站间操作者不同的并行拆卸线平衡问题优化

针对现有并行拆卸线对各拆卸线任务定义不明确且数学模型均为概念模型,考虑站间操作者不同,构建以最小化工作站数目、机器人数量、拆卸成本和空闲时间均衡指标为优化目标的并行拆卸线平衡问题的混合整数规划模型. 提出适应该问题的改进头脑风暴优化算法,该算法通过双层编码构造可行拆卸序列,离散化原始操作,设计单个个体和2个个体产生机制的变异交叉方式. 为了增加种群个体的多样性,设计四点交叉的操作策略. 针对优化目标的多重性,引入Pareto解集思想和拥挤距离筛选多目标非劣解. 应用CPLEX和LINGO求解小规模算例精确解,与算法求解结果对比,验证了该模型的正确性与算法的有效性. 应用该算法求解P25经典算例,与现有的多篇文献结果对比,验证了该算法求解性能的优越性. 将所建模型和所提算法应用于电视机与电冰箱的并行拆卸线实例中,通过不同的对比实验验证了所提算法的优越性.     

船舶主尺度设计的高维多目标多方向进化算法

针对现有船舶主尺度优化模型往往只考虑经济性能,而忽略安全性能的问题,引入初稳性作为安全性指标,建立了4目标优化模型,并提出一种高维多目标多方向进化算法对其进行优化求解。通过一组方向向量将搜索空间分解成多个寻优方向,并利用改进的方向角差分算法结合SBX算子加强各方向上的寻优能力和方向间的信息交互;最后,以改进的模糊支配和密度估计因子构造精英保留策略,提高种群的先进性和分布性。实验结果表明,高维多目标多方向进化算法能够迅速、客观地选择合理的船舶主尺度,可以给设计人员提供更多的选择,为船舶初步设计提供了一种简单、高效的新方法。     

基于遗传算法的多目标拆卸线平衡问题

拆卸是废旧产品回收利用的重要途径,也是使产品生命周期完整的必要条件,针对产品拆卸线的特点,建构拆卸线平衡问题的多目标关系,针对传统方法求解多目标拆卸线平衡问题求解结果单一、无法满足平衡诸多目标的特点,提出一种多目标改进的遗传算法对模型进行求解,该算法加快了算法的收敛速度.基于基本拆卸任务算例,通过与现有的单目标启发式算...     

某汽车座椅混流装配线多目标排产优化

针对某汽车座椅混流装配线多型号多批次混流装配周期长、订单多样化、难以满足客户需求等问题,建立以产品最小完工时间和等待时间为目标的排产优化模型,并设计一种基于循环拥挤排序的改进快速非支配排序遗传算法进行求解.以某企业混流装配线为例,运用多种算法进行优化前后排产方案的对比分析,验证所提模型及算法的可行性.应用Plant Simulation对所提排产优化模型与算法实用性进行验证,仿真结果表明,文中模型及算法能有效缩短装配周期,提高装配线资源利用率.     

混流装配线第二类平衡问题优化研究

针对混流装配线第二类平衡问题,分析了以往数学模型和算法对求解混流装配线第二类平衡问题的不足,综合产品的作业时间、装配工艺等因素,以生产节拍最小化、各工作站加权平均负荷均衡化为目标,建立了基于作业空间和装配工具约束等条件下的优化模型;利用遗传算法对该模型进行求解,通过对各优化目标的进行加权,实现了对生产节拍和工作站加权平均负荷平衡同时优化的目的。实例验证了优化模型的有效性。     

无线Mesh网络功率控制与信道分配联合优化

针对无线Mesh网络网关节点和网络链路承载的负载不均问题,择优选择网关节点,并设计链路权重,构建以网络加权吞吐量为优化目标的资源分配模型.在构建的资源分配模型下,提出一种基于Q学习和差分进化的联合功率控制与信道分配算法（QDJPCA）.该算法通过获取功率控制的反馈结果,采用基于多重变异和自适应交叉因子的差分进化算法进行信道分配;针对每次迭代产生的信道分配结果,采用基于状态聚类和状态修正的Q学习算法实现功率控制.NS-3仿真结果表明,QDJPCA能够有效求解所提资源分配模型,在优先保证网关负载均衡和高负载链路吞吐量性能的基础上提升网络整体性能.     

基于零部件均衡重要程度的混流装配线排序

混流装配线中产品的投产顺序会影响零部件的消耗均衡情况,而不同类型零部件的均衡情况对生产装配系统的重要程度各有差异,基于该情况建立零部件均衡重要程度的混流装配线排序模型,并设计1种自适应遗传算法进行求解,最后对案例进行分析.结果表明,基于零部件均衡重要程度的混流装配线排序模型能够对生产装配系统更为重要的零部件进行更好地均...     

