云制造模式下基于变邻域动态烟花算法的柔性车间调度

针对云制造模式下多目标柔性车间调度问题,考虑柔性车间零件加工的优化及云任务与自生产任务的协同调度,建立了以最大完工时间最小、机器利用率最大、碳排放量最小为最优指标的多目标柔性车间调度模型。在无需预先生成工件的加工路线的前提下,提出了一种基于变邻域搜索的动态烟花算法。通过变邻域搜索有效提高局部最优解的精度。引入进化速度的概念,利用进化速度计算算法迭代过程中需要更新的维度,实时调整相关参数,加速算法收敛,避免陷入局部最优。最后,通过对比仿真验证模型和算法的有效性和鲁棒性。     

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。     

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,...     

基于改进人工蜂群算法的柔性作业车间调度

针对柔性作业车间调度(Flexible Job Shop Scheduling)问题,建立了以最小化最大完工时间为目标的数学模型,提出了一种改进的人工蜂群算法。采用随机选择和按规则选择相结合的方法产生优质初始解,针对雇佣蜂搜索过程,提出了改进的IPOX交叉方法,在继承父代优秀个体的同时,又能平衡算法的开发和探索能力;在观察蜂阶段,采用变步长策略来增强算法的全局搜索能力,避免陷入局部最优;通过增加侦查蜂的数量来保持种群的多样性;在算法迭代过程中采用贪婪策略保留精英解。最后通过求解柔性作业车间通用测试集验证算法性能,仿真结果表明改进的人工蜂群算法局部搜索能力突出,收敛性和鲁棒性优良,不仅避免算法陷入"早熟",而且收敛代数显著降低。     

基于遗传光学算法的镜片加工车间布局优化

为了提高镜片加工车间生产效率,降低成本,对设备布局优化问题进行研究.以最小化镜片车间设备间物流搬运费用和设备包络面积为优化目标,构建了多行设备布局优化模型,并开发了一种遗传光学算法来求解模型.在算法设计中,通过连续编码、部分优先权解码的策略,将光学算法取代遗传算法中变异算子,改进了遗传算法容易陷入局部最优的缺点.结果表...     

基于遗传算法的多目标车间调度

针对作业车间调度中应用遗传算法求解存在的早熟问题,对其搜索速度、收敛效果和最优解等方面进行分析研究,给出一种新的混合遗传算法。首先对初始种群进行实数编码,增加解空间中可行解的个数;接着根据距离排列,增加种群的多样性;然后采用拉普拉斯交叉算子和逆转变异,改进算法的搜索效率;最后结合模拟退火算法,并在每一代遗传进化中引入局部搜索,提高了算法的全局寻优能力。通过与其他算法的仿真比较,结果表明新的混合算法能提高多目标车间调度问题的求解速度和质量,并能够找到最佳的调度方案。     

基于特征分层拓扑排序和改进蚁群算法的工艺路线研究

针对工艺路线决策中多约束问题,提出了一种基于特征分层拓扑排序和改进蚁群算法的优化方法。首先分析零件的特征关系,其次将特征包含的工序元分层拓扑排序并建立加工资源最优模型,最后改进蚁群算法信息素更新规则并对工艺路线进行设计和实例验证。结果表明:与普通蚁群算法相比,采用基于特征分层拓扑排序和改进蚁群算法得到的工艺路线,满足加工顺序约束和加工资源约束,具有良好的收敛性、可靠性。     

改进果蝇算法求解零空闲流水车间调度问题北大核心

针对传统果蝇算法在求解零空闲流水车间调度问题时,存在精度及稳定性较差的问题,提出了一种改进果蝇优化算法用以求解该类问题。该方法以最大完工时间最小化为优化目标,在传统果蝇算法的基础上,建立了多种群中心搜索模式,改进嗅觉搜索方式,引入破坏重建、插入领域局部搜索;并将免疫算法激励度引入果蝇视觉觅食阶段;最后通过测试案例,验证了该改进算法的有效性。结果显示该算法不仅能有效提高全局寻优效果,而且具有较好的稳定性,为求解零空闲流水车间问题提出了一种新方法。     

