基于混合算法的反射面天线面板装配序列规划

为了改善反射面天线面板的装配变形,从装配工艺入手,基于蚁群算法和遗传算法,结合传统的天线反射面装配方法,提出一种天线装配序列规划的混合算法。该算法利用蚁群算法快速得到初始种群,随后使用遗传算法对初始种群进行优化,根据所得优化解生成蚁群算法中路径上的信息素,通过加速蚁群算法最优解信息的积累来更快地得到最优解;同时,建立反射面装配的有限元仿真模型,利用该模型及时对得到的最优解(即装配序列)进行面向装配过程的面板装配变形动态仿真,将仿真结果返回算法中,进一步校正算法并得到最优解。以某工程抛物面天线的面板装配为例,验证了所提混合算法的正确性。     

基于混合蚂蚁算法的网络资源均衡与优化

本文将具有强约束的网络资源均衡与优化问题转化为组合优化的最短路问题,利用遗传算法快速全局的搜索能力,生成初始解,并转化为网络的初始信息素分布.利用蚂蚁算法的正反馈特性,迅速收敛到问题的最优解.仿真表明取得了非常好的效果.     

遗传蚂蚁算法在几何约束求解中的应用

约束问题可以转化为优化问题.引入GAAA(遗传蚂蚁算法)解决几何约束问题.为了充分利用遗传算法的快速性,随机性和全局收敛性,在算法的前期采用遗传算法.它的结果是产生信息素的初始分布.算法的后期采用蚂蚁算法.因为有初始信息素的分布,具有并行、有反馈性和高效的求解效率.由于在遗传算法中使用随机的种群,这样不仅能够提高蚂蚁算法的速度,而且在求精解的时候能够避免陷入局部最优解.算法具有良好的优化性能和时间性能.     

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.     

基于改进蚁群算法的移动机器人路径规划研究

为了提高机器人路径规划算法的收敛速度和收敛精度,提出了基于改进遗传算法的机器人路径规划方法。介绍了栅格建模方法,分析了传统蚁群算法原理。提出了蚂蚁相遇策略提高了算法搜索效率,提出了蚂蚁回退策略避免陷入U形陷阱,设置了信息素感应阈值扩大了算法前期的搜索范围,改进了信息素残留方法使蚁群能够记忆最优路径,提出了信息素自适应调整方法,兼顾了算法前期的大范围搜索和后期的快速收敛。经仿真实验验证,相比于传统蚁群算法,改进算法具有更快的收敛速度、更优的规划结果,且改进算法的蚁群轨迹更加集中至最优解附近。     

基于混合量子进化算法的自动化制造单元调度

为解决传统智能优化算法在求解自动化制造单元调度问题时易出现早熟、陷入局部最优等问题,提出了混合量子进化算法.该算法采用序列染色体和量子染色体相结合的混合编解码策略,利用构造启发式算法生成初始种群,避免了不可行解的大量产生;为提高算法的优化性能,进化过程中采用序列染色体和量子染色体同步交叉变异策略,并引入了基于图论的不可行解修复策略.通过与遗传算法、基本量子进化算法的对比实验,验证了算法的有效性.     

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。     

基于改进蚁群算法的装配序列规划研究

装配序列规划能解决装配过程中所出现的速度和质量问题,降低生产成本。通过考虑装配影响因素,对装配体零件之间关系进行数学建模,提出一种解决该问题的改进蚁群算法。算法提出用加强装配关系矩阵来表示零件之间存在的强约束关系;用加强随机状态转移规则,使蚂蚁能更快地寻找到最优或者近优解;完善信息素更新规则,使算法能更好的利用正反馈机制。通过实例证明,该改进型算法能实际有效地解决装配序列规划问题。     

微小卫星的自适应蚁群算法装配序列规划

介绍了复杂的卫星零件装配通过构造装配矩阵将改进蚁群算法用于生成装配序列的方法.但是蚁群算法容易陷入局部最优,为了避免算法陷入局部最优或者停滞,运用自适应伪随机比率选择规则,通过信息素的局部和全局更新,帮助"蚁群"快速的寻找全局最优解,最后通过实例验证了算法的实用性.     

基于最大-最小蚁群系统的装配序列规划

提出一种结合了蚁群系统与最大-最小蚂蚁系统优点的装配序列规划(Assembly sequence planning, ASP)方法。对近十年基于蚁群优化的ASP文献中采用的优化指标、装配信息模型、实例零件数等进行综述和比较。为提高序列的装配效率区分度,研究方向性、并行性、连续性、稳定性和辅助行程等5项指标的自动量化方法,将其融入到蚁群优化多目标启发式函数和适应值函数中。为提高对最优序列的搜索能力,以装配几何可行性为基础,从蚂蚁数量的确定、最大-最小信息素的界定、初始零件分配位置的绩效考核机制以及对并行零件组强制优化机制等方面,设计针对性解决方案,提出基于最大-最小蚁群系统的ASP算法。开发基于Siemens NX的装配规划系统AutoAssem。以阀门为实例,验证了算法内部各项优化措施的有效性,同时与优先规则筛选法、遗传算法及粒子群算法进行比较,分析该算法在运行效率和序列性能方面的优势。     

基于混合优化算法的装配线平衡问题

为求解给定装配线生产节拍、最大化装配效率的装配线平衡问题,根据装配线的特点和平衡优化需求,分析了装配作业顺序、站位数量等因素对装配线站位内作业分配的影响,综合考虑装配线平衡率和平滑系数,建立了装配线平衡问题数学模型,并设计了 一种结合遗传算法(Genetic Algorithm,GA)、蚁群算法(Ant Colony ...     

