基于混合粒子群算法的企业订单分配优化研究

LED芯片厂将芯片按亮度和波长用不同的BIN来分类,客户下单时的产品需求规格以亮度等级范围和波长波段范围表示,因此要满足一张订单,有相当多种的BIN出货数量组合可满足。BIN出货组合越合理,越多的订单可满足,企业的库存水平可降至越低。为了达到此目的,提出采用混合粒子群算法来优化各订单的BIN库存分配组合,以实现出货数量最大的目标。实证结果证明该方法实用有效,能够为企业带来更大的经济效益。     

基于混合蛙跳算法的齿轮传动优化设计

混洗蛙跳算法(SFLA)求解高维连续优化问题时容易早熟且求解精度不高。利用基本差分进化算法(SDE)中DE/best/2/bin(DEb2)全局搜索能力较强、收敛速度快的优点,将SFLA与DE有机融合,形成混合优化算法(HODEFL),以克服SFLA的缺陷。以斜齿圆柱齿轮减速器的优化设计为研究对象,建立体积最小为目标的约束优化设计模型。应用HODEFL求解该问题,并与改进粒子群算法(LWP-SO)、SFLA、DEb2等3种算法比较。实验结果表明,HODEFL算法在寻优效率、计算精度、鲁棒性等方面性能优于其他3种对比算法。     

基于混合蛙跳算法优化神经网络的齿轮箱故障诊断研究

为提高齿轮箱故障诊断的准确性,探寻诊断复合故障的方法,利用混合蛙跳算法优化BP神经网络的参数,构建SFLA-BP算法模型,在一定程度上弥补BP神经网络算法的缺陷。对比发现,该诊断方法具有较高的稳定性和较强的诊断能力,表现出很好的适用性,特别是在诊断复合故障方面具有一定潜力。     

基于改进混合蛙跳算法的贴片机贴装顺序优化

元器件贴装顺序是影响贴片机工作效率的关键因素之一.针对拱架型贴片机,在建立贴装顺序数学模型基础上,采用改进混合蛙跳算法对贴装顺序进行优化,按照三角概率分布选择可能被改进蛙的策略,完成对基本混合蛙跳算法的改进.最后以3块PCB为例进行实验,实验结果表明,算法可以有效解决元件贴装顺序问题,并具有比基因遗传算法更高的准确性及效率.     

基于混合蛙跳算法的复杂产品装配序列规划

为提高机械产品的装配效率,提出一种基于混合蛙跳算法的产品装配序列规划方法。该方法针对混合蛙跳算法中各个模因组内的最优样本容易出现趋同性的现象,引入遗传算法,提出最优样本的差异性控制策略,以改善种群的差异性。建立了以装配操作稳定性、惩罚函数、装配方向改变次数和装配工具改变次数为装配序列评价指标的适应度函数模型。以一个装配体实例分析该算法的特性,验证了改进混合蛙跳算法的可行性和稳定性,并将该算法与标准混合蛙跳算法和遗传算法相比较,证明了改进混合蛙跳算法更有效。     

基于混合粒子群算法的多订单转换成本研究

建立了基于关键因素的多订单转换成本模型,将遗传算法与粒子群算法相结合,采用精英保留策略,有效加快函数值的收敛速度.算例表明,该算法模型具有较好的可行性.     

基于混合蛙跳优化神经网络的轴承故障诊断研究

以滚动轴承故障诊断为课题研究背景,以JZQ250型号传动箱为实验对象,将混合蛙跳算法与BP神经网络进行结合,利用混合蛙跳算法高效的计算性能和优良的全局搜索能力,对BP神经网络的网络结构进行优化。通过对比发现,混合蛙跳算法优化后的BP神经网络模型,可避免BP神经网络在训练中陷入局部最优,减短训练时间,提高训练准确度,具有较高收敛速度和准确诊断能力。通过一系列训练和测试,结果表明,这种方法能够提高诊断的可靠性和准确性。     