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。     

基于层次地图模型的改进蚁群路径规划北大核心

针对大规模环境中蚁群算法存在搜索空间大、易陷入局部最优等问题,设计了一种基于层次地图模型的改进蚁群算法。首先,基于K-means聚类算法进行地图预处理并构造了由底层与高层地图构成的层次地图模型,依据当前区域精细搜索、远处区域粗略搜索的策略获取非完整路径,使高层路径为路径搜索方向提供指引;其次,将层次地图中的路径搜索策略引入蚁群算法的状态转移过程中,由此减小蚁群算法的搜索空间,同时改进了所设计蚁群算法的启发函数,提升路径平滑度;最后,仿真结果表明改进后的蚁群算法避免了传统蚁群算法易陷入局部最优的问题,在大规模环境中有较好可行性与有效性。     

BAS-LSA混合算法在装配序列规划的应用

针对闪电搜索算法在求解装配序列规划问题中求解精度低、易陷于局部最优的缺点,提出一种将闪电搜索算法和天牛须搜索算法结合的混合算法。算法前期使用闪电搜索算法对种群进行搜索,对于搜索后不满足几何可行性的个体用天牛须搜索算法进行优化,用天牛须搜索算法来提高闪电搜索算法的局部搜索能力,避免闪电搜索算法陷入局部最优,提高求解精度;用装配序列的几何可行性、稳定性、一致性、连贯性4个评价指标来构建适应度函数;以蒸汽发动机引擎为例,将混合算法与差分进化算法、闪电搜索算法、粒子群算法进行比较,从最优值迭代次数、适应度值、局部最优逃逸能力等方面进行分析,验证该混合算法的有效性。结果表明求解精度、跳出局部最优的能力方面混合算法明显优于其它三种算法,混合算法明显提高了求解精度和增强了跳出局部最优的能力。     

基于遗传算法的加工操作排序及优化

针对加工操作排序是一个动态的、多约束的组合优化的过程,提出了基于遗传算法的加工操排序方法。以最小变化机床、装夹和刀具次数为目标,构建操作排序优化模型。根据加工规则建立工艺约束关系,生成操作优先关系矩阵,验证并调整加工操作确保排序有效。采用双层编码遗传算法将加工资源与操作相关联,分析操作优先关系矩阵划分加工阶段,减少无效解的求解空间。应用遗传算子选择、交叉和变异,并对算法进行了改进,采用进化逆转操作提高局部搜索能力,加快收敛速度。最后通过实例验证该算法的有效性和实用性。     

基于改进灰狼算法的机械臂运动学高精度逆解北大核心

为提高串联机械臂逆运动学的求解精度、简化求解难度及增强求解通用性,提出一种适用于各类串联机械臂逆运动学求解的改进群智能算法;根据改进D-H参数法建立机械臂运动学模型,以最小化位姿误差为优化指标建立目标函数,将逆运动学求解问题转化为优化控制问题。通过多种群混沌协同搜索策略、最优学习策略、多重变异扰动策略和跳出局部最优策略4种改进策略提出一种多策略协调改进的灰狼优化(multi strategy coordination improved grey wolf optimization,MSCIGWO)算法,并应用于求解各类串联机械臂逆运动学。仿真试验结果表明,改进后的灰狼优化算法求解性能得到极大提高,相比于直接采用灰狼优化算法求解机械臂逆运动学,MSCIGWO算法的收敛速度、收敛稳定性更强且可高精度收敛至精确小数点后12位数值精度的理想位姿,验证了该算法求解的有效性与通用性。     