零等待flow shop多目标调度的混合差分进化算法

针对具有零等待约束的flow shop问题,以总流程时间和最大完工时间为多目标,提出一种结合多目标变邻域搜索的混合差分进化算法(multi-objective differential evolution hybridized with variable neighborhood search,M DEVNS)进行求解。提出一种基于改进Naw az-Enscore-Ham(NEH)规则的多样化种群初始化方法;设计了差分进化的变异、试验、目标个体更新操作;为提高多目标搜索能力,在算法的进化中混合了一种多目标变邻域搜索方法。通过Taillard标准测试算例的计算试验,证明了MDEVNS算法获得的Pareto前沿解在多样性和性能方面要优于多目标模拟退火算法和非支配排序遗传算法,验证了MDEVNS算法求解多目标零等待流水车间调度问题的有效性。     

改进的文化粒子群算法的电子商务服务器集群负载均衡

随着电子商务的发展,电子商务企业服务器集群负载均衡问题越来越严重,为了解决粒子群算法在求解电子商务服务器集群负载均衡问题上存在的不足,提出一种改进的文化粒子群算法的服务器集群负载均衡策略.首先利用粒子群算法的主群体空间和文化算法的知识空间形成"双演化双促进"机制,提高算法全局搜索能力和运行效率;然后引入遗传算法进化机制对知识空间演化操作进行改进,最后将该算法应用于电子商务服务器集群负载均衡问题求解.经过仿真验证,改进文化粒子群算法,提高服务器集群系统资源利用率,负载更加均衡.     

不确定执行时间的云计算资源调度

针对执行时间不确定情况下的云计算资源调度问题,基于模糊规划理论建立了时间-成本约束条件下的模糊云资源调度模型,使用三角模糊数表示不确定的任务执行时间,以最小化评价函数的平均值和不确定度作为调度目标。提出一种改进的混沌蚁群算法对模型进行求解,算法引入精英策略优化了信息素的更新,采用折叠次数无穷大的混沌映射进行混沌搜索,并设计了自适应混沌扰动机制以增强算法的全局搜索能力。在Cloudsim平台上用仿真数值实例对模型和算法进行验证,证明了模型的可靠性,实验结果表明改进算法在收敛速度、求解能力和负载均衡上均有较好的性能。     

基于遗传蝙蝠算法的选择性拆卸序列规划

针对产品选择性拆卸序列规划问题,提出一种基于遗传蝙蝠算法的产品拆卸序列规划方法.利用Python语言对传统蝙蝠算法进行离散化处理,并在种群更新过程中引入遗传算法的交叉与变异机制,生成遗传蝙蝠算法,以增强解搜索的多样性;在构建适应度函数模型时以拆卸工具的变化次数与拆卸方向的重新定位次数作为评价指标,同时加入零部件的回收收益指标,使适应度函数更加完善.以工业机械臂为实例,利用所提方法进行产品拆卸序列规划求解,对比传统蝙蝠算法以及遗传算法的求解结果,发现在一定的种群数目下,所提方法收敛时间较短;在不同种群数目下,所提方法得到的适应度函数最优值质量较高,从而验证了遗传蝙蝠算法的搜索优越性.     

带时间窗的负载均衡物料配送模型研究与算法实现

针对带时间窗的车间物料配送优化问题,为减少配送作业人数、均衡车辆负载和减少物料配送总时间,建立以调用作业人数最少、车辆负载均衡和总配送时间最短为目标的多目标优化模型,并提出一种改进混合教与学算法对模型进行求解。该算法在原算法基础上加入辅导教学机制和分科目学习策略以提高算法寻优速度,采用随机惯性权重平衡算法的开采与探测能力,在"学"阶段之后设计教师个体局部寻优算子和三种变异算子以提高算法的寻优精度。以某叉车装配车间的物料配送实例为仿真对象进行仿真实验,实验结果验证了该模型和算法的有效性。与粒子群算法、标准教与学算法、改进教与学算法和遗传算法相比,改进混合教与学算法具有较高的寻优精度和寻优效率。     

基于遗传算法的混流生产线产品分组指派问题研究

市场对产品需求的多样化使得混流生产方式在离散制造行业更多的被采用, 混流生产方式相 关问题的研究不但是一个理论上的难题, 也是实际生产应用中的关键技术.因此分析了有设备限制 的混流生产线产品分组指派问题, 对该问题构建了设备调整费用最小化与产品零部件相同度最大 化的多目标数学模型.同时遗传算法是近年来在智能计算领域应用最为广泛的算法, 具有简单、通 用, 不易陷入局部最优, 全局寻优能力强等优点, 针对构建的混流生产线产品分组指派问题模型, 给 出了利用遗传算法求解该模型的方法.最后, 通过实例证明了理论模型的实用性以及求解方法的有 效性.     

计及电网运行协调性的节能减排多目标发电调度

建立了综合考虑电力系统节能减排和协调运行的多目标发电调度模型.模型中以降低燃料成本、有功网损和提高电网运行协调性指标为优化目标,其中运行协调性指标定义为支路负载率的标准差,以衡量支路潮流分布的均衡度.基于改进多目标差分进化算法(I-DEMO)获取模型的帕累托最优解集后,采用逼近理想解排序法(TOPSIS)提取出最优发电调度方案.IEEE 30节点系统算例结果验证了所述发电调度方法的有效性.     

