热轧圆钢的轧制批量计划优化模型与算法

针对热轧圆钢的轧制批量计划编制问题,以热轧圆钢的需求为导向,综合考虑热轧和加热炉阶段的工艺要求,建立了以最小化钢坯余料浪费惩罚和相邻钢坯间跳跃惩罚为目标的数学模型,并基于约束满足技术设计求解算法.算法通过变量选择和值选择规则对待轧制钢坯进行选择、分组和序列生成操作;通过约束传播技术缩减搜索空间,并划分轧制单元;同时,将装箱启发式Best Fit Decreasing (BFD)嵌入到算法中,以优化钢坯余料浪费惩罚和钢坯属性跳跃惩罚.基于实际生产数据的仿真实验表明了模型和算法的可行性和有效性.     

基于进化算法的多目标闭环物流网络设计

为了帮助生产企业建立科学合理的闭环物流网络系统,提高废旧产品材料的再循环利用率,提出了一个多周期、多产品、多阶段的闭环物流网络选址与运输模型。该模型中,不仅考虑建造混合分销回收中心,还提出了2个优化目标:经济成本最小和时间成本最小。针对该多目标优化问题,本文采用了一种基于优先值编码方法的进化算法对模型求解,最终得到该问题的帕累托(Pareto)前沿。通过与约束法的计算结果相比较,求得误差均值小于5%,说明该进化算法对Pareto前沿的拟合程度较好,计算结果是正确有效的。     

原油一次加工过程的多目标调度优化

在制定原油一次加工过程详细调度时,往往需要考虑多个优化目标。本文提出一种基于改进的骨干粒子群算法和II代非支配遗传算法协同进化的双种群算法,并通过Pareto差熵控制种群的交流,优化了供油罐使用成本、供油罐的切换成本、管道中原油混合成本以及供油罐罐底混合成本4个目标。通过一个工业实例,将本文算法与现有的几种具有代表性的进化多目标优化算法进行对比,验证本文算法的可行性和有效性。     

有模具约束的并行机批量流调度问题研究

大多数调度问题均假设产品以单个或整批的方式进行生产,而实际生产过程中,会把产品分批后再进行生产。但当考虑模具约束时,对如何解决产品分批以及制定合理调度方案的问题,本文以最小化最大完工时间为优化目标,建立了考虑模具约束的并行机批量流调度模型,并提出了一种基于遗传算法和差分算法结合的混合差分遗传算法（DEGA）,实现分批与调度两个问题并行优化。最后通过对算例测试,DEGA算法得到更优的解,证明了该算法的优越性和稳定性。结合实际案例,验证了模型和算法的可行性。     

插单扰动下流水线生产与维护的重调度优化

研究了拉式生产模式下考虑重调度需求的生产调度与预防性维护的联合优化问题。针对新工件突然到达对生产计划造成扰动的情况,对流水车间的重调度问题进行建模,优化目标兼顾生产、维护以及调度稳定性三个方面,其中调度稳定性指标特别考虑了设备维护计划的偏离成本。算法方面,根据模型的特点对遗传算法进行改进,对初始种群制定调度偏离约束的启发式规则,并引入最大公共序列交叉算子,设计了一种有效适用于该问题的改进算法IPC-LCSC GA。算例验证结果表明,在对具有维护计划的生产系统进行重调度时,与右移重调度以及不考虑维护稳定性的重调度相比,本文模型表现更优。     

插单扰动下流水线生产与维护的重调度优化北大核心CSSCI

研究了拉式生产模式下考虑重调度需求的生产调度与预防性维护的联合优化问题。针对新工件突然到达对生产计划造成扰动的情况,对流水车间的重调度问题进行建模,优化目标兼顾生产、维护以及调度稳定性三个方面,其中调度稳定性指标特别考虑了设备维护计划的偏离成本。算法方面,根据模型的特点对遗传算法进行改进,对初始种群制定调度偏离约束的启发式规则,并引入最大公共序列交叉算子,设计了一种有效适用于该问题的改进算法IPC-LCSC GA。算例验证结果表明,在对具有维护计划的生产系统进行重调度时,与右移重调度以及不考虑维护稳定性的重调度相比,本文模型表现更优。     

