大规模定制下多CODP的定位模型及算法

在分析大规模定制系统中单客户订单解耦点（Customer Order Decoupling Point,CODP）生产模式不足的基础上,提出为不同属性的产品设置不同的多CODP的大规模定制生产模式,通过分析企业订单及其产品定制属性,设计多CODP的定位机制及模型,并给出算法。最后以某电动车生产企业为例,验证模型及算法的可行性。     

基于改进多目标狼群算法的微电网调度优化

为获得微电网系统建设成本、环境成本和运行成本的多重目标优化,以构建系统独立运行模块和仿真模块为核心,设计了微电网系统的多目标调度模型。使用能量模块对微电网调度模型的建设成本、环境成本和运行成本指标进行评价,优化调度算法模块则使用基于个体密度多目标狼群算法(Multi-objective wolf colony algorithm,MOWCA)。在MOWCA算法中引入了非支配排序和个体密度多样性保持操作,有效提高了多目标优化的前沿分布多样性和收敛精度。将所提优化调度算法基于Docker容器技术,对风柴蓄光微电网系统进行调度优化模拟,验证了所提调度算法在多重目标优化上的有效性。     

煤矿生产物流系统安全资源配置研究

针对煤矿生产物流系统安全资源配置问题,在构建基于安全风险及安全成本的安全资源指标体系基础上,运用回归分析法拟合了安全风险与安全成本目标函数,并构建了煤矿生产物流系统安全资源配置多目标优化模型,采用自适应进化粒子群算法对该模型进行优化求解。实例结果表明,采用自适应进化粒子群算法能够得出满足煤矿生产物流系统安全资源配置多目标优化要求的不同可行解。     

基于模糊决策与进化算法的生产设备布局优化

为解决复杂情况下制造系统的生产设备布局优化问题,提出了一种将模糊决策与进化算法相结合的设备布局优化方法。进一步完善了优化模型,优化目标包括总成本最小、设备相邻要求最大化和面积利用率最大化等优化目标;其中总成本最小目标考虑了物料搬运成本,设备重置导致的设备拆装、移动成本,生产停工造成的产能损失成本。该方法考虑了用户对于成本、利用率及相邻性要求等存在的满意度、优先度等模糊情况,基于模糊决策理论,对多目标优化模型进行了模糊化处理,设计了模糊适应度函数,用以根据用户的优先关系评价pareto解集。基于求解模型的特点,对多目标进化算法的染色体编码方式与交叉、变异等遗传操作方式进行改进,以提高求解该模型的实用性与效率。最后以实际案例的优化结果证明了该方法的有效性。     

基于分布式神经动态优化的综合能源系统多目标优化调度EI北大核心CSCD

研究了基于神经动态优化的综合能源系统(Integrated energy systems,IES)分布式多目标优化调度问题.首先,将IES元件单元(包含负荷)作为独立的决策主体,联合考量其运行成本和排放成本,并计及多能源设备间的传输损耗,提出了IES多目标优化调度模型,该模型可描述为一类非凸多目标优化问题.其次,针对此类问题的求解,提出了一种基于神经动力学系统的分布式多目标优化算法,该算法基于动态权重的神经网络模型,可以解决不可分离的不等式约束问题.该算法计算负担小,收敛速度快,并且易于硬件实现.仿真结果表明,所提算法能同时协调综合能源系统的经济性和环境性这两个冲突的目标,且获得了整个帕累托前沿,有效降低了综合能源系统的污染物排放量和综合运行成本.     

基于成本的车间调度模型及遗传算法求解

制造企业的成本优化,无论在学术界还是工业界,始终是一个热点研究课题.从成本优化思想出发,建立了基于成本的多产品切换作业车间调度问题的经济指标模型,并应用具有新型交叉、变异算子的遗传算法作为求解该调度问题的方法,其目的是使企业的综合生产成本(主要包括多产品切换成本、产品作为在制品的存储成本以及产品拖期惩罚等)最低.仿真实例的运行结果表明了该调度模型和优化算法的有效性,且适用于过程工业及离散工业的生产调度系统,实现生产调度和经济效益的有效集成.     

