深度优先搜索方法,将任务进行归组,然后运用一系列启发式规则对组进行选择分配.最后,通过在某装载机总装生产线上的应用,验证了算法的有效性.     

基于ε-约束法的多目标双边装配线再平衡问题

由于市场需求变化、产品更新和工艺改进等因素,装配线原有平衡被破坏,导致装配线的运行效率降低。为了尽快调整装配任务的分配、重建装配线平衡,使其在新环境下保持高效运行,分析了双边装配线及其再平衡问题的特点,以最小化节拍时间和移动任务数为目标,构建了多目标双边装配线再平衡模型,提出基于ε-约束法的双边装配线再平衡启发式算法,设计了装配任务重新分配的启发式规则,制定了松弛节拍约束的解空间搜索策略。通过对经典问题的求解验证了所提方法的可行性与有效性。     

基于改进蚁群算法的汽车混流排产优化技术研究

汽车排产问题是混流装配线运行中的关键问题,首先采用生产平准化要求对汽车混流排产问题进行建模,然后建立基于蚁群算法的排产优化求解方法。针对初始信息缺乏的现象和可能产生的寻优过程停滞,采用局部搜索产生较优解作为蚁群算法的初始解并引入精英策略对蚁群算法进行改进,最后通过标准算例和实际算例验证了该方法的有效性和优越性。     

求解第二类装配线平衡问题的改进蚁群算法

为求解给定工作站数求最小节拍的第二类装配线平衡问题,提出一种改进的蚁群算法。该算法在作业和工作站之间释放信息素,对信息素采用局部更新和仅对当前最优路线更新的全局更新策略以及最大最小控制策略;利用位置权重和时间偏差作为混合启发式信息,兼顾最小节拍和负荷均衡两个目标;构造综合考虑最大、概率和随机三种方式的混合搜索机制来提高算法的搜索效率。通过对测试问题集的验证,说明了算法在求解不同规模第二类装配线平衡问题时的有效性。     

改进遗传变邻域算法求解飞机装配线调度问题

针对飞机装配调度过程中受到空间限制的问题,建立了以最小化装配作业总工期为目标并考虑空间约束的飞机装配线分部段作业调度数学模型,提出了一种求解此模型的改进遗传变邻域算法.该算法采用优先级规则进行种群初始化以缩减解空间,并设计了一种结合接受阈值的变邻域局部搜索方式,采用考虑紧前紧后关系三种邻域结构来确保搜索过程中产生合法解...     

基于改进蚁群算法的机器人末端路径排序优化

建立了针对机器人加工时的末端运动路径排序优化问题的数学模型,将该模型转化为广义旅行商问题并用蚁群算法求解。同时对经典的蚁群算法进行了改进,即采用多阶段搜索策略、邻域搜索策略及多蚁种搜索策略,使改进后的蚁群算法能为机器人求取一条更优的末端运动路径。计算机仿真与机器人加工实验结果表明,改进蚁群算法所得的末端运动路径比基本蚁群算法所得结果缩短了3%以上。