面向航天器舱体的智能装配系统研究

针对航天器舱体的装配,运用计算智能、人类智能和机器智能构建了一个智能装配系统。采用蚁群算法对舱体内零件的装配顺序进行了规划和优化,降低了复杂结构体的装配规划难度。采用混和现实技术给出了虚拟装配验证和训练的解决方案,从视觉、信息和操作三个方面来提高装配的人机交互效率;基于视觉的装配质量检测方法可为检查人员提供有效的提示信息,协助检查人员快速发现多余物,减小遗漏多余物的几率。     

用GAAA优化多阶段装配过程中的夹具布局

改进了遗传算法与蚁群算法的融合（GAAA）算法,利用它来解决多阶段装配过程中二维刚性零件的夹具布局优化问题,合理选择定位销的位置使得灵敏度指标最小化。通过改变遗传算法的变异算子,变异长度以及交叉、变异在蚁群算法中发生的位置,提高了GAAA的稳定性和收敛性。以汽车侧边装配为例验证了改进算法的有效性,结果表明改进后的GAAA比基本的GAAA和蚁群算法求得的结果要好,且收敛速度更快,稳定性更好。     

基于A*

针对二维栅格地图下,移动机器人以最短路径遍历所有目标点的路径规划问题,提出一种基于启发信息扩展节点的 A*     

Microrobot based micro-assembly sequence planning with hybrid ant colony algorithm

Robot-based assembly sequence planning plays an important role in product design and has been widely researched in the macro world. But in the micro world, the characteristics of microrobot-based assembly, such as complexity and scaling effects, make the assembly problems much more difficult and seldom researched. In this paper, the microrobot-based micro-assembly sequence planning problem is discussed. The problem is transferred as a combinatorial optimization problem with several matrixes, such as the moving wedge matrix, the microrobot performance matrix, and the sensing matrix. Furthermore, the geometrical and visibility constraints of assembly sequence and evaluation criteria for optimization are given. A particle swarm optimization (PSO) algorithm modified ant colony optimization (ACO) algorithm, called a hybrid PS-ACO, is devised to solve the problem efficiently. The combination of local search and global search of PSO is introduced into the ACO algorithm, which can balance the exploration and exploitation performances of searches. The experimental results have shown that the PS-ACO can solve the micro-assembly sequence planning problem with better convergence performance and optimizing efficiency than basic ACO and GA.     

遗传蚁群算法在软件测试用例生成中的应用

针对传统软件测试方法工作量大,测试过程重复性高等缺点,提出了一种新的软件测试用例生成方法。该方法基于蚁群算法和遗传算法,利用遗传算法与蚁群算法提取每组软件测试程序特征值,再经过选择、交叉和变异操作,获得软件测试用例的组合。实验结果证明：该算法具有隐性并行性和全局寻优能力,可在不降低速度的情况下提高软件测试用例生成的精度。     

A max–min ant colony system for assembly sequence planning

An improved ant colony optimization (ACO)-based assembly sequence planning (ASP) method for complex products that combines the advantages of ant colony system (ACS) and max–min ant system (MMAS) and integrates some optimization measures is proposed. The optimization criteria, assembly information models, and components number in case study that reported in the literatures of ACO-based ASP during the past 10 years are reviewed and compared. To reduce tedious manual input of parameters and identify the best sequence easily, the optimization criteria such as directionality, parallelism, continuity, stability, and auxiliary stroke are automatically quantified and integrated into the multi-objective heuristic and fitness functions. On the precondition of geometric feasibility based on interference matrix, several strategies of ACS and MMAS are combined in a max–min ant colony system (MMACS) to improve the convergence speed and sequence quality. Several optimization measures are integrated into the system, among which the performance appraisal method transfers the computing resource from the worst ant to the better one, and the group method makes up the deficiency of solely depending on heuristic searching for all parallel parts in each group. An assembly planning system “AutoAssem” is developed based on Siemens NX, and the effectiveness of each optimization measure is testified through case study. Compared with the methods of priority rules screening, genetic algorithm, and particle swarm optimization, MMACS is verified to have superiority in efficiency and sequence performance.     

复杂环境下的装配路径求解与优化

针对三维复杂环境下的装配路径规划问题,运用栅格法建立了规划空间模型,基于蚁群算法求解出了一条避开障碍物的初始路径;对求解得到的装配初始路径,提出采用二分法插值优化方法缩短装配路径长度,在规划过程中采用目标零件与障碍物的轴向包围盒进行避障。对装配路径的求解及优化进行了实例测试,获得了一条无碰撞的最短的平滑路径,验证了算法的有效性和可行性。