分布式环境下基于混合蛙跳算法的物化视图选择问题

为提高分布式环境下数据仓库的查询效率,降低维护成本,提出基于混合蛙跳算法(SFLA)求解分布式物化视图选择问题。分析了基本蛙跳规则不适用于分布式物化视图选择问题的原因,提出在局部搜索过程中,使用遗传算法重组算子替换基本蛙跳规则。扩展了遗传算法变异算子,以提高约束条件下的搜索能力,同时保持蛙群的多样性。提出启发式修复策略来处理进化过程中产生的不可行解。实验结果表明,在不同约束组合下,改进的SFLA在求解质量上优于基本SFLA和改进遗传算法;在约束较为严格时,从求解质量和稳定性的角度来看,启发式修复策略均明显优于惩罚策略和随机排名策略。     

批量流水线调度问题的混合离散蛙跳算法

研究了以提前/拖后惩罚指标为目标的批量流水线调度问题,给出了该问题的数学模型以及小批量的调整策略.根据蛙跳算法的原理,采用基于工序的编码方式并利用两点交叉操作设计了新的位置生成公式,提出了解决该问题的离散蛙跳算法.为进一步增强算法的开发能力和效率,结合扰动策略、模拟退火概率接受准则和插入邻域搜索对该算法进行改进.对随机生成的实例进行了广泛的试验,结果表明了所提算法的高效性.     

模因内三角概率选择混合蛙跳算法

为优化拱架型多头贴片机贴装顺序,建立了贴装顺序数学模型。按照三角概率分布选择多只蛙实现模因进化的策略,改进混合蛙跳算法,构建模因内三角概率选择混合蛙跳算法,解决了贴装顺序优化问题。实验表明,新算法具有比混合蛙跳算法更高的收敛率,比基因遗传算法具有更好的准确性及更高的收敛率,有效解决了贴装顺序优化问题。通过算法参数分析得出,随着蛙群个体数量的增加,算法能够得到更优解;模因组数对算法的影响小于蛙群的个体数量;对应不同蛙群的个体数量,有一个与之对应的模因组数,使算法相对稳定。     

求解分布式柔性作业车间调度的混合蛙跳算法

针对分布式柔性作业车间(Distributed flexible job shop scheduling problem,DFJSP)最小化最大完工时间问题,提出一种混合蛙跳算法.在该算法中,编码采用基于工序序列和工厂序列的部分解空间编码方案,机床选择在解码过程中通过规则确定.引入变邻域搜索算法提升蛙跳算法的局部搜索能力.为了弥补部分解空间编码不能探索整个解空间的缺点,引入针对关键工厂的全解空间禁忌搜索,从而扩大算法解空间、进一步提升算法的局部搜索能力.通过对基准实例的求解,并与现有的最先进算法进行对比,验证了所提算法的有效性和优越性.     

数控系统中基于预分配的混合任务调度算法

为改善数控系统混合任务调度中非周期任务的调度性能,提出一种基于预分配的空闲挪用算法。任务调度开始前,采用预分配子算法为实时周期任务预留处理器时间,通过推迟实时周期任务的执行,使周期任务调度中的空闲时间尽可能提前。任务调度过程中,根据周期任务的执行情况动态调整其预留时间,为非周期任务提供最大的可用空闲时间。算法性能分析及仿真实验表明,所提算法在保证实时周期任务的截止时限要求的同时,能够以较小的计算及存储开销取得最短的非周期任务响应时间。     

求解分布式柔性作业车间调度的混合蛙跳算法

针对分布式柔性作业车间(Distributed flexible job shop scheduling problem,DFJSP)最小化最大完工时间问题,提出一种混合蛙跳算法.在该算法中,编码采用基于工序序列和工厂序列的部分解空间编码方案,机床选择在解码过程中通过规则确定.引入变邻域搜索算法提升蛙跳算法的局部搜索能力.为了弥补部分解空间编码不能探索整个解空间的缺点,引入针对关键工厂的全解空间禁忌搜索,从而扩大算法解空间、进一步提升算法的局部搜索能力.通过对基准实例的求解,并与现有的最先进算法进行对比,验证了所提算法的有效性和优越性.     

