连铸机开浇炉次与时间决策的多目标优化

针对连铸机开浇决策中的炉次选择、排序与开浇时间确定的多目标优化问题,以炼钢厂生产批量计划执行情况的总惩罚、生产线积压金属量、优质铁水非有效利用量最小为目标函数,构建了连铸机开浇炉次与时间决策的多目标优化模型。针对该模型特点设计了改进的非支配排序遗传算法,以预选池内选择的炉次序号为基因的编码方式减小模型解的无效搜索空间,采取调整传统精英解集的计算顺序、限定计算拥挤距离个体数目的改进措施来减轻计算负荷,利用对Pareto解进行模糊选优的方法确定最终优化解。以某钢厂的生产实例数据测试表明,该模型有利于连铸生产炉次浇铸周期的稳定控制,算法效率优于传统的非支配排序遗传算法和强度Pareto进化算法。     

非支配排序自适应遗传算法的车削优化

针对车削切削参数的优化提出了一种单目标非支配排序自适应遗传算法(SONSAGA),算法保留了NSGA-II的精英保留策略、快速非支配排序优点,克服了NSGA-II中取值边界附近多个无法消除的支配点现象。车削实例计算结果获得优于已发表文献的优选值,证明单目标非支配排序的自适应遗传算法用于车削用量参数的优化是有效的。SONSAGA算法设置参数少,包括相对变化量、种群规模、最大遗传代数,能自动调节最大遗传代数以及自适应地得到满足给定相对变化量的优选值,为车削用量优化提出了新思路。     

双电机同步驱动系统控制参数整定研究

工业发展的要求使得双(多)电机的运用越来越广泛。双电机同轴驱动的控制系统是一种典型的多通道多控制器系统,为了获得优良的控制性能,有必要对其控制器参数的整定进行研究。采用单弹簧-双惯量块模型对系统进行建模后,首先采用传统遗传算法,对多通道多控制器系统的控制器参数进行整定;然后从系统整体性能的角度出发,利用带精英策略的非支配排序遗传算法对系统控制器参数进行多目标整定。仿真结果表明:采用双通道联合整定,可以获得比采用单通道独立整定更好的控制效果;采用带精英策略的非支配排序遗传算法对多目标和多通道多控制器系统的控制参数整定,可以使双电机同步驱动系统获得良好的动态和同步性能。     

基于NSGA Ⅱ的物流配送中车辆路径问题研究

车辆路径问题已经被证明属于NP—Hard问题。针对这一问题建立了多目标优化的数学模型;构造了带精英策略的快速非支配排序遗传算法,以求解车辆路径问题的数学模型,针对物流配送路径优化,将该算法从解决连续问题扩展为解决离散问题;进行了算法设计,提出了离散问题的快速非支配排序和锦标赛选择结合的子代选择方法,并修正了以往的初始群体生成、交叉和变异的方法。通过实例比较证明,该算法可以更好地解决物流配送路径优化的多目标问题,较快找到更优解,避免早熟收敛并改进算法性能,达到较高的搜索效率。     

基于混合的多目标遗传算法的多目标流水车间逆调度问题求解方法*

将逆优化理论与方法引入车间调度领域,探讨近年来车间调度领域出现的一种新方法“逆调度”。研究多目标流水车间逆调度问题,建立考虑调度效率和调度稳定性的数学模型,综合考虑了加工参数改变量、系统改变量以及完工时间和等目标。提出一种基于混合的多目标遗传算法(Hybrid multi-objective genetic algorithm, HMGA)的求解方法,将多种策略进行混合以提高算法性能,主要包括快速非支配排序遗传算法(Non-dominated sorting genetic algorithm II, NSGAII)中的快速非支配排序方法、两种多样性保持策略、混合的精英保留策略,以及改进的局部搜索策略等。通过实例测试与方差分析(Analysis of variance, ANOVA),验证了该算法的有效性。     

