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。     

基于遗传模拟退火算法的产品装配序列规划方法

为有效地获取方便可行的装配序列,在分析了装配序列的几何可行推理约束之后,建立了包含稳定性、聚合性及装配方向改变次数因素的优化评价模型。采用遗传模拟退火算法进行产品装配序列规划,通过分析算法的相关参数的变化趋势和大致范围,利用正交试验（初步定位）和对比试验（精确定位）相结合的方法,确定算法的近优运行参数,最后以8E150ZLC柴油机油泵为例,与遗传算法运行结果对比,验证了该方法是一种高效的、具有工程实际意义的复杂产品装配序列规划方法。     

遗传帝国竞争混合算法在装配序列规划中的研究与应用

为了提高复杂产品的装配效率,对遗传帝国竞争混合算法进行了研究与改进,给出了混合算法的融合策略,以解决虚拟装配中的装配序列规划问题。建立考虑装配序列可行性、装配序列稳定性、装配重定向性以及装配聚合性四个评价指标的适应度函数,以适应度函数值最低为目标利用混合算法进行迭代。以某乘用车后桥减速器为实例进行试验,验证了混合算法在求解装配序列规划问题的可行性,并同单一的遗传算法、帝国竞争算法及粒子群算法进行比较,验证了混合算法在求解装配序列规划问题上的优越性。     

基于混合蛙跳算法的复杂产品装配序列规划

为提高机械产品的装配效率,提出一种基于混合蛙跳算法的产品装配序列规划方法。该方法针对混合蛙跳算法中各个模因组内的最优样本容易出现趋同性的现象,引入遗传算法,提出最优样本的差异性控制策略,以改善种群的差异性。建立了以装配操作稳定性、惩罚函数、装配方向改变次数和装配工具改变次数为装配序列评价指标的适应度函数模型。以一个装配体实例分析该算法的特性,验证了改进混合蛙跳算法的可行性和稳定性,并将该算法与标准混合蛙跳算法和遗传算法相比较,证明了改进混合蛙跳算法更有效。     

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。     

基于遗传退火算法的复杂产品装配序列规划方法

分析了可行装配序列的推理约束条件,建立了考虑装配体稳定性的优化评价模型。采用带记忆的遗传模拟退火算法进行复杂产品的装配序列规划,并通过大量试验分析确定了算法近优运行参数。最后以8E150ZLC柴油机机油泵为例验证说明该方法是一个行之有效的具有工程实际意义的产品装配序列规划方法。     

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。     

基于改进遗传编程的并行装配序列规划

针对遗传算法只能生成线性装配解的局限,提出采用遗传编程来求解并行装配序列规划问题的方法.对传统的遗传编程算法进行改进,由于各零件间只有装配的动作,删除了遗传编程符号集内容,只保留了终端集;对遗传编程算法中有关算子及参数进行了设计与改进,使算法最终能够处理并行装配序列规划问题.该方法使用树型解结构代替串型解结构,转变了装配方式,提高了零件的装配效率和自动化装配水平.结合生产实际需求,给出了一种新的装配适应度衡量因子——装配总重,结合其他传统适应度衡量因子,共同评判装配解的优劣.     

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。     

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.     

基于中国邮路算法的装配序列规划

基于中国邮路问题及其解法，提出装配序列规划的新方法。把网络图理论引入装配关系模型表达，提出无向装配网络图模型，使装配序列规划问题成为中国邮路问题；通过对装配网络图实施变换，装配模型转换为有向图，生成装配序列，同时给出变换为有向图的方法。该方法计算量小，产生的装配序列均为有效序列。最后，以一个装配实例验证算法的有效性。     

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.     

