基于粒子群优化的机械工业生产供应链资源均衡配置研究

当前的供应链资源配置方法使用静态供应链模型为基础,易导致资源配置不均的问题,影响资源利用率。为此,文章针对机械工业生产供应链,基于粒子群优化过程设计了新的资源均衡配置方法。根据机械工业生产供应链的资源种类划分结果,计算供应链均衡测度量。然后在构建动态供应链模型的基础上,确定供应链资源配置的目标函数,再利用粒子群优化算法,设计资源均衡配置优化函数。实验结果表明:该方法能够有效缓解资源配置不均的问题,并提升资源利用率、控制资源配置成本。     

基于混合粒子群算法的FMS优化配置及其工艺路线规划

研究的问题是在保证不高于成本上限的前提下,确定最优的各工件工艺路线、设备类型及在每个工位上的数量、通用托盘数量,以保证系统总生产量最大。利用闭排队网络(Closed Queueing Networks,CQN)模型对柔性制造系统(FMS)进行模拟并提出了一种混合粒子群算法。充分利用模型中产量函数和成本函数的单调性,增加了算法求解效率。仿真计算结果显示该算法有效,在求解质量方面优于国内外同类研究成果。     

粒子群优化算法综述

首先介绍了PSO的原理及具体实现步骤;然后针对PSO算法在搜索的初期收敛速度很快,但在后期却易于陷入局部最优的缺点,提出了各种改进办法;最后介绍了PSO算法的应用领域以及研究展望.     

多工位装配序列粒子群优化算法

针对传统单工位装配序列求解上的不足,将粒子群算法应用于多工位多目标装配序列优化的求解,提出一种面向复杂多工位产品的装配序列优化方法。采用优先序列图(Assembly precedence graph,APG)来描述零件间的优先约束关系,构建优先关系矩阵、装配干涉矩阵、工位能力表和装配信息表,描述装配部件干涉及工位之间的关系;给出粒子群算法编码体系和装配关系算法模型表达方法;综合考虑装配操作成本、装配工具更换成本和装配夹装变更成本和运输成本的影响,提出有工程意义的适应度函数的表达式;根据APG生成随机的可行初始装配序列,并利用粒子群算法(Particle swarm algorithm,PSO)对装配序列和装配工位进行优化。以飞机起落架装配序列规划实例验证多工位粒子群装配序列优化算法有效性。     

基于粒子群算法的敏捷供应链伙伴选择问题研究

伙伴选择是组建敏捷供应链过程中的关键问题之一,主要研究如何在众多候选企业中选择合作伙伴组成最优敏捷供应链.引入粒子群算法解决这一问题,提出了一种基于粒子群算法的敏捷供应链伙伴选择算法,最后以一个典型算例说明了该算法的有效性.     

基于改进粒子群算法的农业机械产品装配分组优化配置

针对当前方法对农业机械产品装配分组优化配置时未考虑相关的约束条件,存在算法收敛性差、农业机械产品产出率低和配置性能低的问题,提出基于改进粒子群算法的农业机械产品装配分组优化配置方法。设置关于农业机械产品零件装配的条件,分别为装配公差等级、尺寸链、质量损失公差函数以及成本控制函数,将所有条件进行融合构建装配约束函数,并将其作为农业机械产品装配分组配置模型。利用改进的粒子群算法对模型进行求解,即通过不断更新外部集保证数据完整性,并更新极值,最终经过多次迭代获取最优配置结果,实现农业机械产品装配分组优化配置。实验结果表明,该方法的收敛性好、农业机械产品产出率高和配置性能高,实际应用效果更好。     

混合粒子群优化算法求解多车辆拖动货物问题

为确定码头卜集装箱运输到目标位置的顺序和运输的车辆,提出了多车辆拖动货物问题,该问题需要考虑空间约束对车辆调度过程的影响.针对该问题,建立了整数规划数学模型,证明了该问题为NP完全难题,提出了四种解的编码方式,并利用模拟退火算法与粒子群优化算法结合的混合粒子群优化算法进行求解.将计算结果与模拟退火算法、粒子群优化算法进行了比较,结果表明,使用混合粒子群优化算法并采用先到先服务规则的两部分编码方法计算得到的解最好.     

改进的粒子群优化算法及其工程应用

针对单目标粒子群优化算法局部搜索能力差,不能有效求解高维、复杂工程问题等缺点,提出了一种改进的粒子群优化算法,即单纯形粒子群优化方法的混合算法(SM PSO)。该混合算法,在继承粒子群优化算法原有优点的同时,不但可减少计算规模,且有效地增强了粒子群优化算法的局部搜索能力,提高了算法的鲁棒性能。文中采用30维经典测试函数及齿轮减速器优化问题作为算例,验证了该算法的优越性能。     

基于离散粒子群算法的资源约束下多项目资源优化方法研究

面向制造企业多项目管理中的资源优化配置问题,以资源作为决策变量展开研究,以整体工期优化为目标建立了资源优化模型,设计了一种用于求解可更新资源约束的资源优化配置问题的离散粒子群算法.新算法重新定义了基本粒子群算法中的速度、位置公式,使其适宜求解资源优化调度类离散问题,加快收敛速度,获得整体最优配置方案.应用研究表明本算法...     

