基于自适应蚁群算法的工艺路线优化

针对计算机辅助工艺设计中最优方案选择,提出一种以制造资源更换率最低为目标的自适应蚁群优化方法(Adaptive ant colony algorithm,AACA)。通过分析零件特征,根据精度要求对制造特征进行分解,提出加工元概念。加工元被定义为特定的制造特征、加工阶段、加工方法、制造资源、装夹位置的集合,工艺路线的确定被转换为对加工元的优化顺序安排问题。以制造特征之间的几何位置约束,各加工阶段的先后顺序约束为基本元素,构造加工元优选约束矩阵,给出基于优选约束矩阵的加工元优选原则。在加工元优先顺序约束和可用制造资源的共同约束下,将缩短加工周期、提高加工质量和降低加工成本的综合目标表达为制造资源更换率最低,进行优化目标函数的数学建模。指出加工元优化排序可类比旅行商问题,并选择AACA进行优化求解。实例分析表明提出的方法可以可靠和有效地得到符合生产实际的工艺路线。     

基于改进蚁群算法的FMS工艺路线优化配置

针对基于CON模型的FMS工艺路线优化问题提出了一种改进的蚁群算法.蚁群算法的特点表明它适合于求解FMS工艺路线优化配置这类非线性约束复杂优化问题.本文充分利用了蚁群算法在求解该类问题方面的优势,通过融合了网格法的蚁群算法实现了将蚁群算法用于求解多变量连续函数优化问题.针对蚁群算法自身存在的容易陷入局部最优等问题,提出了引入交叉算子来改进算法的性能.     

基于蚁群算法的零件多工艺路线决策方法研究

为满足企业对工艺规划的新需求,提出了采用蚁群算法进行多工艺路线决策的方法。在几何和技术需求以及可用加工资源的基础上,零件所有特征的各个加工阶段的工序节点构成了工艺求解空间,把加工工序安排的基本原理作为决策加工顺序的约束。采用蚁群算法对工艺求解空间中的所有工序节点在搜索规则的约束作用下进行遍历,最终寻找到能够完全满足工序节点搜索规则的优化工序序列。最后,用实例验证了该方法的可行性,证明该方法可以搜索出可行的工艺路线。     

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.     

基于三维零件模型的工艺路线设计方法研究

针对基于三维CAD的计算机辅助工艺设计(Computer Aided Process Planning,CAPP)的发展需求,提出了一种基于三维零件模型的工艺路线设计方法。从零件三维模型中提取加工特征,建立以加工特征为核心的工艺信息模型,有利于与上游CAD以及下游CAM的集成和信息共享。在工艺信息模型基础上建立以加工元为基元的工艺决策模型,通过聚类和排序约束实现工序/工步的确定和排序,实现工艺决策过程的算法化。通过飞机双面大框零件实例说明了该方法是简单有效的。     

基于直觉模糊数与多目标优化算法的工艺路线优化

为解决工艺规划中的工艺路线决策问题,提出基于直觉模糊数与元胞自动机—第二代强度Pareto进化算法的工艺路线多目标优化方法。分析了零件的加工特征并将其分解为可用知识化表达的加工元,为有效处理加工元之间的模糊性顺序约束关系,利用直觉模糊数设计结构矩阵来建立加工元之间的约束关系。在此基础上,构建了以加工设备变换成本、装夹变换成本、刀具变换成本为优化目标的工艺路线多目标优化模型。为提高求解多目标工艺路线的求解效率,利用元胞自动机和第二代强度Pareto进化算法对工艺路线优化模型进行求解,得到由多个可行的工艺路线组成的Pareto前沿,进而通过模糊熵对其评价后筛选出最佳工艺路线。以某设备的传动箱箱体为例,验证了所提方法的可行性与有效性。     

基于混合遗传算法的工艺路线优化配置

针对 FMS工艺路线优化配置问题提出一种混合遗传算法。该算法在遗传算法中引入了具有启发式规则的余量随机分配算子 ,可以将超过约束条件的余量随机分配到个体中去 ,通过按照一定规则的调整而将不可行个体引入可行域。一方面实现了利用遗传算法求解工艺路线的约束优化问题 ,保持了遗传算法的全局寻优特点 ,另一方面加强了遗传算法的局部搜索能力 ,提高了运行效率。算例证明该算法的求解效果好于目前该领域常用的启发式算法。     

基于改进最大-最小蚂蚁系统的多工艺路线决策方法

为实现工艺规划与生产调度的集成,提出了基于最大-最小蚂蚁系统的多工艺路线决策方法。给出了零件可行性工艺路线图的概念,建立了多工艺路线决策问题的数学模型,从而将零件的工艺路线规划问题转化为对零件可行性工艺路线图中具备最优值的路径搜索和寻优问题。提出了基于精英蚂蚁排序策略的改进最大-最小蚂蚁系统,并设计了算法流程。最后,通过仿真实例,验证了改进算法具有的良好的鲁棒性,并在性能上优于其他算法。     