混合离散粒子群算法在混流装配线生产调度中的应用

为使混流装配线有效运作,研究了混流装配线的生产调度问题。以最小化最大完工时间为优化目标,建立了调度模型。针对算法中存在的"早熟"现象,提出了一种与基于NEH方法的领域搜索策略结合的混合离散粒子群算法,并通过实例验证了算法的有效性。经与其他算法比较后发现:混合离散粒子群算法在求解摩托车混流装配线生产调度问题上具有优势,能快速搜索到最优解,具有较好的收敛性。     

第II类机器人混流装配线的平衡与排序联合决策

为了提高第II类机器人混流装配线系统能效,界定工业机器人5种工作状态,量化不同状态下的机器人能源消耗值,引入关停策略和考虑产品切换,以最小化最大工作时间和能源消耗为目标,构建平衡与排序联合决策双目标优化模型. 设计改进的非支配排序遗传算法II,通过同类算法对比分析,验证改进算法的有效性. 结合算例,揭示关停策略和产品切换准备作业对机器人混流装配线系统的技术影响。关停策略能够减少能耗,在装配线平衡性下降时的效果愈加明显,最大能耗节约率达到16.68%;考虑产品切换准备作业的影响,有利于机器人混流装配线作业效率和能源消耗的整体优化.     

多目标融合势博弈无线自组网络拓扑控制算法

针对基于博弈论的无线自组网络拓扑控制算法存在个别"瓶颈节点"负载不均衡、冗余链路多、生存时间短的问题,提出了一种多目标融合的网络拓扑控制算法。首先通过分析网络的连通性、节点发射功率、剩余能量、节点度、链路质量和链路长度对节点负载的影响,设计了一种改进的综合效用函数;建立多目标融合的网络拓扑控制势博弈模型,并证明该模型是序数势博弈且存在纳什均衡解;在维持网络k-连通的基础上,再采用最小路集算法对博弈后的网络拓扑链路进行优化,剔除冗余链路。仿真实验及对比分析结果表明,所提算法在保证网络连通性的前提下,实现了网络负载均衡,消除了冗余链路,生存时间相较于分布式能耗均衡拓扑控制算法、能量平衡拓扑控制博弈算法和节能容错拓扑控制博弈算法分别提升了25.4%、92.6%、36.8%。     

基于目标成本分解的成本企画优化模型研究

针对成本企画目标成本分解传统方法的不足，结合现代设计的基本特征和要求，引入产品需求贡献度指标，对产品结构离散化后，通过构筑等差数列对目标成本进行离散变换，在“指派问题”模型的基础上提出基于产品设计过程的成本分解优化模型，实现产品功能、质量等市场需求指标和成本因素的全局均衡优化．最后给出了模型计算机求解的思路，并对模型进行了拓展．     

考虑产品故障特征的目标选择性拆卸序列规划

针对实际拆卸过程中产品质量的不确定性和模糊性问题,特别是产品普遍存在的故障问题,对拆卸序列方案选择的影响,提出了考虑产品故障特征的目标选择性拆卸序列规划方法.为便于表达产品拆卸信息,构建了拆卸混合图模型;通过提取产品故障特征,构建了产品故障矩阵,并运用专家意见法推导了零部件故障特征与拆卸模型元素的关联度矩阵;为更新拆卸混合图模型,运用模糊三角函数确定了零部件故障特征对拆卸模型元素的影响度,并根据影响度和专家阈值对拆卸模型元素与拆卸信息进行修正以得到故障拆卸混合图模型;最终,基于产品的故障拆卸混合图模型结合拆卸序列优化算法生成了最优的拆卸序列方案.本文以涡轮减速器为例对所提方法进行了验证,结果表明该方法更切合实际的拆卸过程,较好地解决了产品故障对拆卸造成的模糊影响,极大地提高了拆卸序列方案的可行性和拆卸效率,降低了拆卸的盲目性,案例证明所提方法对于解决拆卸序列规划问题更切实有效.     

基于多目标差分进化算法的机加工柔性作业车间调度

柔性作业车间的多品种、多件数导致调度难度大、耗费时间较长和成本较高,为此,以最大完工时间、能耗和刀具损耗数量为优化目标,考虑返工、次序的准备时间和批量调度约束,建立了多目标机加工柔性作业车间调度模型.提出一种引入综合考虑能耗和加工时间的轮盘赌初始化策略.针对传统差分进化算法交叉得到的子代机器部分质量较差,提出一种机器选择的策略,以此对差分进化算法进行了改进.将改进后的差分进化算法应用于机加工柔性作业车间调度,并与传统差分进化算法在机加工柔性作业车间调度进行多组实验对比.结果表明：改进差分进化在机加工柔性作业车间调度较传统差分进化算法具有收敛速度较快、鲁棒性较好的优点,优化后各机器负载更为均衡,可有效解决多目标机加工柔性作业车间调度问题,为多品种、多件数类排产任务提供了一种良好的指导方案.