基于遗传算法的动态连续型设备布局方法

在企业未来产品需求可预测的情况下,对具有多个计划期的车间内动态设备布局问题进行了研究.将动态设备布局中设备重置费用简化为设备移动成本与产能损失成本,结合静态设备布局问题连续模型以及动态设备布局问题离散模型的研究方法,构建了针对不等面积设备的动态多期布局问题的连续模型,并设计了改进型的遗传算法对模型进行了求解.此算法具有新颖的编码策略以及自适应选择交叉算子,具有良好的寻优能力.最后通过对一个3×8动态连续型设备布局问题的实例验证,证明了模型与方法的可行性.     

不确定需求下混流装配生产线鲁棒再平衡

为解决不确定需求下混流装配生产线的再平衡问题,提出了混流装配生产线鲁棒再平衡的方法。采用最小化最大后悔值的鲁棒决策准则,建立了混流装配生产线鲁棒再平衡的数学模型;采用并设计了遗传算法的求解方法,最后通过一系列测试问题和一个实际的汽车混流装配生产线的再平衡问题,验证了所提方法的可行性和有效性。     

基于NSGA-II的多目标设备动态布局方法

对多个计划期内需求可预测的车间动态设备布局问题进行了研究.针对这一多目标、多约束的问题,以物流搬运和重布局费用之和、非物流关系以及面积利用率作为优化目标,将动态布局问题转化为重布局过程和多个子计划期的静态布局问题,构建了针对不等面积设备的动态多期布局问题的连续型多目标优化模型.采用带精英策略的非支配遗传算法(Non-dominated Sorting Genetic Algorithm II,NSGA-II)进行求解,克服了传统加权法求解多目标问题时加权系数难以确定和无法保证多目标同时优化的缺点,求解得到Pareto解集,供决策者根据企业实际情况优中选优.通过实例验证了本方法的有效性.     

动态加权不确定推理真值计算方法的研究

针对专家系统多证据规则中各证据对结论的重要程度不同,且同一证据在不同的时期对结论的重要程度也不同的特点,提出了为证据引入动态加权因子的不确定推理方法。该方法使证据的权值在不同时期能够根据证据发生的次数适时改变,使证据的权值分布更合理,使不确定推理的结论真值更准确;还提出了动态规则强度和动态规则阈值的计算方法,并通过算法实例验证了该方法的有效性和实用性。     

需求不确定条件下的闭环供应链模型

构建了需求不确定下一个制造商和两个竞争零售商组成的具有产品再制造的闭环供应链模型.利用博奔论对三种不同回收渠道下的模型进行了研究,并通过数值模拟的方法分析了各模型中的回收成本和新增回收率对零售定价、回收渠道决策、供应链系统及其成员利润期望的影响.结果表明,在一定的随机需求波动下,回收成本和新增回收率对零售定价、供应链系统及其成员利润期望值的影响完全相反,新增回收率的变化小会对制造商回收渠道的选择产生影响,但随着回收成本的增加,制造商将采取不同的回收渠道策略.     

不确定需求下考虑自由退货的供应链协调

针对不确定需求下自由退货政策的供应链协调问题,构建了考虑自由退货与不考虑自由退货两种协调策略,分别建立了随机需求下由单个制造商和单个零售商构成两级供应链的分散决策模型,比较了两种协调策略最优解的实现条件,得出了在顾客需求的分布函数为增函数时,分散协调决策过程中不考虑自由退货的协调策略优于考虑自由退货的协调策略,并设计了回购合同机制,可实现自由退货下的供应链协调.通过数值算例分析研究了两种协调策略下参数的变化对供应链协调绩效的影响.     

需求不确定下物流服务供应链协调

为解决需求不确定条件下的物流服务供应链的协调问题,提出了一种竞争联盟的协调方法.首先研究了由单一物流服务集成商和单一物流服务提供商组成的两级物流服务供应链系统,建立了市场需求受价格敏感的随机变量条件下的集中协调、Stackelberg主从协调、竞争联盟协调的数学模型,并分析了不同协调方法的最优解的实现条件.最后通过数值实验与比较分析,证明了竞争联盟协调方法能实现集中协调供应链的绩败水平,且优于Stackelberg主从协调方法.     

产量需求不确定下产品组合的博弈决策

为解决产量需求不确定条件下多品种生产线产品组合的确定问题,引入非合作博弈模型描述不同产品对制造资源的竞争关系,从而通过各种产品对自身最大产量的追求,实现生产线和制造资源的最大利用.以制造资源瓶颈环节的负载率为基础,给出了多种产品产量组合可行性的判断依据.在求解总产量最大的产品组合过程中,提出了Nash均衡的定义与搜索算法.以航空发动机机匣生产线为研究对象,得到r产量需求不确定条件下两个算例的最优产品组合,并与整数规划、遗传算法和禁忌搜索算法进行了比较,证明了所提方法的有效性与可行性.     

