基于混沌混合算法的装配序列规划

针对遗传算法在求解装配序列规划问题中速度慢、产生重复解等问题,提出一种将蚂蚁算法、混沌算法和遗传算法结合,加入动态更新种群数目这一策略的新方法。利用拆卸干涉矩阵获取零件之间的信息,建立评优指标的信息矩阵。算法前期采用蚂蚁算法进行局部搜索,后期运用混沌—遗传算法进行全局搜索。在全局搜索中,采用Logistic映射生成子代装配序列以避免产生重复解,并设置一定的比例筛选搜索结果,动态更新种群数目。为进一步提高序列优劣的区分度,将装配工具的运用次数与装配方向的改变次数合并为连贯性,同时引入辅助工具这一指标。以齿轮油泵为例,将所提算法与蚂蚁算法、遗传算法和混合算法进行比较,从适应度值、运行时间和收敛速度方面进行分析,验证了该算法的有效性。     

基于文化基因算法的装夹规划方法

针对计算机辅助工艺规划中的装夹规划问题,提出一种基于Memetic算法的装夹规划方法。根据零件的几何特征,确定加工特征和最小加工单元,建立零件装夹规划的表示方法。为每个加工单元配置候选的刀具接近方向、机床和刀具等装夹特征,初始化装夹规划种群。通过部分匹配交叉操作和插入变异操作,在全局范围内搜索装夹规划方案。基于加工单元之间的顺序约束,通过二叉树调序算法将非可行解转化为可行解。将加工单元之间的装夹相似性之和作为适应度函数,以适应率为向导进行交叉操作,在非约束加工单元之间进行变异操作,在局部范围内搜索适应度值高的装夹方案。经过种群进化过程,获得最优或者较优的装夹规划方案。通过典型零件的装夹规划验证了该方法的可行性和有效性。     

基于遗传模拟退火融合算法的船舶分段装配序列优化

针对复杂船舶分段装配序列规划问题,提出基于遗传模拟退火算法的分段装配序列规划求解方法,综合考虑分段装配中的工艺约束和几何约束,建立以分段装配所需时间和消耗成本为优化目标的问题模型,并为模型求解设计了遗传模拟退火融合算法,将模拟退火算法的局部搜索能力与遗传算法的快速全局搜索能力相结合,达到快速收敛到全局最优解的目的.通过实例验证了该算法的有效性.     

基于复合嵌套分割算法的装配序列规划

针对嵌套分割算法在装配序列分区时有较大概率产生回溯的不足之处,提出采用基于禁忌搜索的复合嵌套分割算法来求解装配序列规划问题。将禁忌搜索思想引入到各个装配序列分区的抽样过程以及之后的选区中,利用禁忌搜索算法的局部搜索能力,可以更快地找出分区中较优的装配序列,减少装配序列选区之后的回溯次数,从而提高嵌套分割算法应用于装配序列规划的性能和效率。通过具体的装配实例以及与遗传算法、基因算法等规划结果的比较,证明该复合算法能够有效地解决装配序列规划问题。     

Memetic算法在机器人路径规划中的应用研究

针对机器人路径规划问题,采用memetic算法进行求解。算法采用全局搜索与局部搜索相结合的方式,即全局搜索策略融合了遗传算法的交叉与变异操作,局部搜索策略采用了爬山搜索。目标函数综合分析了路径规划中环境和机器人的实际约束条件,以期满足实际行走路径的最优方案。最后进行了机器人路径规划的仿真对比测试,证明了Memetic算法在机器人路径规划问题中具有更高的规划效率,得到的行走路径较优。     

装配序列规划问题求解的一种混合算法

基于蚂蚁算法和的遗传算法特点,给出了一种解决装配序列规划问题的遗传和蚂蚁混合算法.混合算法中利用蚂蚁的每一次周游,快速生成问题的一组可行解,用遗传算法对得到的可行解进行快速优化,并根据优化解的质量,生成路径上的信息素分布,以加速蚂蚁最优路径上信息素的积累,从而引导蚂蚁更快地搜索到问题的最优解.实验结果表明,混合算法在装配序列规划问题求解上具有更好的性能.     

基于改进粒子群算法的多工位装配序列规划

针对现有单工位装配序列规划结果难以满足工位需求的问题,提出一种基于改进粒子群算法的多工位装配序列规划方法。建立多工位装配模型来描述零部件的几何信息及其与工位的关系;用装配序列可行性、装配方向一致性、装配聚合性及工位间平衡性4个评价指标构建适应度函数。为解决一般粒子群算法易陷入局部最优解的问题,对惯性权重进行了改进,提出粒子相似度和相似度阈值的概念,并通过相似度阈值控制粒子的变异,提高了算法的全局搜索能力。以某型发动机为装配实例,验证了改进粒子群算法应用于多工位装配序列规划的可行性;同时将该算法和遗传算法、一般粒子群算法进行比较,证明了该算法的优越性。     

基于干涉矩阵的装配序列规划

阐述了利用干涉矩阵进行装配方向可行性判断和应用遗传算法进行装配序列规划的方法.干涉矩阵可从三维CAD系统中得到,为减少搜索空间和更快得到能满足装配工艺性的最佳装配序列,可结合装配工艺性和装配的特点对干涉矩阵适当进行处理.该方法有利于实现从三维CAD系统到装配序列的自动规划,最后以实例通过MATLAB编程说明该方法的可行性.     

基于改进蚁群算法的装配序列规划

针对装配序列规划问题,分析了基本蚁群系统的不足,提出了面向装配序列规划的改进蚁群算法,来获得最优或次最优的装配序列.改进蚁群算法中,将装配操作约束作为启发式信息引入状态转移概率中,通过获取零部件之间的装配关系设定可行转移范围.通过信息素残留系数的动态变化和影响转移概率的α、β参数的动态设置,提高了蚁群的收敛速度并有效地避免了其陷入局部最优解.通过实例验证了改进算法的有效性.     

一种混合算法在装配序列规划中的应用研究

基于现有复杂产品装配序列的特点,建立了装配体的几何可行性、零件的重新定向次数及装配体稳定性的目标函数。在原有离散粒子群算法的基础上,引入改进的进化方向算子,该算子可较为突出的改进离散粒子群算法的局部搜索能力。提出了一种混合算法,该算法在不牺牲粒子群算法的局部搜索能力和搜索速度的同时,提高其全局搜索能力,减少算法平均迭代的步数。算例表明:该混合算法具有优良的局部搜索特性及全局搜索特性,算法可快速收敛至全局最优解,可有效解决装配序列规划问题。