圆柱齿轮传动多目标优化的差分进化算法

针对单级斜齿圆柱齿轮传动机构优化设计问题,建立以体积最小化和重合度最大化为目标的约束多目标优化模型。为提高Pareto前沿的分布均匀性和分布广度,将网格Pareto占优技术与约束多目标差分进化算法结合,设计网格占优约束多目标差分进化算法(ε-CMODE)。根据工程实践需要,将离散约束多目标优化模型映射为约束非负整数规划问题,再改进ε-CMODE算法以求解该模型。最后,给出优化设计实例。结果表明,ε-CMODE算法能有效求解齿轮机构多目标优化问题,得到均匀分布的Pareto前沿,可为设计人员提供多组备选解。     

基于特征加工元的复杂箱体类零件工艺路线优化

针对工艺设计过程中工艺路线的优化问题,通过分析复杂箱体类零件特征,并将其细分为加工元,在考虑优化过程中存在的问题和相关工艺约束的基础上,将工艺路线的优化转化为加工元的优先排序。以机床、夹具和刀具变换次数最少建立目标优化模型,利用改进的遗传算法进行求解,避免了遗传算法“早熟”的缺陷。以某型号缸体为研究对象验证该改进算法的有效性,结果表明该算法具有很好的收敛性。     

基于遗传算法与约束矩阵的工艺路线优化方法研究

提出了一种基于遗传算法和约束矩阵的工艺路线优化方法.该方法利用约束矩阵来描述加工元间的优先关系,由系统自动生成约束矩阵,开发了保证加工元序列满足工艺约束关系的加工元序列有效性检验与调整算法.以总变换成本最小为优化目标,采用改进的遗传算法进行工艺路线的优化,以实现工艺过程的全局优化.     

基于强度Pareto进化的注塑机注射性能多目标优化

为实现大型注塑机注射性能的优化设计,构建了注射压力、注射速率和注射功率优化模型,应用多目标进化算法,系统分析了影响注射性能的各方面因素.改进强度Pareto进化算法,引入模糊C均值聚类,加快外部种群的聚类过程.采用约束Pareto支配和浮点数、二进制混合染色体编码策略,一次运行就能求得分布均匀的Pareto最优解集,并使用基于集合理论的方法选择一个最优解.试验分析表明:结合了强度Pareto进化算法与模糊C均值聚类方法的混合算法在提高注射综合性能的同时,能够获得比线性加权法分布性更好的Pareto前沿;且与强度Pareto进化算法相比,显著缩短了运算时间,具有较高的效率与鲁棒性.     

废旧机械装备零部件重用组合多目标优化模型及应用

废旧机械装备零部件资源的最优化重用组合,是实现废旧机械装备再制造的关键环节。分析面向废旧机械装备再设计的零部件重用组合多目标优化过程模型,建立以废旧机械装备零部件重用组合寿命均衡性、复杂性及成本为优化目标,以零部件重用策略组合为优化变量的废旧机械装备零部件重用组合的多目标优化模型,并采用第二代强度Pareto进化算法(Strength Pareto evolution algorithm 2,SPEA2)对模型进行寻优求解。以废旧C6132机床为例,验证了上述模型有效性。     

供应商参与下的产品方案多目标优化与多属性决策规划方法

针对现有供应商参与下的产品方案规划方法在零部件优化和供应商评价等两方面所存在的局限性,提出零部件多目标优化和供应商模糊动态多属性决策评价相集成的二阶段规划方法。建立以产品零部件组合方案的质量、成本和交货期等为目标的数学优化模型,以Epsilon策略和主导性约束处理机制对强度Pareto多目标进化算法进行适应性改进后用于对该优化模型进行求解并获得有限数量的Pareto最优解。引入傅里叶级数对伯努利预测模型的误差进行修正来提高预测精度,将修正的伯努利预测模型和模糊动态多属性决策模型相结合用于对Pareto最优解中包含的各零部件供应商进行评价,进而确定出各零部件的最佳供应商和最终的产品规划方案。以供应商参与下的空分设备研发过程作为实例,进行数值仿真计算,结果表明所提出方法具有可行性与有效性。     

采用差分进化算法的复杂轴零件工艺路线优化

针对某复杂轴工艺路线编制不合理导致加工效率低的问题,从现有工艺路线优化方案出发,将加工特征以加工精度为加工元节点进行详细划分,构架合理加工元编码,以生产实际中装夹为依据,对工艺约束关系分组分析,获得更优的约束矩阵表达。利用差分进化算法,以机床、刀具及装夹更换最少为目标函数,合理设计差分变异、交叉及序列有效性校验与调整算法。通过对比表明,优化方案相较于优化前方案以及工艺约束不分组方案,刀具、装夹更换次数均有减少。     