具有修正策略的改进NSGA-Ⅱ三维路径规划

针对传统多目标遗传算法存在收敛速度慢和难以得到Pareto最优解的缺点,提出了一种在三维环境下具有修正策略的改进带精英策略的非支配排序的遗传算法(NSGA-II).首先建立能使路径最短、能耗最小、起伏最少的多目标函数;其次加入修正算子来减少冗余的路径点,实现快速收敛;然后在选择算子中加入辅助决策算子来比较优先级,提高解的多样性.为了测试改进算法的效果,将传统算法与改进算法进行对比,改进算法得到的解更优且在不同环境下具有多个Pareto前沿分布解,其中修正算子使迭代次数减少了约63％,验证了改进算法的可行性和有效性.     

无缝钢管热轧批量调度问题的学习型文化基因算法

针对无缝钢管热轧批量调度问题,考虑生产工艺约束、生产需求优化等因素,以最小化热工具轧辊使用消耗、生产拖期为目标,建立了多目标整数规划模型。分析了无缝钢管批量调度顺序对热工具轧辊消耗的影响,给定了轧制批量顺序下的求解启发式算法,并设计了一种基于多种群进化的学习型文化基因算法。针对目标设计了不同的搜索算子以及算子的自适应学习选择策略来指导种群进化,充分发挥全局搜索和局部搜索能力。仿真实验与常用的带精英策略的快速非支配排序遗传算法和文化基因算法进行了对比,验证了所提模型和算法的有效性。     

基于BP-NSGA的注塑参数多目标智能优化设计

为获得成型性能最优的注塑参数设计方案,提出了基于BP神经网络和非支配排序遗传算法的注塑参数多目标优化方法。将注塑模结构尺寸参数和注塑工艺参数作为待优化的设计变量,建立了以高质量、低成本、高效率为优化目标的注塑参数优化设计模型。基于非支配排序遗传算法获取给定参数范围内的所有Pareto最优解,并通过建立多输入和多输出的BP神经网络来快速获得非支配排序遗传算法优化进程中所有个体的适应度值。开发了基于BP神经网络与非支配排序遗传算法集成的注塑参数智能优化设计系统,并通过鼠标注塑参数设计实例,验证了其适用性和有效性。     

人字齿轮传动的高重合度优化设计

采用带精英策略的快速非支配排序遗传算法(NSGA-II)对人字齿轮进行高重合度多目标优化设计,选择齿轮齿数、螺旋角、齿顶高系数及变位系数为设计变量,在优化人字重合度的同时,保证了齿轮传动的安全系数。该方法计算快速简便,大大提高了设计的效率。最后,从最终的优化解集中选择一组优化结果与算例数据进行了对比分析,验证了该多目标优化设计方法的有效性。     

高速皮革裁剪机伺服控制系统多目标优化

针对皮革裁剪机迫切向高速化方向发展的需求,首先提出了皮革裁剪机伺服系统三环PID控制策略,建立了伺服进给系统的数学模型和控制系统Simulink仿真模型。以调节时间和ISE性能指标为优化目标,以超调量和控制器输出的峰值为约束条件,建立皮革裁剪机速度PI控制器的多目标优化模型。在iSIGHT环境下,采用带精英策略的非支配排序遗传算法NSGA-II对多目标优化模型进行求解,在生成的Pareto最优解集的基础上排序选出最优解。将优化结果与传统遗传算法比较,结果表明,采用多目标优化方法获得了更加优良的动态特性。对进一步提高高速皮革裁剪机的裁剪速度具有很好的工程实用价值。     

