遗传算法在车间作业排序中的实现

描述了一种应用于车间作业排序的遗传算法的实现,该算法借助于对链表的灵活运用,使整体的运算时间得到提高,特别是对适应值的计算方式,既减轻遗传操作时合法性效验的负担,又模拟了加工过程,从而得到非常直观的运算结果.     

基于改进的遗传算法在车间作业调度中的应用与研究

在车间作业调度中,如何合理安排工件在机器上的加工顺序是企业生产过程研究的关键问题,在分析作业调度的数学模型的基础上,以完工期最小为目标,设计了遗传算法,为克服传统遗传算法在求解过程中出现的早熟收敛现象,设计了一种独特的选择算子和交叉变异方式,通过实例验证了该算法的有效性.     

基于改进非支配排序遗传算法的多目标柔性作业车间调度

采用多目标进化算法解决具有工件释放时间、工件目标差异的柔性作业车间调度问题。依据实际制造系统中存在较多的最大完工时间、平均流经时间、总拖期时间、机器总负荷、瓶颈机器负荷和生产成本性能指标,建立多目标柔性作业车间调度模型。针对柔性作业车间调度问题的特点,设计一种扩展的基于工序的编码及其主动调度的解码机制,以及初始解产生机制和有效的交叉、变异操作;针对非支配排序遗传算法(Non-dominated sorting genetic algorithm II,NSGA-II)在非支配解排序和精英选择策略方面的不足,设计一种改进的非支配排序遗传算法,应用改进的算法求解柔性作业车间调度问题得到一组Pareto解集,并运用层次分析法选出最优妥协解。通过测试基准和模拟实际生产的实例,验证提出算法的可行性和有效性。     

基于改进非支配排序遗传算法的多目标柔性作业车间低碳调度

为解决以设备能耗、刀具磨损和切削液消耗为碳排放来源,能耗和人工费用为加工成本的多目标柔性作业车间低碳调度问题,建立以最小化碳排放量、最长完工时间和加工成本为目标的低碳调度模型,提出一种改进带精英策略的非支配遗传算法(NSGA-Ⅱ)并进行求解。首先通过基于Tent混沌映射的编码与融合了层次分析法(AHP)的贪婪解码来动态调整染色体组成,提高初始种群质量;然后提出了一种基于遗传参数的自适应遗传策略,根据种群进化阶段与种群非支配状态动态调整交叉、变异率;最后设计了一种基于外部档案集的改进精英保留策略,提高了算法后期的种群多样性并保留了进化过程中的优质个体。通过标准调度算例与实际案例验证了改进算法的有效性。     

基于遗传算法的柔性车间作业调度研究

阐述了对基于遗传算法的柔性车间作业调度进行研究的重要意义及其研究现状,分析了传统算法应用于车间作业调度过程中出现的问题,论述了在柔性车间作业调度中运用遗传算法的可行性。     

基于改进粒子群算法的车间作业排序的优化设计

兼顾车间作业排序中的制造周期和机器利用率,建立了以最小化最大完工时间为主目标、以最大化机器利用率为从目标的优化模型。设计了引入自适应技术的惯性权重,使基本粒子群算法的学习因子可动态变化地改进粒子群算法,并用该改进后的算法对车间作业排序进行了优化设计。实例研究表明：改进后的粒子群算法在收敛速度和收敛可靠性上均优于未改进的粒子群算法,在求解车间作业排序问题的应用中具有更高的求解质量。     

基于改进粒子群算法的车间作业排序的优化设计

兼顾车间作业排序中的制造周期和机器利用率,建立了以最小化最大完工时间为主目标、以最大化机器利用率为从目标的优化模型。设计了引入自适应技术的惯性权重,使基本粒子群算法的学习因子可动态变化地改进粒子群算法,并用该改进后的算法对车间作业排序进行了优化设计。实例研究表明:改进后的粒子群算法在收敛速度和收敛可靠性上均优于未改进的粒子群算法,在求解车间作业排序问题的应用中具有更高的求解质量。     

基于改进遗传算法的柔性作业车间调度方法研究

针对柔性作业车间调度问题,提出了一种自适应的遗传机制,构造出自适应的适值函数定义方法,设计了相应的自适应选择、交叉和变异3种算子。为了解决同一工序的不同机器的负荷平衡,提出了表征机器加工能力的能力系数。通过轮换方法实现了相同工序不同机器之间的调度。仿真实验结果表明,该调度算法具有可行性。     

超启发式遗传算法柔性作业车间绿色调度问题研究

针对启发式算法通用性较差的问题,建立了多目标柔性作业车间绿色调度模型,设计了一种超启发式遗传算法对问题进行求解.首先,建立了以最大完工时间和最小能耗为目标的柔性作业车间绿色调度模型,并设计了超启发式遗传算法对模型进行优化求解;然后,对于高层启发式策略采用遗传算法,随机生成初始种群,对种群进行了选择、交叉和变异操作,并且...     