基于多目标猫群算法的混流装配线排序问题

针对现实混流装配线上各工作站内设备闲置/超载的成本不同的问题,在传统的最小化闲置/辅助工作总成本目标的基础上,考虑不同工作站内设备闲置/超载成本的差异,建立了以改进的最小化工作站闲置/超载总成本、产品变化率和产品切换总时间为目标的多目标优化模型,并设计一种改进多目标猫群优化算法进行求解。提出一种基于线性混合比率的猫行为模式选择方法,以提高算法前期的全局搜索能力和后期的局部寻优能力;提出能生成分布广泛的候选个体、基于多样化搜寻算子的改进搜寻模式,拓展算法的搜索空间,提高算法的全局搜索能力。运用基准实例对所提算法与第二代非支配排序遗传算法、多目标粒子群算法、第二代强度Pareto进化算法进行比较,结果表明所提算法在解的收敛性、分布性和Pareto解的搜索能力上均具有优势。将该算法用于求解某实例企业的混流装配线排序问题,为车间调度人员的决策提供了多样化的选择,且优于车间已有方法的求解结果。     

扇形采样约束多目标差分进化算法及工程应用

工程实践中存在大量约束多目标优化问题(Constrained multi-objective optimization problems, CMOPs),多目标进化算法是求解这类问题的一类有效方法。引入扇形采样技术,将二次变异双种群差分进化算法和约束处理方法相结合,设计求解CMOPs的进化算法——基于扇形采样的约束多目标差分进化算法(Sector-sampling-based constrained multi-objective differential evolution algorithm, SS-CMODE)。扇形采样可避免耗时的非劣操作,且能保证Pareto最优解集的良好逼近性和多样性。通过3个典型CMOPs的对比测试,表明SS-CMODE的解集均匀性和计算效率明显优于对比算法。以J23-80机械压力机使用的双曲柄串联机构多目标优化为例,研究新算法求解工程问题的有效性。以锻冲工作阶段平均速度波动最小和力传动性能最优为目标,建立机构的约束多目标优化模型,再应用SS-CMODE求解该问题。结果表明,该算法能求出多组满足约束条件的Pareto最优解,且解集均匀性良好。     

基于果蝇优化算法的船舶管加工车间多目标生产调度研究

为了提高船舶管加工车间的生产效率,考虑多种现实约束和优化目标,建立了多目标生产调度问题的数学模型。同时,根据果蝇优化算法的基本框架,结合Pareto优化理论的思想,设计和改进嗅觉搜索、视觉搜索及种群更新等多种策略,制定了多目标果蝇优化算法框架,提出了基于果蝇优化算法的求解方法,实现船舶管加工车间多目标生产调度问题的高效求解。通过与第二代非支配排序遗传算法(Non-dominated Sorting Genetic Algorithm II, NSGA-II)的对比实验,验证了所提方法的有效性。     

动态物流网络多目标优化模型及求解算法

针对动态物流网络优化问题,构建了多阶段三级物流网络模型。为了同时保证物流网络的效益和效率,以产品供应总成本最小和供应总时间最短为目标建立多目标优化模型。针对该模型多目标、多约束且存在时变参数的特点,提出了动态自适应多目标差分进化算法(DSMODEA)对模型进行求解。DSMODEA算法为元启发式智能优化算法,通过比较种群个体的Pareto支配关系和拥挤度距离来判断个体优劣,采用差分进化策略不断迭代收敛。同时,提出了环境变化检测算子、环境变化响应策略和自适应策略以保证算法能很好地求解动态优化问题。算例表明,DSMODEA算法能够求得各阶段物流网络的最佳可行供应方案,且所采用的响应策略和自适应飞行策略大大提高了算法的性能。     

基于禁忌制造特征动态调整的STEP-NC工艺路线蚁群优化方法

针对STEP-NC制造特征的加工工艺路线生成与优化问题,提出了一种以机床、夹具及刀具更换率最低为目标函数的禁忌制造特征动态更新的工艺路线蚁群优化方法。首先,根据加工工艺对制造特征进行分解,将工艺路线优化问题转化为对制造特征的排序;然后根据制造特征在加工过程中存在的加工遮挡关系以及刚性工艺性约束,提出禁忌制造特征动态更新的工艺路线生成方法;最后将禁忌制造特征动态更新方法与Ant-Cycle模型的蚁群算法相结合,求解制造特征工艺路线的优化问题。实例应用表明,提出的方法能较好解决加工工艺路线优化过程中的刚性约束处理问题。     

基于混合元胞自动机的柔顺机构多目标拓扑优化方法

采用无梯度优化方法——混合元胞自动机方法进行体积约束下柔顺机构多目标拓扑优化设计。以应变能最小化和互应变能最大化为目标,以结构体积为约束,采用标准化方法定义多目标拓扑优化的目标函数,消除不同性质目标函数在数量级上的差异。将混合元胞自动机方法用于多目标优化问题的求解,以比例控制作为局部控制规律。数值算例结果表明,该方法用于柔顺机构多目标拓扑优化设计是有效的,优化迭代次数较少,且结构不易出现单节点铰链现象。     

一种用于多目标约束优化的改进进化算法

当前求解多目标优化的进化算法主要考虑如何处理相互冲突的多个目标间的优化,很少考虑对约束条件处理的问题.对此,给出了一种基于双群体搜索机制的改进差分进化算法,以求解多目标约束优化问题.采用两个不同种群,分别保存可行个体与不可行个体的双群体约束处理策略,利用基于Pareto的分类排序多目标优化技术,完成对进化个体解的评价.并通过群体混沌初始化、自适应交叉和变异操作来提高基本差分进化算法的性能.对三个经典测试函数的仿真结果表明,文中算法在均匀性、逼近性及收敛速度三方面均优于非支配排序遗传算法,而收敛速度也优于另两种改进进化算法.     

