基于改进果蝇算法的第一类装配线平衡率优化北大核心

为解决第一类装配线平衡问题,提出一种改进果蝇算法。改进果蝇算法采用基于权重的编码方式,使用自适应增长的权重更新策略,并将模拟退火算法融入基本的果蝇算法中。由于权重的不断累加,采用自适应增长的权重更新策略,保证算法的搜索步长一致;模拟退火算法的结合解决了果蝇算法收敛速度快,易陷入局部最优的问题,增加了果蝇算法的全局搜索性;然后使用标准案例验证混合算法的有效性,结果显示,混合果蝇算法与传统算法相比能有效降低最小工作站数,具有搜索能力强,求解精度高等优点;最后用混合果蝇算法对空调外机装配线生产实例进行求解,使装配线平衡率提升了23.36%。     

考虑作息时间的流水车间调度模型与算法

针对实际车间调度问题中由于作息时间而导致机器不可用的问题,建立了以最小化最大完工时间为优化目标的流水车间调度模型,并提出了一种改进的遗传算法.在调度模型中对机器可用时段进行约束来模拟考虑作息时间的开工与停工状态;在算法设计中通过结合禁忌搜索对基本遗传算法进行改进,提高了问题求解的质量.针对加工可恢复和不可恢复两种情况,...     

求解无等待Flow shop调度问题的改进蛙跳算法

无等待Flow shop调度一直是研究的热点问题,为减少无等待流水车间调度总完工时间,文章提出了一种结合高斯变异和扰动因子的蛙跳算法。在蛙群更新策略中引入扰动因子,平衡了蛙跳算法搜索的深度,利用高斯变异产生子代新蛙代替随机产生子代新蛙,增强了蛙跳算法的寻优速度;同时引入交叉操作,增加蛙群的多样性,提高蛙群中所有青蛙的局部搜索能力以及全局搜索能力。研究了无等待Flow shop调度算例,将蛙跳算法与遗传算法的求解结果进行了对比,结果验证了该文改进蛙跳算法在解决无等待流水车间调度问题的有效性和可行性。     

排列流水车间提前/延期惩罚调度问题的启发式算法

在满足了工序中间无储存能力、每一个任务必须连续加工和任务的交货期相同等假设条件后,提出了一种排列流水车间提前/延期惩罚调度问题的启发式算法.该算法首先按照任务的延期惩罚系数与任务加工时间的比值升序排序,得到较优次序,然后使用NEH算法寻找优化解,最后再进行邻域搜索进一步优化解决方案.在中小规模问题的数据实验中,该算法求解与最优解的相近程度达到97%以上,并且通过大量数据样本的标准差验证,求解的稳定性也非常好.在大规模问题的数据实验中,该启发式算法体现出非常好的优化性能,优化结果明显好于其他的启发式算法,并且算法在大规模问题中的运算时间也较短,在大规模的调度应用中可以代替精确的数学算法.     

基于改进原子轨道搜索算法的多工艺路线柔性作业车间问题研究

针对多品种、小批量复杂产品在加工过程中忽略加工路线约束,导致调度方案中存在设备利用率低的问题,以完工时间最优为目标建立多工艺路线柔性作业车间数学模型。由于加入多约束后模型复杂度骤增,为有效求解该模型,提出一种改进原子轨道搜索算法。改进算法采用一种三层编码方式进行编码和解码;在算法初始化候选解时均匀生成全局加工路线;搜索过程中为增强局部搜索融入自体交叉;为避免陷入局部最优引入变邻域变异;迭代过程中设计了变工序数精英保留策略,扩大了搜索空间。最后,通过某内燃机车生产车间实例对模型和算法进行求解分析,验证了模型的有效性和算法的优越性及适用性。     

基于混合遗传蚁群算法的多目标FJSP问题研究北大核心

针对多目标柔性作业车间调度问题求解过程中未综合考虑解集多样性与求解效率的问题,提出了一种混合遗传蚁群算法来求解。首先,通过改进的NSGA-Ⅱ(non-dominated sorting genetic algorithmⅡ)获取问题的较优解,以此来确定蚁群算法的初始信息素分布;其次,根据提出的自适应伪随机比例规则和改进的信息素更新规则来优化蚂蚁的遍历过程;最后,通过邻域搜索,扩大蚂蚁的搜索空间,从而提高解集的多样性。通过Kacem和BRdata算例进行实验验证,证明混合遗传蚁群算法具有更高的求解效率和更好解集多样性。     