带能力约束的多目标OEM协作生产订单分配决策与混合蚁群算法应用研究

在面向订单生产(build-to-order,BTO)的协作生产环境下,品牌制造商如何将所接受的不同客户订单(生产任务)分配给众多的协作生产企业OEM供应商,同时以最大的成本收益及最高的服务水平完成这些制造任务,是OEM协作生产环境下一个很实际的生产管理问题。首先根据此类问题的特点建立了一个带能力约束的、以总订单利润与准时交货为目标的多目标OEM订单分配模型;然后利用混合智能优化算法——模拟退火蚁群算法进行求解,并对该混合算法进行改进;最后应用算例验证了算法的有效性与合理性。     

基于改进蛙跳算法的鲁棒性车间布局

为了避免动态环境下频繁进行车间布局,降低车间运行成本,针对设施面积不等的车间类型,将静态布局中的面积费用指标引入鲁棒性车间布局中,建立以车间物料搬运费用和面积费用最小化为目标的多目标鲁棒性布局优化模型;改进现有鲁棒性指标,设计了一种鲁棒性布局约束以提高最终方案的鲁棒性;提出一种改进蛙跳算法求解该模型,通过系统布置设计得出部分较优的初始解以提高初始解集的整体质量,利用差分变异算子替代蛙跳算法中的局部搜索策略以提高寻优速度;通过基准算例及实例问题验证了模型和算法的有效性。     

基于聚类算法的订单分批策略研究

订单分批是物流中心提高作业分拣效率的一个有效方法。主要针对“货到人”模式下的订单分批问题,构造了基于聚类算法的数学模型,并以最小化货物搬运次数为目标函数进行求解。通过在不同规模的订单数据下,比较基于聚类算法的分批策略与采用先到先分批策略、不分批策略在拣选作业中的实际效果,表明该算法能有效提高分拣任务的作业效率。     

混合蛙跳脊波神经网络观测器电机故障诊断研究

针对牵引电机非线性、强耦合、时变的特点,提出一种基于混合蛙跳算法脊波神经网络观测器牵引电机故障诊断方法.该方法利用观测器生成残差,并通过对残差的分析实现故障检测与分离.首先将牵引电机模型分为线性函数部分和非线性函数部分,并利用脊波神经网络逼近这个非线性函数,然后在此基础上建立自适应观测器,并通过最优算法求出观测器反馈增益矩阵.为提高神经网络的收敛速度和逼近精度,利用混合蛙跳优化算法对神经网络参数进行优化.通过实验对混合蛙跳算法脊波神经网络观测器、RBF神经网络观测器以及BP神经网络观测器进行比较,结果表明,该方法的收敛速度较BP神经网络观测器提高了80.3％,故障诊断准确率提高41.5％.     

横向型虚拟企业订单分配模型研究

横向型虚拟企业是由多个生产同类产品的企业构成的协作生产联合体,正确合理地在协作企业之间进行订单分配,是提高制造企业敏捷性和竞争力的重要手段。针对这一问题,提出了一种基于生产负荷率准则的订单分配方法,建立了订单均衡分配模型。利用进化规划算法对模型进行了求解,并应用研究实例验证了算法的有效性。研究结果表明,提出的模型与方法是有效的。     

城市物流配送订单分配排序优化研究

针对城市物流配送小批量、多频次、时效性强的特点,研究装载和配送组合优化的城市配送订单分配排序问题,以提高整体配送效率和客户满意度。利用成组分批排序理论对解决资源和任务分配组合优化问题的优势,将订单和车辆分别看作工件和机器,以总完工时间最短作为目标,建立城市物流配送订单分配排序模型,设计启发式算法并且进行算例模拟,结果表明设计的模型和算法能有效的解决城市配送订单分配排序问题。     

基于量子蛙跳算法和过程神经网络的抽油机故障诊断

提出了一种量子混合蛙跳算法,该算法采用量子位的Bloch球面坐标编码个体,利用量子位在Bloch球面上绕轴旋转的方法实施优化搜索,采用Hadamard门实现个体变异以避免早熟,增强解空间的遍历性,可以快速逼近全局最优解。对过程神经网络的网络结构、网络参数和展开项数统一编码,并利用该算法进行优化,把优化后的神经网络应用到抽油机故障诊断中,结果表明,用量子混合蛙跳算法优化的神经网络对抽油机进行故障诊断较传统BP算法更具准确性与快速性。