动态汽车衡测量结果的不确定度评定

本文主要介绍了在动态汽车衡的试验过程中不确定度来源,并以动态试验为例重点介绍了计算各分量的标准不确定度、合成标准不确定度以及扩展不确定度的方法.     

遗传算法在设备布局设计中的应用

设备布局设计是整个制造系统设计的重要组成部分,合理的设备布局可大大提高企业对市场的响应能力,探讨研究制造系统的设备布局具有重要的理论意义和应用价值。本文结合设备布局的特点,提出了染色体的编码方法,设计了新颖的交叉算子,并通过实例分析,证明了遗传算法应用于设备布局设计的有效性。     

基于粒子群算法的多目标可重构设施布局方法

提出了一种多目标可重构设施布局方法。该方法引入了空间填充曲线来表征设施位置,可以实现任意两个设施之间的互换;考虑了柔性面积需求和设施形状约束系数等因素,保证布局方案的可行性;建立了以成本(物料运输成本和设施重构成本)和在制品库存为目标的多目标可重构设施布局模型;设计了该模型的改进粒子群算法,该算法在全局极值和个体极值的选取、Pareto解集的更新策略方面相对于标准的粒子群算法有改进。最后用算例说明了该方法的有效性。     

基于改进模拟植物生长算法的多层可重构设施布局方法

在对模拟植物生长算法进行改进的基础上,建立了一种多层可重构设施布局方法。该方法引入了空间填充曲线来表征布局方案,可以实现任意两个设施之间的互换,确保设施不被分割;考虑了柔性面积需求、设施形状约束系数、电梯能力约束等因素,使获得的方案更加接近实际情况;建立了以物流成本和重构成本为绩效评价目标的多层可重构设施布局模型;对模拟植物生长算法进行了改进,在此基础上设计了多层可重构设施布局寻优改善算法,该算法具有设置参数简单、全局寻优、搜索速度较快等特点。最后用算例说明了该方法的有效性。     

生产车间布局多目标优化及其仿真分析

生产车间设备布局设计是一个组合优化问题,具有非线性、NP-hard等特性。基于车间布局的总物料搬运成本最小和车间面积利用率最大的设计原则,建立生产车间的多目标优化模型。求解该问题时,应用了自适应交叉和变异策略,即对交叉、变异算子进行非线性设计,使交叉率和变异率随种群中个体适应度值的变化而变化。实验结果表明,自适应遗传算法具有搜索速度更快、收敛精度更高等优点,适合在实际生产中应用。     

基于随机秘钥蝙蝠算法的多行设施布局设计

针对行内纵向通道数量和位置具有不确定性的多行设施布局问题,建立了以最小化物流强度、最小化搬运设备空载运行强度及最大化相互关系为设计目标的布局优化模型,并针对所建立的模型提出了一种基于映射规则的随机秘钥蝙蝠算法。在蝙蝠算法中引入随机秘钥编码思想,定义了基于随机秘钥编码的蝙蝠位置向多行设施布局组合解的映射规则与映射步骤,使算法在不进行离散化处理的前提下,可以在连续空间上执行,并在组合空间上映射出码长不同的布局方案。最后,以一个多行设施布局问题为实例,采用所提出的随机秘钥蝙蝠算法进行求解,证明了算法的优越性。     

基于遗传算法的多目标设施定位方法

提出了一种基于遗传算法的多目标设施定位方法。设计了一种新的整数和浮点数结合的编码方式;通过列举法使得每代个体满足约束条件,避免了罚函数的使用;可调整的双参数变异算子使进化过程能够较好地跳出局部最优解;应用基于Pareto排序的适应值分配方式得到目标函数的非劣解集,为决策者提供了多种选择方式。仿真实验说明了该方法的有效性。     

基于虚拟现实的车间布局系统的研究

依据车间布局的最小物流费用原则,建立了布局优化的数学模型,并对该模型应用遗传算法进行求解.根据车间布局优化的特点,设计了混合编码的方法,并改进了选择算子、交叉算子和变异算子等遗传操作算子.最后给出了一个算法求解实例,并采用虚拟现实技术将计算结果形象地呈现出来.文中所提出的方法能够很好地解决车间设备布局问题.     

二维矩形零件排样算法的研究

分析对比了常用的二维矩形件排样算法各自的优缺点,并在此基础上提出了一种新的改进算法,该算法有效的消除了排样过程中产生的空洞,结果表明比原有算法更加有效.     

基于遗传-蚁群算法的矩形排料研究

针对矩形件排料问题,将遗传算法与蚁群算法进行融合,提出新的遗传-蚁群算法,并提出了最佳融合时机,最后给出实例证实了遗传-蚁群算法在解决矩形排料问题上的有效性.     

基于不确定规划的产品拆卸序列规划

分析了产品拆卸序列规划中的不确定性,在基于混合图的产品拆卸模型的基础上,将产品拆卸序列规划转化为一类不确定规划问题。以机会约束规划模型为基础,使用模拟退火算法,给出了基于不确定规划的产品拆卸序列规划求解流程和算法。最后,通过一个简化的计算机主机箱实例说明了方法的有效性及优越性。