求解Job-Shop问题的改进搜索范围自适应遗传算法

为改善遗传算法求解Job-Shop问题时较差的局部搜索能力,并提高搜索最优解的速度,提出了一种改进的搜索范围自适应遗传算法。该算法采用一种新型的交叉操作,通过交叉和变异搜索过程提高遗传算法的局部搜索能力,同时采取MWKR优先规则优化初始种群。对作业车间调度问题进行仿真研究,结果表明该算法能找到问题的最优解,是可行和有效的。     

改进蚁群算法的柔性作业车间调度问题研究北大核心

为提高传统蚁群算法求解柔性作业车间调度问题的效率,提出了一种改进蚁群算法。首先,均匀分布蚂蚁的初始位置;其次,多种方法结合进行机器选择,并按照改进的工序选择方式选择下一步即将遍历的工序;最后,采用带精英策略的蚁群算法结合最大最小蚂蚁系统的信息素更新方式,既赋予较优路径以额外的信息素,同时又对路径上的信息素进行限定、从而避免算法“早熟”,进而提高解的质量。通过三个柔性作业车间调度实例进行仿真分析和与其他算法的对比,结果表明改进蚁群算法在求解柔性作业车间调度问题具有较好的优化效果和求解效率。     

改进学习型遗传算法求解柔性车间调度问题北大核心

针对智能优化算法在解空间搜索时忽略问题特征导致搜索效率无法进一步提升的问题,从柔性车间调度问题的特征入手,引入关键机器和搜索过程学习概念,提出一种基于关键机器的改进学习型遗传算法。首先,针对柔性车间调度问题解表达中的机器选择设计知识体,通过搜索过程得到的解更新知识体,并反馈到求解过程的引导;其次,使用了一种自适应的变异算子改善遗传算法早熟收敛的问题;然后,基于变换加工机器和加工顺序以及关键机器的思想设计了3种邻域结构;最后,引入关键机器的概念,并将其引入到知识体更新以及邻域搜索的过程中。仿真结果表明,较其它方法而言,本文提出的算法在不同规模的标准算例上找到最优解的能力更强。     

基于改进NSGA-II算法的高维多目标柔性冲压车间生产调度优化

为了优化柔性冲压车间的生产调度、减少车间的生产能耗、实现绿色可持续发展，以车间总能耗、最大完工时间、总拖期、设备总负载最小为目标，建立了高维多目标柔性车间调度模型。提出改进的二代非支配排序遗传算法NSGA-II,该算法优化了局部搜索操作、精英选择策略、交叉和变异概率。根据柔性冲压车间的生产实例，利用传统和改进的NSGA-II算法分别对4个目标函数进行求解，并对各目标的优化迭代过程进行对比，验证了改进算法的有效性。同时，采用优劣解距离法选取一个调度方案，与基于传统NSGA-II算法求出的生产调度方案相比，改进算法得出的调度方案的车间总能耗降低了22.1%、最大完工时间缩短了14.8%、设备总负载减少了11.6%。     

冗余度机械手逆运动学果蝇优化算法的改进

逆运动学问题是冗余度机器人运动控制、轨迹规划和动力学分析的基础,也是机器人学中最重要的问题之一。以末端执行器位姿的误差最小为优化目标,建立适应度函数,将求解冗余度机械手的逆运动学问题转化为一个等价的优化问题,在优化算法的基础上通过杂交变异果蝇优化算法(HMFOA)进行冗余度机械手逆运动学问题的求解。采用嗅觉搜索杂交突变机制和视觉搜索的动态实时更新机制,有效解决果蝇优化算法(FOA)的收敛问题,并提高算法的收敛速度。为进一步验证HMFOA的有效性,在七自由度机械手上对HMFOA进行了测试,将其结果与FOA、LGMS-FOA和AE-LGMS-FOA等算法进行了比较,证明HMFOA能有效地解决冗余机械手的逆运动学问题。     

基于混合算法与大型水箱装配的车间布局

为解决大型水箱装配车间布局问题以及提高产品的装配效率,提出使用一站式装配的车间布局方式.该布局充分考虑了大型水箱的工艺需求,以及车间布局的物流因素和非物流因素;采用系统布置设计方法初始化车间布局,并提出以物流量成本最低、最大化车间面积利用率、多工艺路线配送成本最低为目标的综合线性规划模型;利用粒子群和灰狼优化算法结合的...     