基于粒子群算法的加工参数多目标优化技术研究

在数控加工中,为了尽可能提高生产效率和降低生产成本,采用粒子群优化算法对加工参数进行多目标优化。以切削速度、切削宽度和每齿进给量为决策变量,以加工时间和成本为目标函数,并以机床性能、刀具参数、工件质量等为约束条件,建立优化模型。采用罚函数法对约束条件进行处理,将多目标问题转化为单目标优化问题进行求解。为解决粒子群优化算法优化效果受参数影响较大的问题,提出了参数自适应协同粒子群优化算法(WCVPSO),算法参数按照一定规律变化,提高了优化算法的精度和收敛速度。实际加工试验表明,提出的优化方法提高了加工效率,降低了加工成本。     

基于协同进化粒子群的多层供应链协同优化

为了从整体角度优化调度供应链网络的各个环节,研究了带软时间窗的分批配送问题及其对需求分配与生产调度的影响,考虑在满足一定客户满意度水平条件下的最小化运作成本。建立了该问题的模型,针对此模型设计了协同进化粒子群优化算法并进行求解。通过实验研究表明,软时间窗对于问题的运作成本有很大的影响,整个供应链网络的协同优化对降低运作成本起到了关键的作用。     

改进粒子群算法在网格资源分配中的优化

针对并行网格任务的资源分配问题,提出了一种基于并行粒子子群优化的分配算法.该算法引入效用函数,反映网格任务的偏好和目标,利用乘子法转化约束条件,导出适应度函数.最后通过粒子子群的并行寻优过程,得到资源分配的最优解.仿真实验表明了该算法的有效性,且在任务较多的情况下,优化结果好于传统粒子群算法.     

基于混合粒子群算法的多目标车辆路径研究

为解决多目标下带时间窗车辆路径的优化问题,提出了将粒子群算法与变异操作相结合的求解方式.设计了一个随迭代次数增加而变化的变异算子,采用轮盘选择机制,以使多目标离散问题能收敛到Pareto最优解集,并在Pareto曲线上有均匀的分布.采用随机键,将连续的粒子位置向量转化为离散的解向量,并通过提出相对最短距离法来评价解集的优劣.所提出的无间隔编码方式,减少了算法的无效迭代.通过实验,验证了该方法的简单有效性.     

基于混合粒子群算法求解多目标混流装配线排序

针对生产调度中的多目标混流装配线排序问题,建立以最小化超载时间、产品变化率与总切换时间为优化目标的数学模型,并提出一种改进的多目标粒子群算法求解。该算法采用基于工件的编码方式,并提出新的解码方法;应用Pareto排序和小生境数评价个体,在此基础上形成了一种新的适应度函数。在个体最优解的更新中,为避免最优解丢失,对非支配粒子与支配粒子采用差异化方法更新。此外,运用两种策略解决粒子群算法过早收敛的问题:在个体最优解的更新中引入模拟退火思想,并将全局最优解的选择扩大到整个种群。通过数值算例研究了算法的收敛性、分布性和执行效率,结果表明了所提算法的优越性。     

基于协同粒子群算法的单元集成布局方法

为避免单元间布局和单元内设施布局分开孤立研究所导致的问题解空间损失,建立了多目标集成优化模型,对布局中涉及的单元间布局、单元内设施布置、设施摆放方向三个问题同时进行描述,扩大问题解的搜索空间。针对模型的复杂性和传统粒子群算法容易陷入局部最优的弱点,设计了基于结构化编码的多粒子群协同进化算法,在多个粒子群协同进化的同时,对各子群构建基因库,并对基因库粒子进行遗传操作,提高了算法的寻优能力。通过求解单元布局问题实例,验证了模型和算法的有效性。     

基于粒子群算法的装配公差优化分配

装配公差分配是产品公差设计的重要组成部分.目前装配公差优化分配主要使用遗传算法.为了提高收敛速度,避免早熟收敛,提出了基于粒子群算法的装配公差优化分配方法.采用了基于实数的编码表示方法,以装配公差分配的优化目标函数作为评价函数,利用罚常数将约束条件并入评价函数中.一个实例的优化结果表明所提方法的收敛性、稳定性和算法效率均优于基于遗传算法的方法.     

基于非劣最优理论的PSO多目标设计的应用

介绍基于非劣最优理论的粒子群优化算法所进行的多目标优化设计,以斜齿轮体积和传动平稳可靠性为目标函数,建立斜齿圆柱齿轮传动的多目标设计数学模型。为高速运转状态下,斜齿轮设计提供一种快速、优化的好方案。     

基于粒子群和约束满足的钢轧一体化批量计划优化

在分析钢铁生产中的钢轧一体化批量计划编制问题基本特征的基础上给出了一体化编制策略,并建立了问题的约束满足优化模型。针对模型的NP难特性,提出了一种将改进离散粒子群算法、约束满足和邻域搜索相结合的混合算法。算法采用自然数矩阵编码,每个粒子代表其相应任务分配问题的解;在构造启发式解的基础上,利用邻域搜索方法计算粒子的适应值;为提高算法的收敛速度,利用约束满足技术生成初始化可行种群并修复迭代过程中产生的不可行解。基于企业实际生产数据的仿真实验结果验证了模型和算法的有效性。     

基于粒子群算法的选矿日综合生产指标优化分解方法

为实现每日综合生产指标的优化分解,在综合考虑多种约束条件下,建立了以最小化选矿生产线负荷波动和最小化惩罚费用为目标的多目标规划模型,提出了一种改进的多目标粒子群算法,用于模型的求解,最后通过现场数据的仿真研究验证了模型和算法的有效性.     

基于决策偏好的多目标粒子群算法及其应用

针对传统多目标粒子群算法在解决复杂多目标优化问题上的不足,提出一种基于决策偏好的交互式多目标粒子群算法。该算法考虑决策者的正偏好和负偏好对粒子的引导作用,首先计算外部种群粒子与双极偏好点的相对贴近度,并进行排序;根据排序结果进行外部种群管理和全局最优解更新;使用δ-邻域值控制Pareto解集的分布性。在随机多目标库存控制应用中,证明了该算法对复杂应用问题求解的有效性,性能对比结果表明,该算法的收敛性、多样性和运算时间优于基于参照点的第二代非支配解排序遗传算法。