基于成本的车间调度模型及遗传算法求解

制造企业的成本优化，无论在学术界还是工业界，始终是一个热点研究课题。从成本优化思想出发，建立了基于成本的多产品切换作业车间调度问题的经济指标模型，并应用具有新型交叉、变异算子的遗传算法作为求解该调度问题的方法，其目的是使企业的综合生产成本（主要包括多产品切换成本、产品作为在制品的存储成本以及产品拖期惩罚等）最低。仿真实例的运行结果表明了该调度模型和优化算法的有效性，且适用于过程工业及离散工业的生产调度系统，实现生产调度和经济效益的有效集成。     

面向不同需求的应急物流系统定位-路径优化问题

为最大化地发挥应急物流系统的作用,研究面向不同需求,提出构建一个基于改进遗传算法GA的应急物流系统定位-路径优化模型。首先,对遗传算法的基本原理进行具体分析,并在此基础上进行算法改进;然后从需求分级入手,进行模型参数和决策变量确定,构建基于需求分级的应急系统定位-路径优化模型,确定其目标函数和约束条件;之后对模型参数进行求解,获得最优选址和路径方案;最后对改进算法和优化模型进行实验验证。仿真结果表明,改进后的GA算法收敛速度更快,稳定性更好,可用于优化模型中找出最优路径,且构建的优化模型可以很大程度上发挥应急系统的作用,运行成本降低了24.05%、救灾效率显著提高,可在灾害发生时,为应急物流灾害管理人员提供最优路径和救援方案,具有一定的参考意义。     

基于遗传算法的多工序多机器调度优化研究

随着人民生活质量的提高,消费者对定制化生产提出了更高的要求,此外,在新的经济环境下,降本增效对于提升制造企业的发展能力具有重要的意义,基于此,本文提出了基于遗传算法的多工序多机器调度优化研究。首先,设计了基于完工时间最小化的多工序多机器加工约束的生产调度优化模型;其次,采用遗传算法设计了求解上述生产调度优化模型的算法;最后,通过案例验证了本文构建的优化模型及设计的优化算法,并绘制了以最小化完工时间为优化目标的生产调度甘特图。研究结果表明,本文构建的模型及设计的算法具有一定的实用性,可指导企业制定较优的生产调度方案。     

基于退化机器模型的分布式柔性生产系统:性能分析、任务调度及预测性维护

在近些年的制造环境中,由于市场对多品种、小批量定制产品需求的增加,生产制造更加深入地向着柔性方向发展.如何利用现有资源,提高生产效率,实时地对系统性能进行评估与预测,并对基于小批量生产的实时调度进行优化改进,在分布式柔性生产系统中具有重要的研究意义.因此,基于退化机器模型的多批次串行生产线的性能进行分析,并对分布式生产系统进行任务调度及预测性维护.具体地说,对于具有退化机器模型及有限容量缓冲区的生产系统,首先采用马尔科夫分析方法建立数学模型;随后,提出精确方法来计算此生产系统模型实时的性能指标,并针对该模型下的调度问题,设计最优完成时间指标优化算法;此外,提出基于退化机器模型的预测性维护策略以减少完成时间;最后,通过数值实验验证该算法的可行性和有效性.     

基于粒子群算法的数据库查询优化

研究粒子群算法在数据库查询优化中的应用问题。为了解决大型数据库信息检索困难、查询效率低的问题,提出了一种基于粒子群算法优化数据库查询技术方案。算法提出了一种数据库查询执行计划代价模型,主要包括了查询多链接次序以及副本的选择问题,准确定义了数据库查询执行代价,采用提出的粒子群算法来优化并求解该执行代价问题,从而使得分组数目更少、数据定位更精确。实例验证结果表明,通过属性表现和违规行为任何教师都可以被准确定位,减少了分组,为数据库查询提供了优化。     

面向离散制造车间实时定位的UWB部署优化方法

针对超宽带（Ultra Wide Band，UWB）技术在离散制造车间实时定位中，存在的由于定位UWB传感器部署不合理导致的制造要素“离线”问题，结合离散制造车间特点，提出了一种基于改进遗传算法的部署优化方法。对UWB定位在离散制造车间中的性能与大空间连续部署问题进行了分析研究；从部署与优化两个阶段过程分别以最小成本和最大定位精确度为目标构建模型；采用改进遗传算法并基于OpenCL并行计算框架求解模型，以某车间为例进行部署求解，通过与常规方法和其他算法运算结果的对比分析，验证了该方法的有效性与可行性。     

基于LQI权重和改进粒子群算法的室内定位方法

为解决无线传感网络节点在室内定位中由非视距和多径传输等因素导致定位误差较大的问题,提出了基于三角函数的粒子群算法.针对RSSI波动性引起的测距误差,利用LQI和RSSI值之间的关系对RSSI值进行优化,提出了基于LQI权重的RSSI测距算法.改进的粒子群算法相比较于标准粒子群算法优化了权重模型和速度更新策略,避免陷入局部最优值情况.在对算法进行仿真实验后,进一步将其运用到Zigbee平台的定位实验,通过实测实验证明该算法在测试环境下平均定位误差在0.5m以内,相比于LSE和标准PSO算法,获得较好的定位效果.     