面向作业车间调度的基于拓扑排序的二级嵌套蚁群算法研究

蚁群算法的出现,为求解作业车间调度问题提供了新思路。然而,由于作业车间调度问题的可行域属性非常复杂,目前,采用蚁群算法进行求解,还存在收敛可靠性差和优化程度不高的问题。针对以上两个问题,在对工序拓扑排序的约束特性进行分析的基础上,提出基于拓扑排序的二级嵌套蚁群算法,其基本思想是:以拓扑排序为基础,采用受限主路径覆盖可行域,从而降低搜索的规模和盲目性,提升收敛可靠性;将问题分解为工艺路径优化和设备遴选优化两个级别的问题,从而构造二级优化机制,采用工艺主路径与设备支路径嵌套递归的方式,实现工序排序与设备遴选之间的相互干涉,从而提升解的满意度。比较试验表明,与目前常用的蚁群算法求解方法相比,采用基于拓扑排序的二级嵌套蚁群算法求解作业车间调度问题,具有良好的收敛可靠性、求解效率和寻优能力。     

基于遗传算法的RMS车间排产优化方法

可重构制造系统（reconfigurable manufacturing system,RMS）在车间层面的核心功能之一为排产管理。排产是车间作业管理的基本问题,通过排产将主生产计划细化和落实,可以提高制造企业的整体生产效率。在遗传算法的基础上对排产基因进行优化改良,加快了迭代速度,使生产线在物理重组的基础上,通过制造执行系统进一步实现逻辑算法的重组,进而快速实现多品种、变批量的生产活动。     

基于遗传算法的车间布局优化研究

针对某公司压力机装配车间设备布局问题,采用遗传算法进行优化设计。在其过程中首先建立数学模型,并设置约束条件、目标函数等因素。然后利用matlab软件将原车间布局作为初始种群,通过选择、交叉、变异等操作,运行成更合理的车间布局方案,优化方案证明了算法的实用性。     

基于自适应遗传算法的大型关重件车间布局优化

针对大型关重件生产车间的多行布局问题,建立了同时考虑物流费用与物流时间的多目标优化数学模型,运用了一种改进的自适应遗传算法,其交叉概率和变异概率可随群体的适应度自动改变,使算法避免陷入局部最优;加入精英保留策略,使每代中的最优个体都能够得到保留,避免交叉和变异操作遗失全局最优解.最后结合某船用曲轴车间实例,分别运用该算...     

基于遗传算法的球的半径测量

运用遗传算法计算满足最小包容区域法的球的半径,并对标准遗传算法提出了一些改进。采用实数值编码,其计算结果的精确度非常高,理论上可以获得全局最优解。改进的遗传算法简单明了,收敛速度快,在计算机上容易实现。     

桥式吊车系统基于遗传算法的LQR控制

针对欠驱动系统--桥式吊车系统提出了基于遗传算法的LQR控制方法.首先,通过牛顿力学建立数学模型,再通过遗传算法选取的Q和R矩阵,结合线性二次型最优控制方法实现吊车系统的最优控制.仿真试验的结果表明了该方法是有效的.     

桥式吊车系统基于遗传算法的LQR控制

针对欠驱动系统——桥式吊车系统提出了基于遗传算法的LQR控制方法。首先，通过牛顿力学建立数学模型，再通过遗传算法选取的Q和R矩阵，结合线性二次型最优控制方法实现吊车系统的最优控制。仿真试验的结果表明了该方法是有效的。     

Selecting between Sequential Zoning and Simultaneous Zoning for Picker-to-parts Order Picking System Based on Order Cluster and Genetic Algorithm

The existing research of sequential zoning system and simultaneous zoning system mainly focuses on some optimization problems such as workload balance,product assignment and simulation for each system separately.But there is little research on comparative study between sequential zoning and simultaneous zoning.In order to help the designers to choose the suitable zoning policy for picker-to-parts system reasonably and quickly,a systemic selection method is presented.Essentially,both zoning and batching are order clustering,so the customer order sheet can be divided into many unit grids.After the time formulation in one-dimensional unit was defined,the time models for each zoning policy in two-dimensional space were established using filling curves and sequence models to link the one-dimensional unit grids.In consideration of U shaped dual tour into consideration,the subtraction value of order picking time between sequential zoning and simultaneous zoning was defined as the objective function to select the suitable zoning policy based on time models.As it is convergent enough,genetic algorithm is adopted to find the optimal value of order picking time.In the experimental study,5 different kinds of order/stock keeping unit(SKU) matrices with different densities d and quantities q following uniform distribution were created in order to test the suitability of sequential zoning and simultaneous zoning to different kinds of orders.After parameters setting,experimental orders inputting and iterative computations,the optimal order picking time for each zoning policy was gotten.By observing whether the delta time between them is greater than 0 or not,the suitability of zoning policies for picker-to-parts system were obtained.The significant effect of batch size b,zone number z and density d on suitability was also found by experimental study.The proposed research provides a new method for selection between sequential zoning and simultaneous zoning for picker-to-parts system,and improves the rationality and efficiency of selection process in practical design.     

基于改进遗传算法的机床装配车间物料配送问题研究

结合实际的工程背景,对某数控机床装配车间的物料配送进行研究,建立相应的车辆路径模型。鉴于传统遗传算法容易产生不可行解,文中提出一种改进的遗传算法,包括自然数编码、换位交叉和轮转变异等等。通过实例计算表明,运用该算法能得出稳定的满意解,并能很好地解决生产效率问题。     

基于遗传模拟退火算法的机器人全局路径规划

研究了机器人在已知环境下用遗传模拟退火算法进行最优路径搜索的方法，此算法兼备了遗传算法和模拟退火算法的优点，还对路径的转折节点处进行了光滑性的改进，并且通过仿真实验证明了此方法能够快速得到最优路径。     

基于遗传算法的锻压机床多目标优化设计方法

提出了一种基于遗传算法的锻压机床优化设计方法,并基于该方法开发了一个以多目标参数优化系统为核心的优化设计平台。该设计平台综合运用了Pro/E的建模及分析计算能力和MATLAB的数学分析处理能力,使得在该优化平台上进行的优化设计既可以保证以精确的实体模型的分析结果为指导,又能基于遗传算法进行多参数多目标协同优化,从而提高了锻压机床的设计效率和优化效果。以某锻压机床为实例,验证了该平台的有效性和可靠性。