聚类差分进化算法求解多目标工艺规划与 调度集成问题

针对多目标工艺规划与调度集成问题,以完工时间、交货总拖期和设备工作负荷为优化目标,建立了多目标非线性工艺规划集成模型,提出一种聚类差分进化算法。该算法设计了包含工艺、设备和加工顺序信息的3层编码结构,结合聚类算法、差分进化算法和遗传算法的相关操作,有效地优化工艺信息和调度方案,保持可行解的多样性,实现Pareto非支配解集快速更新。通过对Pareto非支配解集进行领域搜索,使其更加接近或到达Pareto最优解集。最后通过实例验证了算法的性能。     

基于拥挤距离排序的多目标粒子群优化算法及其应用

针对多目标粒子群算法在全局寻优能力和Pareto集多样性上的不足,提出基于拥挤距离排序的多目标粒子群算法.该算法采用精英策略,基于个体拥挤距离降序排列,进行外部种群的缩减和全局最优值的更新,并在内部粒子群中引入小概率变异机制,增强算法的全局寻优能力,控制Pareto最优解的数目,同时保证其收敛性和多样性特征.在电梯曳引性能的多目标优化应用中,证明了该算法对于两目标和三目标优化问题求解的有效性.不同规模实例的运算对比表明,该算法在Pareto前沿的收敛性和多样性方面均优于改进强度Pareto进化算法,且缩短了运算时间,具有较高的效率与鲁棒性.     

基于模糊关联熵的高维多目标流水车间调度优化

针对现有优化方法在求解高维多目标问题上的弊端,将多目标解映射为模糊集,提出利用表征模糊集间关联相似程度的模糊关联熵方法解决多目标优化问题。建立基于模糊关联熵的多目标优化方法,以模糊关联熵系数的大小衡量Pareto解模糊集与理想解模糊集的相似程度,并以该系数作为粒子群优化算法适应度值引导算法进化,建立基于模糊关联熵的多目标粒子群优化算法。实验表明,基于模糊关联熵的粒子群优化算法可以有效解决高维多目标Flow Shop调度问题,算法在优化解和各性能指标上皆优于基于随机权重的粒子群优化算法,特别在求解较大规模问题时,基于此法的粒子群优化算法表现更佳。     

加工装配式流水车间节能调度建模与优化

为解决具有加工装配一体化的流水车间节能调度问题,以加工机器最小能耗为优化目标,建立加工装配式流水车间节能调度模型。该模型将装配线视为具有特殊约束的加工生产线,再结合考虑车间工件工序、装配工序、装配子件加工等约束条件。分别针对简单和复杂装配约束的问题,采用混合差分进化算法求解最小能耗下工件调度方案,并与自适应差分算法对比。实验结果证明了混合差分进化算法求解该问题的有效性。     

基于改进SPEA2算法的铸造并行车间主生产计划

针对铸造企业现有人工主生产计划订单交期准确率不高、车间工时利用率低和任务分配公平性不足的问题,建立了以订单提前/拖期惩罚成本、车间完工时间和工作负载均衡为指标的多目标整数规划模型.提出了改进的强度Pareto进化算法,设计了离散形式的编码、交叉与变异操作,并引入模拟退火机制优化环境选择和种群更新方式,求解出并行车间订单排产的Pareto最优解集,然后采用模糊优选法从中选出折中的推荐排产方案.多个规模的仿真实验结果表明,改进后算法所求得的解的支配性明显优于原算法和加权法求得的解,同时最终确定的推荐排产方案与原算法相比,各目标函数值均有效降低,其中惩罚成本和负载均衡目标优化效果显著.     

柔性工作车间调度问题的多目标优化方法研究

针对各工件日标不同的多目标柔性作业车间调度问题,构建了以加工成本、加工质量及制造工期为目标函数的柔性作业车间调度多日标优化数学模型.针对传统的加权系数遗传算法不能很好地解决柔性作业车间调度多目标优化问题,提出采用改进的强度Pareto进化算法,对柔性作业车间调度问题进行多目标优化,从而得出柔性车间调度问题的Pareto综合最优解.最后,结合项目实施,以某大型空分装备企业的车间调度为例,证明了文中提出的方法能很好地解决柔性工作车间调度的多目标优化问题.