改进粒子群优化算法在TDOA定位中的应用

针对TDOA定位估计中的非线性最优化问题,提出了一种基于改进粒子群优化的TDOA定位算法。该算法在自适应粒子群优化算法的基础上,引入禁忌搜索策略,有效地解决了粒子群优化算法容易陷入局部最优的问题,使算法快速收敛到全局最优解。仿真结果表明:该算法性能稳定,定位精度高。     

基于不同发射功率的室内定位算法优化

在无线传感网络室内定位中,节点的发射功率不同会降低基于对数-正态模型的定位算法的定位精度。针对这一问题,基于真实室内环境下RSSI值的变化,提出了一种基于不同发射功率的室内定位优化算法。该算法通过确定最小动态区域,对RSSI测距方法进行优化,降低不同发射功率带来影响。仿真和实验结果证明,提出的新算法在参与定位的信标节点发射功率不一致的情况下,达到了信标节点发射功率一致情况下的定位精度。     

基于单个移动信标节点的路径规划方法

针对现有路径规划方法没有充分考虑到网络内未知节点的分布情况,存在定位覆盖率低且网络成本高的问题,设计了一种基于单个移动信标节点的路径规划方法。首先通过网络内未知节点的分布情况确定虚拟信标节点的位置以及数目;然后提出了一种基于高斯递减策略的非线性动态变化收敛因子改进灰狼优化算法,用于TSP求解路径规划问题,获得移动信标节点最短移动路径。仿真结果表明,该方法有效地提高了网络内未知节点的定位覆盖率,并且有效节省了网络成本。     

基于RGM算法的锚节点布点算法

目前所有的定位算法都将研究的重点放在如何提高定位精度上面却很少研究如何布置锚节点,只是在算法中随意的选取满足条件的锚节点,然而算法并没有明确的对锚节点的布置提出要求,所以想要随时都能获取合适的锚节点只能随机布置大量的锚节点.然而大量的增加锚节点的数量势必极大地提高系统的成本并且在实际的布置操作中也是不现实的.针对以上问题,文章在RGM算法的基础上提出一种优化布点的算法.算法通过细致的分析每组定位单元在定位区域的覆盖情况,在满足定位精度条件的基础上计算出每一个锚节点的布置坐标并对锚节点的数量进行精简.仿真实验表明,按照该算法来布置锚节点不会降低定位精度.     

基于dynFWA-SVM的WiFi室内定位算法

针对实际定位应用中室内环境复杂,传统的WiFi室内定位算法精度低、稳定性差、代价较高以及不同移动终端之间采集信号强度存在差异等问题,提出了基于dynFWA-SVM的WiFi室内定位模型.定位过程中,利用高斯滤波对信号进行除奇异值操作,同时采用信号强度差(SSD)位置指纹替代传统的接收信号强度(RSS)位置指纹;采用动态搜索烟花算法(dynFWA)优化支持向量机(SVM)参数,从而建立了dynFWA-SVM室内定位模型.实验结果表明:经高斯滤波处理后的SSD指纹可以有效提高定位的稳定性和可靠性,减小因不同终端采集信号强度存在差异对定位结果造成的影响,相较于粒子群优化(PSO)算法和烟花算法(FWA),dynFWA算法的优化效率更高,提出的dynFWA-SVM定位模型的定位误差更低.     

基于单UWB融合里程计的多机器人相对定位方法

针对卫星信号受阻,无预设基础设施(定位基站、地标等)环境下多机器人间的相对定位问题,提出了一种基于单个超宽带(ultra-wideband, UWB)融合里程计的多机器人相对定位方法。该方法利用滑动窗口截取历史时刻的多组机器人间测距信息与里程计预测的机器人位姿,构建非线性最小二乘问题,实现机器人间的相对位姿估计;利用扩展卡尔曼滤波算法估计里程计协方差,并将其以加权的方式运用于非线性优化,抑制滑动窗口内里程计累积误差对定位结果的影响;最后,利用图优化算法融合里程计与非线性优化获得的相对位姿作进一步优化,抑制UWB测量误差影响,以获得稳定的相对定位结果。实验结果表明,在6 m×12 m的真实测试环境中,所提方法能够获得0.32 m的相对位置精度和4.16°的相对角度精度,相比于现有多机器人相对定位方案,该方法具有高精度、低成本、部署简单以及定位稳定的优点。