基于改进小世界遗传算法的网络环境下跨单元调度

为了从总体上提高设备利用率、降低企业生产成本、快速响应市场需求,针对网络环境下单元制造系统中特殊工件需要跨单元加工的问题,建立了以最小化最大完工时间和总成本为优化目标的跨单元调度模型。针对多目标遗传算法求解大规模调度问题时全局搜索能力差、收敛速度慢等问题,设计了一种改进小世界遗传算法。通过分析优化目标和制造网络模块度的关系,提出基于制造网络模块度的初始解生成机制,对小世界遗传算法初始解进行改进。通过计算实例,说明优化目标与制造网络模块度呈显著相关性,将制造网络模块度用于初始解的生成可有效改进初始解的质量;通过与带精英策略的快速非支配排序遗传算法、小世界遗传算法的运算结果进行对比,得出改进小世界遗传算法在求解大规模调度问题时,收敛速度更快、求解质量更高的结论。     

基于改进遗传算法的AGV集结路径研究

AGV是自动物流仓储系统中的重要组成部分.针对多台AGV集结问题,在对路径时间窗进行分解的基础上,使用改进遗传算法进行求解,详细描述了算法求解的步骤.该遗传算法加入了基于时间窗的调整策略,能够有效减少冲突以及死锁发生的概率,加快求解的收敛速度,能在规定时间内求解出使集结总时间最短的方案.仿真分析表明:与传统遗传算法以及...     

贪心遗传算法求解组合优化问题

许多问题最终可以归结为求解一个组合优化问题,GA是求解组合优化问题的一个强有力的工具,但遗传算法在应用中常出现收敛过慢和封闭竞争问题,本文提出贪心遗传算法。该算法的初始种群建立、交叉和变异等过程,都引入贪心选择策略指导搜索;移民操作向种群引进新的遗传物质,克服了封闭竞争缺点。贪心遗传算法可以避免早熟收敛并改进算法的性能,算法搜索起步阶段的效率是非常高的,本文通过TSP问题仿真试验证明了算法的有效性,在较少的计算量下,得到令人满意的结果。     

基于遗传算法的智能仪表设计专家系统

为解决遗传算法存在的早熟、收敛全局最优解难题,提出适应度标定问题;定义相似度概念,剔除相似性个体.提出了CPU模板概念,解决了外围模块与CPU的耦合关系,提出了仪表组成模块的性能参数与仪表的性能参数之间的映射关系.改进遗传算法解决了传统的遗传算法存在问题,并且解决了穷举法进行模块组合的效率问题,基于此算法的推理机制能够做到设计新仪表,并且新仪表能基本符合用户要求.     

订单生产模式下废轮胎粉碎生产线磨盘间隙的组合优化

为了实现废轮胎粉碎生产线的精益生产,提出依据订单条件的多台细磨机磨盘间隙组合优化问题,建立了解决该问题的函数优化数学模型;通过实验确定了细磨机粒径分布、产量与磨盘间隙的关系;为了在整数域内求解带约束的多参数多峰值的函数优化问题,设计了以级联二进制编码为基础的遗传算法,并优化了初始种群生成方式;经多次验证,遗传算法均收敛到全局最优解,且与内点法解得结果相比,遗传算法在解决类似约束条件和整数域内多参数多峰值函数的优化问题时有更好的解和更高的效率,对解决磨盘间隙组合优化问题有很好的效果.     

注塑模具模块的优化组合方法研究

在注塑模具的模块化设计中,经过模块划分以后,如何得到最优的模块组合方案,使模具的设计制造效率更高,是模具模块化设计领域仍未得到合适解决的问题。在此通过对模具模块化现状和模块组合方法的分析和总结,提出了一种模块间的综合的权值,通过建立目标函数求解,得到模块组合更为理想的优化组合方案。     

车辆路径问题的双种群遗传算法求解方法

针对标准遗传算法在求解车辆路径问题中出现的早熟、收敛，易陷入局部极值点的问题，提出双种群遗传算法求解车辆路径问题的方法。在求解过程中，初始化两个种群，分别选择不同的交叉、变异概率，在一次迭代完成后，交换种群间的优秀个体所携带的遗传信息，以打破种群内的平衡态，跳出局部最优解。通过实验仿真，将双种群遗传算法与其他各种启发式算法进行比较，双种群遗传算法比标准遗传算法显著提高了全局收敛性能，是解决车辆路径问题的有效方法。     

基于模拟退火遗传算法的自动化制造最小完工时间调度优化

自动化制造最小完工时间调度是一个典型的组合优化问题。本文提出一种模拟退火遗传算法,应用于自动化制造最小完工时间调度优化。以最小化时间为目标代价函数,通过遗传算法的复制、选择和变异操作来实现大范围的全局搜索,通过仿真退火算法的逐步降温实现小范围的局部搜索,并行实现方案加速了其求解的速度。与模拟退火算法和遗传算法相比:该算法在解的质量、收敛速度和运行时间上均具有一定的优势。     

基于量子粒子群算法的制造网格资源调度问题研究

对制造网格资源调度问题进行研究,提出了一种收敛速度快、全局性能好、不易陷入局部最优的智能迭代算法一量子粒子群算法来实现对该问题的求解。该算法采用整数编码方式,将网格资源调度问题转化成准连续优化问题,并采用加权目标组合的方式处理多目标条件。最后通过具体实例,对该算法进行了仿真验证,结果表明,在求解制造网格资源调度这类NP—Hard问题时,量子粒子群算法能获得比遗传算法更优的求解效果。     