考虑工人移动和物料取用的双边装配线平衡

针对生产实际情况,建立了考虑工人移动和物料取用的双边装配线平衡模型。考虑工人在工位内的移动时间和取用物料的时间,设计了工位位置点和物料取用系数,定义了移动路线约束、位置点约束和搬运能力约束,以最小化生产节拍为目标建立了装配线平衡模型,使生产模型更加符合实际生产情况。采用分级位置权法改进初始化策略,采用差分进化策略进行邻域搜索,采用Boltzmann选择方式进行概率选择,改进了人工蜂群算法用于求解,增强了邻域搜索能力,避免算法陷入局部最优解。以某汽车企业内饰工段为实际案例,利用新的平衡模型和改进算法求解,优化结果证明了模型的可行性和算法的有效性。     

可重入混合流水车间负荷平衡排产优化问题研究

为了解决可重入混合流水车间(RHFS)负荷平衡调度问题,建立了RHFS负荷平衡优化问题数学规划模型,将工位加工时间负荷平衡代价和总工位等待时间加权求和后作为负荷平衡综合评价指标;设计了基于工件加工流程的编码方法并结合时间窗约束与最大剩余时间规则进行解码,采用动态自适应差分进化(I)SADE)算法进行全局优化。DSADE算法根据个体间汉明距离判断个体相似度,动态更新具有高相似性的个体,以增加种群多样性,并引入随停止代数自适应调整进化参数的策略,以增强跃出局部极值,持续进化的能力。基于客车制造中涂装车间多遍彩条工序段的实例数据将DSADE算法与已有遗传算法(GA)、差分进化(DE)算法、自适应差分进化(SADE)算法进行仿真比较,比较结果表明,DSADE算法的负荷平衡评价指标平均降低幅度超过20%。     

基于BP神经网络算法的316L不锈钢极薄带热处理力学性能预测

目的 为了预测不锈钢极薄带热处理后的力学性能、优化热处理工艺以及实现热处理工艺的智能控制,构建基于BP算法的神经网络模型。方法 以316L不锈钢极薄带为研究对象,进行热处理试验和拉伸试验,通过以热处理的退火温度、保温时间和取样方向作为输入层参数,以屈服强度、抗拉强度、断后伸长率作为输出层参数,采用BP算法构建了316L不锈钢极薄带力学性能预测的思维进化算法优化BP神经网络模型,并进行模型的预测和应用验证,考虑不同隐含层节点数及不同BP神经网络模型对性能的影响。结果 思维进化算法优化的BP神经网络模型测试集的屈服强度、抗拉强度和断后伸长率的平均相对误差分别为8.92%、5.21%和9.28%,训练集相关系数为0.980 94。思维进化算法优化BP网络单、双隐含层误差总和最低分别为0.578 6和0.546 9,BP网络与思维进化算法优化的BP网络误差总和最低分别为0.579 9和0.546 9。结论 思维进化算法优化BP神经网络模型具有较好的预测能力和泛化能力,以及较高的预测精度。与企业现用生产工艺相比,采用模型优化后热处理工艺的综合力学性能有显著提高。     

基于差分进化算法的河流突发性污染事故溯源

针对河流上突发的污染事故溯源问题,在可观测数据有限的情况下有效找出污染源信息对于开展有效的治理措施至关重要。为快速精确地得到事故位置、强度和时间的未知污染源参数,建立了最优化溯源模型,该模型考虑了测量误差,基于贝叶斯推理通过后验概率来度量模型优化目标。为求解优化模型,提出了改进的差分进化算法。首先,利用部分观测数据训练得出流速等水文参数;然后,采用自适应差分进化算法优化污染源参数。实例与仿真结果表明:与传统优化算法相比,改进的差分进化算法可以在更大的源项参数取值范围内有效提高河流突发性污染事故溯源的精度。