基于改进非支配排序遗传算法的多目标柔性作业车间调度

采用多目标进化算法解决具有工件释放时间、工件目标差异的柔性作业车间调度问题。依据实际制造系统中存在较多的最大完工时间、平均流经时间、总拖期时间、机器总负荷、瓶颈机器负荷和生产成本性能指标,建立多目标柔性作业车间调度模型。针对柔性作业车间调度问题的特点,设计一种扩展的基于工序的编码及其主动调度的解码机制,以及初始解产生机制和有效的交叉、变异操作;针对非支配排序遗传算法(Non-dominated sorting genetic algorithm II,NSGA-II)在非支配解排序和精英选择策略方面的不足,设计一种改进的非支配排序遗传算法,应用改进的算法求解柔性作业车间调度问题得到一组Pareto解集,并运用层次分析法选出最优妥协解。通过测试基准和模拟实际生产的实例,验证提出算法的可行性和有效性。     

基于NSGA-II的多目标流水车间调度问题研究

为实现某企业流水车间调度的优化,使机器利用率最高、资源平稳消耗、快速调头作业、库存最小和满足客户对产品的时间需求,构建了以最小化工件的最大完成时间、总流程时间和最大延迟时间为优化目标的流水车间调度优化模型,通过带精英策略的快速非支配排序遗传算法(NSGA-II)来求解。结果表明,基于NSGA-II的多目标流水车间调度优化方法提供了一系列可行解供决策者根据偏好进行挑选,提高了选择的合理性、科学性,给企业带来更大的竞争力。     

基于改进小世界遗传算法的网络环境下跨单元调度

为了从总体上提高设备利用率、降低企业生产成本、快速响应市场需求,针对网络环境下单元制造系统中特殊工件需要跨单元加工的问题,建立了以最小化最大完工时间和总成本为优化目标的跨单元调度模型。针对多目标遗传算法求解大规模调度问题时全局搜索能力差、收敛速度慢等问题,设计了一种改进小世界遗传算法。通过分析优化目标和制造网络模块度的关系,提出基于制造网络模块度的初始解生成机制,对小世界遗传算法初始解进行改进。通过计算实例,说明优化目标与制造网络模块度呈显著相关性,将制造网络模块度用于初始解的生成可有效改进初始解的质量;通过与带精英策略的快速非支配排序遗传算法、小世界遗传算法的运算结果进行对比,得出改进小世界遗传算法在求解大规模调度问题时,收敛速度更快、求解质量更高的结论。     

基于改进引力搜索算法的铣削加工参数低碳建模及优化

针对数控机床铣削加工特点,考虑刀具寿命、加工表面质量、切削速率和铣床工艺性能等条件,以铣削加工过程中的单位体积碳排放、单位体积生产成本和加工时间为目标,以切削速率、每齿进给量和切削宽度三参数为优化变量,建立了铣削加工参数多目标优化模型,并提出了一种改进的非支配排序引力搜索算法对该多目标模型进行求解。在所提出算法中采用精英保留策略和位置更新回退操作,引导群体质点向真实Pareto最优解集区域靠近。在遗传算法的交叉操作启发下,提出精英精英交叉策略和精英非精英交叉策略,增加了群体多样性。最后与原始非支配排序引力搜索算法和教学优化算法进行对比,验证了所提改进算法的优越性和可行性。采用灰色关联度法在获得的Pareto最优解集中选择满意解,为面向绿色制造的切削参数优化提供了一种新的思路。     

高重合度圆柱齿轮传动多目标优化设计

以重合度最大、体积最小、弯曲强度相等为目标函数,建立了圆柱齿轮传动多目标优化设计数学模型,采用带精英策略的快速非支配排序遗传算法(NSGA-Ⅱ)进行优化求解。对高速重载斜齿圆柱齿轮传动进行了高重合度优化设计,得到了Parteto最优解,并从中选择了一个优化方案与原始方案进行对比,结果显示高重合度圆柱齿轮传动的强度有明显提高,体积也有一定的减小。     

考虑学习效应的单人作业车间多目标调度算法

为减少受学习效应影响的单人作业车间的最大完工时间和工人行走时间,建立了考虑依赖加工时间和的学习效应的单人单工序多机车间调度模型,提出考虑学习效应的多目标贪婪算法(MOGL),融合了带精英策略的非支配排序遗传算法(NSGA-Ⅱ)与基于贪婪的邻域搜索,构造了迭代多目标遗传算法(IMOGA),并基于MO-GL设计了初始解集.设计实验评估了IMOGA的性能,使用Hypervolume指标比较了IMOGA与传统算法.结果表明,IMOGA可以有效求解该问题,对初始解集的改进和基于贪婪的邻域搜索可以有效提高NSGA-Ⅱ的性能.     