基于响应面法-改进人工蜂群算法的绞车滚筒多目标优化设计北大核心

为提高绞车滚筒使用性能、减轻质量、降低耗能,提出一种基于响应面法-改进人工蜂群算法的方法对滚筒进行结构优化。利用有限元对绞车滚筒静强度和刚度、疲劳寿命进行仿真分析;建立以滚筒内部材料参数为设计变量,刚度为约束,最小疲劳寿命、最大静强度、质量为目标的响应面模型。在传统人工蜂群基础上,改进蜜源判断准则,有利于算法跳出局部最优、保留潜在最优。在搜索策略的算法中引入变异的思想,提高收敛速度;利用改进后的人工蜂群算法进行多目标求解,获得绞车滚筒的Pareto前沿解集。结果表明:优化后的滚筒质量减小350.1 kg,最大应力减小20 MPa,最小疲劳寿命增加5.888 7×10~5次,最大变形减小0.37 mm,达到了优化设计的目的。     

改进的差分进化算法在约束优化问题中的应用

针对差分进化算法求解约束优化问题存在寻优精度差和收敛速度较慢的问题,提出一种改进的差分进化算法来求解约束优化问题.首先在初始化及进化过程中利用广义反向学习(GOBL)策略产生反向种群,提高搜索效率同时加快收敛速度;其次采用自适应权衡模型计算出个体的适应值并作排序处理;最后,改进的变异策略和个体选择机制执行变异操作提高多...     

基于遗传算法的零件多工艺流程生产决策

针对具有多工艺流程的零件生产,提出采用遗传算法来解决车间生产的排产问题。以满足用户交货期等为约束,以生产成本最低为目标,建立多工艺流程零件排产的决策模型。采用遗传算法对调度求解空间中的加工路径在搜索规则的约束作用下进行遍历,最终寻找到能够满足要求的最优的调度方案。最后,用实例验证了该方法的可行性。     

基于改进蚁群算法的机械加工零件物流配送路径研究

针对机械加工过程中,蜗轮减速器零件的工艺路线问题,考虑车辆负载、配送路径长度与时间惩罚等约束,为了规划出最优配送方案,构造以运输成本最小为优化目标的调度模型,采用改进蚁群算法进行模型求解。将时间窗、节约矩阵作为先验信息引入状态转移策略以及对信息素更新的优化,采用蚁群算法对蜗轮减速器零件的配送路线问题进行求解,寻求最优配送方案以及对VRP问题的基准算例仿真,与其他算法对比,表明了该文算法的有效性。     

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。     

基于改进双种群烟花算法的机器人逆解研究

一般机器人的逆运动学求解过程中存在着推导公式复杂,求解精度低的问题。为此,将双种群烟花算法进行了一定的改进,提出了一种基于改进双种群烟花算法的高精度机器人逆解算法。该算法采用两个种群并行对解空间进行搜索,增加了种群的多样性;优化过程中采用协作算子进行种群间的信息交换,得到了更快的收敛速度;同时引入了算法早熟扰动机制来提高搜索的成功率,避免陷入局部最优解。最后以6R一般机器人作为实验对象进行实验,结果表明:改进双种群烟花算法不仅提高了收敛精度,而且在运算速度和收敛成功率上也有很大的提升。     

基于熵增强混沌遗传算法的柔性作业车间调度

为使企业获得最优综合调度质量的车间调度方案,研究了多目标柔性作业车间调度数学模型及其求解算法,建立了基于最大完工时间、最大机器负荷差、机器总负荷和调度复杂度4个调度质量指标的多目标柔性作业车间调度问题模型(MFJSP),提出熵增强混沌遗传算法(ECGA)求解该模型,应用伯努利混沌映射公式改进算法选择操作,用高斯云模型改进变异算子和交叉算子,提高算法的全局寻优能力和搜索效率。根据计算的交叉概率和变异概率执行切牌式交叉操作和两基因片段式变异操作提高种群基因的多样性。以M8J12P3调度问题为例验证了MFJSP模型和ECGA算法的有效性。结果表明,与SGA、PSO和ABC相比,ECGA具有更快的收敛速度和更好的全局搜索能力,有助于企业提高生产效率和降低成本。