基于混合遗传算法的Job Shop问题研究与实现

遗传算法具有良好的全局搜索能力,在调度问题中得到了广泛的应用。通过对遗传算法进行改进,可以有效避免在求解过程中容易陷入局部最优域的问题。通过采用混合遗传算法,即将模拟退火算法与遗传算法结合,在种群更迭过程中引入了模拟退火操作来求解Job Shop问题。通过实验验证了混合遗传算法的特性,最终算法显示出了遗传算法较好的搜索能力和模拟退火避免过收敛的特性,改进了收敛性能。系统的运行结果满足调度要求,实现了良好的有效性和实用性。     

基于父子混合选择遗传算法的大型压力机主梁的最优设计

主梁是大型压力机的关键受力构件之一,其最优设计问题是一类很难求解的非线性规划问题.传统的优化方法在解决这类复杂优化问题时显示出自身的一些不足.针对传统优化算法的局限性,提出用简单实用的基于父子混合选择遗传算法,对大型压力机的主梁进行优化设计.并用一个仿真算例验证了该算法的有效性和可行性.     

免疫遗传算法在机械优化设计中的应用

介绍了遗传算法的特点和不足，分析了免疫遗传算法的原理，并利用其对一个机械优化设计实例进行了仿真计算，结果表明，免疫遗传算法可以有效地避免陷入局部解，对于复杂的机械优化设计切实可行。     

遗传算法在机构优化设计中的应用

机构优化设计问题是机械优化设计的一个重要方面。本文尝试用遗传算法解决该类问题,获得了令人满意的结果,并且可以克服常用算法求解析造成的忆中部最优,为机构优化问题开创一条新的路径。     

基于免疫遗传算法的车间调度问题的研究

根据生命科学中免疫系统的信息处理机制,在一般遗传算法的基础上,将免疫计算和改进的遗传算法(预防近亲结合的多重交叉策略)相结合,建立了一种用于车间调度的免疫遗传算法,通过接种疫苗提高抗体的适应度,通过免疫选择防止种群的退化。针对作业车间调度问题,设计了免疫遗传计算中疫苗的提取和接种方法,即基于加工机器的基因片断抽取疫苗方法和接种方法。通过作业车间调度十个典型标准问题验证,文中所述免疫遗传算法可行,较现有免疫算法、一般遗传算法及一些传统优化设计方法在收敛效率和准确性等方面有很大改进与提高。     

实数编码的遗传算法在斜齿圆柱齿轮传动优化设计中的应用

由于二进制编码的遗传算法在求解复杂优化问题时效率下降 ,本文提出了实数编码的遗传算法 ,并给出了主要参数的选取方法。通过求解斜齿轮优化设计问题表明使用该方法可提高效率且实用性强     

基于改进遗传算法的离散公差模糊稳健优化设计

为了解决离散变量优化设计问题，采用了一种面向设计、制造的设计变量离散化处理方法。通过改进最优个体保护策略和混沌移民算子，并引入家族竞争遗传机制对基本遗传算法进行了改进。开发了混合离散变量的改进遗传算法程序LSGA2005，用该程序解决了箱体零件尺寸链的离散公差模糊稳健设计问题。实例表明，该算法全局收敛能力强，具有较好的实用价值。     

遗传算法在机械优化设计中的应用

遗传算法是一种自适应启发式全局搜索算法,具有传统算法不可比拟的优点,更易于求解各种优化问题。在不断改进、不断成熟的过程中,遗传算法得到了广泛的应用,其中在机械优化设计领域得到了大量应用。通过遗传算法工具箱及针对基本遗传算法进行改进后的遗传算法两个方面,论述了遗传算法在机械优化设计中具有的优势,介绍了近年来在相关领域中成功应用的一些典型范例。并对遗传算法在机械优化设计中的发展及前景作了必要的讨论。     

基于HCI-SA/GA的演化设计方法及其在布局中的应用

“人机结合”是解决复杂工程系统方案设计的重要方法。为实现这种“人机结合”给出了一种基于人机交互的混合模拟退火遗传算法(简称HCI—SA/GA算法)。该算法实现了人工方案(人工个体)与算法方案(算法个体)在基因层面的结合并共同参加算法操作(交叉、复制、变异),进而构成基于HCI—SA/GA的演化设计方法。本方法既具演化算法的特点又融合了人的经验和智慧,可用于复杂工程系统布局方案设计。最后给出以卫星舱布局设计为背景的两个数值算例,验证了本方法的可行性与有效性。     

混合离散变量优化设计的复合遗传算法

目前，对混合离散变量的遗传算法研究较少，而且现有算法对设计变量的处理不能很好地满足工程设计要求。为此，提出了一种面向设计、制造的设计变量工程化处理方法，能合理地处理优化设计中混合离散变量的取值问题。引入了混沌移民算子对基本遗传算法进行了改进，并开发了混合离散变量优化的复合遗传算法程序LSGA。工程设计实例表明，该算法对优化设计问题的特性无特殊要求，具有较好的普适性，而且程序运行可靠，全局收敛能力强。     

基于进化思想的汽车造型优化设计方法研究

结合遗传算法等工程方法和交互式评价等设计方法,提出一种整合了工程方法和造型方法的汽车造型优化设计方法。方法整体以进化思想为指导,首先将汽车造型设计问题映射到数学模型上,利用遗传算法生成新设计方案,并以多目标设计空间来约束生成的设计方案,再以目标车型的造型意象为标杆,采用交互式评价方式评价输出的设计方案,并将评价结果作为适应度代入遗传算法中继续迭代直至设计方案符合设计的迭代终止条件,最终形成一个综合解决多方问题的汽车造型多目标优化设计方法。以某小型两厢车车型为例,初步证明了该方法的合理性和可行性。该方法可以推广到汽车造型多目标优化概念辅助生成和汽车造型评价等领域。