复杂制造环境下的改进非支配排序遗传算法

针对柔性作业车间多目标调度问题,在考虑机器、操作人员等资源约束和交货日期不确定性的基础上,构建了以加工成本、客户满意度及生产总流程时间为目标函数的模糊调度数学模型。针对传统的加权系数方法不能很好地解决柔性作业车间调度多目标优化问题的缺点,提出改进的非支配排序遗传算法,采用改进的拥挤密度排序法改善同一非劣等级内个体的排序;提出自适应交叉和变异策略,克服了种群早熟化,改善了算法的收敛速度;采用改进精英策略保持种群多样性,改善了算法的搜索性能。将该算法应用于某机械公司的人机双资源多目标柔性车间模糊调度,仿真结果证明了该方法的有效性和可行性。     

云制造环境下基于非合作博弈的资源优化配置方法

针对云制造环境下无需求偏好的制造资源优化配置问题,在充分考虑制造服务需求方和云制造服务平台运营方利益的基础上,利用博弈论调和与解决冲突的特点,将制造资源优化配置多目标优化问题转化为非合作博弈问题,分别以制造服务需求方和云制造服务平台运营方作为博弈方,以服务质量指标和柔性指标多目标优化函数作为博弈双方的收益函数,建立了云制造环境下的制造资源优化配置非合作博弈决策模型,并采用改进的带精英策略的快速非支配排序遗传算法对模型进行求解,实验结果表明了该模型和算法的可行性和有效性。     

考虑可再生能源的多目标柔性流水车间调度问题

为了节能减排、保护环境,针对可再生能源的柔性流水车间调度问题(FFSP-RE),提出集成低碳调度策略的快速非支配排序遗传算法。根据可再生能源的发电特性建立了可再生能源供电模型,在此基础上构建了FFSP-RE的数学优化模型;给出快速非支配排序遗传算法,其中提出基于操作的编码方法,设计了考虑可再生能源特性的低碳调度策略,线性次序交叉和基于位置交叉采用随机选择方法,变异算子采用反转逆序法,根据拥挤度和非支配等级选择进入下一代种群的个体;通过多个数值实验证明了所提算法能够有效求解FFSP-RE,可再生能源能够在保证完工时间的前提下有效降低碳排放量。     

结合支配强度的NSGA-Ⅱ的柔性车间低碳调度

针对加工辅助环节对传统柔性车间低碳调度的影响这一问题,以最大完工时间、碳排放及机器负载为目标,建立考虑机床上下料调整状态的柔性车间低碳调度模型,利用加权归一法进行量纲的统一;针对非支配排序遗传算法(Non-dominated Sorting Genetic Algorithm-Ⅱ,NSGA-Ⅱ)在解决高维多变量、复杂Pareto边界及复杂非线性多目标问题时存在无法识别非支配解、拥挤度公式不合理、计算效率低下及解集质量较差等问题,提出一种基于支配强度的改进NSGA-Ⅱ算法(Improved NSGA-Ⅱ algorithm based on Dominant Strength, INSGA-Ⅱ-DS)对该模型进行求解：将支配强度引入非支配排序,采用新型拥挤度算子与基于外部档案集的自适应精英保留策略;设计了一种变邻域搜索策略,扩大了邻域搜索范围,增强了算法的局部搜索能力。并运用实例数据对INSGA-Ⅱ-DS性能进行验证,结果表明,改进算法求解效率更高,解集质量更优。