基于改进克隆选择算法的自抗扰控制参数整定

针对自抗扰控制器参数多、整定困难的问题,提出了基于改进克隆选择算法的自抗扰参数优化整定方法。该算法通过在进化过程中采用了三层不同的变异进化策略,形成多策略混合协同进化机制,有效平衡了算法的全局探索与局部开发,较好克服了基本克隆选择算法容易陷入局部最优解以及算法后期收敛速度慢的不足。用经典的标准测试函数来检验所提出算法的可行性与有效性,实验结果表明该算法具有全局搜索能力强、稳定性好、收敛速度快、收敛精度高等优点。以时滞系统的自抗扰控制器参数优化整定进行仿真验证,结果表明经文中提出算法优化后的控制器具有更小的超调量、更快的调节时间及更高的控制精度。     

Threshold accepting and Ant-colony optimization algorithms for scheduling m-machine flow shops with lot streaming

This paper addresses the problem of making sequencing and scheduling decisions for n jobs m machines flow shops under lot sizing environment. Lot streaming (lot sizing) is the process of creating sublots to move the completed portion of a production sublots to down stream machines. There is a scope for efficient algorithms for scheduling problems in m-machine flow shop with lot streaming. In recent years, much attention is given to heuristics and search techniques. On this concern this paper proposes Ant-colony optimization algorithm (ACO) and threshold accepting algorithm (TA) to evolve best sequence for makespan/total flow time criterion for m-machine flow shop involved with lot streaming and setup time. The following two algorithms are used to evaluate the performance of the proposed ACO and TA: (i) Baker's algorithm (BA), an optimal solution procedure for two-machine flow shop problem with lot streaming and makespan objective criterion and (ii) genetic and hybrid genetic algorithm for m-machine flow shop problem with lot streaming and makespan and total flow time criteria.     

基于混沌粒子群算法的钛合金薄壁筋铣削变形优化

针对薄壁筋受铣削力影响易变形的问题,提出一种基于薄壳划分和周期性施加铣削负载的变形仿真方法,通过仿真和试验两方面对比研究,分析了薄壁筋的变形过程并得出其变形规律。为了解决标准粒子群算法在优化铣削参数时容易陷入局部最优解的问题,提出一种基于变异算子与自适应动态惯性权重的改进混沌粒子群算法,并以变形量为约束,铣削力最小为目标优化了铣削参数。结果表明:改进后的混沌粒子算法在全局搜索能力和计算速度方面相比粒子群算法显著提高,试验证明采用优化后的铣削参数组合可有效减小薄壁筋的变形。     

基于混合算法的典型调度问题求解研究

文章介绍了粒子群优化的搜索策略与基本算法,然后通过相关的位置和速度定义,构造一种特殊的粒子群优化算法,并将该算法与遗传算法结合,提出用于求解典型调度问题的混合算法.实验表明了该混合算法在求解调度问题的可行性及其优越性.     

修正型果蝇算法优化GRNN的大梁自动焊障碍预测

大梁自动焊时，必须自动避开工件上的筋板、隔板和空洞等障碍物.但因产品的种类多，工件上障碍物的位置存在随机性，难以通过单一的方法进行障碍物预测.针对该问题，利用超声波传感器采集障碍物信息，提出一种修正型果蝇算法优化广义回归神经网络（AFOA-GRNN）的大梁自动焊障碍物预测模型.该方法在传统果蝇算法中引入信息素和灵敏度两个因子，改进了寻优策略和果蝇位置的替换方式，对GRNN进行参数优化，进行大梁自动焊障碍物的预测.结果表明，建立的修正型AFOA-GRNN预测模型相比于FOA-GRNN，训练速度更快，预测精度更高.     

基于CAPSO-RBF的磁悬浮系统控制研究

为解决传统控制器磁悬浮球系统快速性和稳定性易受干扰等问题,建立云自适应粒子群优化(CAPSO)的RBF神经网络监督控制器。通过RBF神经网络学习整定PD控制器的输出后采用云自适应粒子群算法对RBF网络的3个参数进行归一动态优化。采用原有RBF神经网络梯度下降法、粒子群算法、云自适应粒子群算法分别训练后进行对比控制仿真。结果表明：基于CAPSO-RBF的混合控制算法实现了磁悬浮球系统自适应控制,其动态性能和稳态性方面有较好的提升。