基于拆卸法的SA-GA混合算法的装配规划研究

针对虚拟系统中的机械产品装配序列规划问题,为了提高产品装配效率,在传统的拆卸法基础上,对模拟退火算法(Simulated-annealing Algorithm, SA)和遗传算法(Genetic Algorithms, GA)进行算法研究和改进,提出两者的混合算法融合策略,有效避免了装配规划中的组合爆炸现象发生。基于拆卸干涉矩阵和接触矩阵判断序列的可行性,量化序列评价因素从而建立序列评价体系,以寻找最优目标函数为目标,利用混合算法进行迭代。以减速器为实例,验证该混合算法在装配序列规划研究中的可行性。并同单一算法进行比较,验证该混合算法的有效性,可以提升36.6%的收敛速率。     

基于遗传-粒子群混合优化算法的拆卸序列规划方法研究

为确保使产品具有良好的维修性,针对现有拆卸序列规划方法存在无法高效得到最优解,甚至得不到最优解的问题,对拆卸序列规划问题特征进行了研究.确定了适用于拆卸任务排序的编码规则,设计了一种分层次的拆卸优先图,用分层次约束矩阵保证了拆卸中的优先约束,建立了随机序列合规化处理方法;定义了适用于此问题的遗传算法交叉算子和变异算子,...     

基于免疫算法的装配序列规划问题求解

针对装配序列规划问题提出了一种模拟生物免疫系统的免疫算法,并给出了亲和力计算、抗体生成、免疫选择、记忆细胞更新等的具体实现方法.实例仿真结果表明,免疫算法在装配序列规划问题的求解中充分体现了免疫系统的多样性、免疫自我调节、免疫记忆和分布式并行等特点.免疫算法较遗传算法具有更强的全局搜索能力和更快的收敛速度,有效地改善了全局收敛性能和收敛速度.     

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。     

基于离散粒子群算法的装配序列规划

为解决复杂产品的装配序列规划问题,提出了一种基于离散粒子群算法的装配序列规划方法。针对装配序列规划问题的特点,对传统应用于连续空间的粒子群算法中的粒子位置、速度及其更新规则重新进行了定义,综合考虑产品装配过程中的重定向性、稳定性和聚合性,建立了多目标适应度函数。以汽车座舱模块总成的装配序列规划验证了算法的合理性和有效性。     

基于改进萤火虫算法的装配序列规划方法

针对装配序列规划问题的特点,重新定义了应用于连续空间优化的萤火虫算法的各种相关操作,并对萤火虫算法的迭代规则进行了改进,提出了面向装配序列规划问题的改进型离散萤火虫算法。将改进型离散萤火虫算法和标准型离散萤火虫算法的实验结果进行了比较,同时也将改进型离散萤火虫算法与在装配规划领域应用最广泛的遗传算法进行了比较,验证了改进型离散萤火虫算法的优越性。在适应度函数构造方面,对传统的装配序列规划研究进行了改进,提出了装配序列工具—零件干涉次数评价指标,并通过实例验证了该评价指标的可行性和合理性。     

基于遗传算法的装配序列规划研究

分析了传统装配序列规划的不足,建立了考虑子装配体稳定性的目标函数,采用带记忆的遗传算法进行装配序列规划;在初始种群生成时,可以输入带专家知识的可行装配序列改善种群的组成成份;在各种群的生成过程中,始终保留所获得的当前最优可行装配序列,确保算法最终收敛到最优或近优解。最后以实例说明该方法的有效性。     

洗衣机装配序列遗传优化建模及算法研究

为了研究装配序列遗传优化问题,以某洗衣机装配序列规划为例,讨论了面向装配序列遗传优化的建模方法。结合装配生产线布局、工位装配能力和工件连接关系的实际,给出了可装配性性能指标相关权重的一般性确定原则,建立了面向遗传优化的装配模型,并设计了遗传优化的编码方式和进化算子。为保证个体的有效性,提出了工位约束检验和以连接关系为依据的工件约束检验;为保持种群多样性、避免遗传算法早熟,提出了采用局部搜索策略进行扩展操作的方法。对洗衣机装配序列优化的结果验证了所建模型及所提算法的有效性。