基于改进蚁群算法的PID参数优化

一般传统PID控制器参数优化都采用Ziegler-Nichols法,由于其无法获得满意的动态指标,因此本文提出一种基于改进蚁群算法的PID控制器参数优化方法。蚁群算法是一种仿生进化算法,其采用分布计算机制,具有较强鲁棒性。本文提出的改进蚁群算法,可自适应调整路经上的信息素,并将各路径上的信息素强度限制在某个区域内,以避免搜索停滞。仿真实验表明该方案可行。     

基于自适应蚁群优化算法的数据挖掘模型研究

在Ant-Miner算法框架中通过对启发式因子、信息素更新及路径选择概率等策略的改进,提出基于自适应蚁群优化算法的分类挖掘模型,并进行实验分析,与基本Ant-Miner算法相比较,表明这一算法在规则质量及运行时间上都有很大的优势.     

一种用于优化PID参数的改进蚁群算法

PID控制由于算法简单,鲁棒性好在工业的过程控制中应用很广泛,但是传统的Z-N算法整定的PID参数却并不是最佳的。蚁群算法作为一种新型的仿生优化算法。该算法具有很多优良的性质,近年来在优化领域中得到了广泛应用。本文提出了一种改进的蚁群算法。通过增加高斯变异这一环节来增强算法的智能性。最后通过仿真实验获得了较好的控制效果。     

基于蚁群算法的供应链滚动优化决策方法

针对钢铁供应链最终客户的需求不确定性,提出了一种将蚁群算法与滚动优化算法相结合的供应链优化决策方法,旨在满足最终客户不确定性需求的同时降低成本。通过实施滚动优化策略,来减少需求不确定性导致的决策失误。在优化模型中考虑了采购规模和生产规模对单位成本的非线性影响。为求解滚动优化中的非线性优化问题,通过将成本等效为路径的长度,将决策变量的候选解等效为城市,从而把决策优化问题转化为蚁群路径寻优问题。在每次静态优化中,优化算法根据历史数据和反馈信息来确定优化决策变量。针对一个包括供应商、生产商、零售商和最终客户的供应链对象进行了仿真研究,结果表明了所提方法在克服需求不确定和模型非线性方面的有效性。     

基于蚁群算法的单克隆菌落挑选仪路径规划

单克隆菌落挑选仪是集光学成像、图像识别和自动控制等技术于一身,应用于生物工程领域的一种高端仪器。对12×8阵列挑选针和无序排列的菌落目标,只有对挑选路径和顺序进行优化,才能有效提高挑选通量。针对这一需求,利用蚁群算法的基本原理,对单克隆菌落挑选仪挑选路径进行了优化。仿真实验结果表明,该算法可以有效提高挑选效率。     

基于遗传算法的工艺路线决策与优化

在已有的工艺路线决策优化研究的基础上,分析了工艺知识的特点,确定了基于特征的工艺知识表达方法,根据工艺知识间的约束关系,构建基于工艺约束的工艺路线决策空间,提高遗传算法的搜索能力。针对工艺路线决策的不确定性,建立了多目标优化函数,将遗传算法应用于工艺路线决策过程中。通过设计合理的基因编码规则、适应度函数、交叉、变异算法优化工艺路线。通过实例,介绍了利用遗传算法进行工艺路线决策和优化的过程。     

基于Pareto蚁群算法的拆卸线平衡多目标优化

为提高产晶拆卸效率,针对拆卸线平衡问题建立了数学模型.该模型以最小拆卸线闲置率、负荷均衡和最小拆卸成本为优化目标.结合拆卸线平衡问题的具体特点,提出了一种改进的基于Pareto解集的多目标蚁群优化算法.算法采用小生境技术,引导蚂蚁搜索到分布良好的Pareto最优解集,并以被支配度和分散度为个体评价规则.实验测试结果表明了该算法的可行性.最后,结合企业生产实际,给出了所提模型与算法的具体应用.     

求解物流配送路径优化问题的一种改进蚁群算法

物流配送路径优化是现代物流配送服务的关键环节之一,由于需求的小批量和动态变化等特点,需要设计一个快速有效的求解算法。为此,构建了物流配送路径优化问题的数学模型,设计了一个改进的蚁群算法来求解该问题,引进了选择算子、插点操作和动态改变算法参数等改进措施,开发和实现了一个试验软件包。仿真试验结果表明,该算法具有较好的全局寻优能力,收敛速度快,是解决物流配送路径优化问题的有效算法。