基于遗传的变速箱装配线平衡研究

给出了基于遗传的装配线平衡程序,在此基础上以某变速箱装配线为例,研究了变速箱装配线进行平衡的方法,采用特殊的遗传算子,对装配线进行平衡.平衡后可以使工作站数减少6个,各个工作站负荷更加均匀,为装配线的进一步优化提供技术依据,证明该算法效果较好.     

基于禁忌搜索遗传混合算法的装配线平衡

针对装配线平衡问题（ALBP）,文中提出了一种禁忌搜索遗传混合算法。在混合算法中,遗传算法部分采用特殊的遗传变异操作算子（双点交叉和移位插入变异）,使算法只在可行作业序列子空间中进行搜索,有效减小了搜索范围,提高了算法运行效率;禁忌搜索部分是在每代遗传操作完成以后,随机选择一些个体进行禁忌搜索操作,来增强算法的搜索能力。最后以经典问题的求解验证了禁忌搜索遗传算法在收敛性能和计算效率上较使用单纯的遗传算法高。     

基于禁忌搜索遗传混合算法的装配线平衡

针对装配线平衡问题(ALBP),文中提出了一种禁忌搜索遗传混合算法.在混合算法中,遗传算法部分采用特殊的遗传变异操作算子(双点交叉和移位插入变异),使算法只在可行作业序列子空间中进行搜索,有效减小了搜索范围,提高了算法运行效率;禁忌搜索部分是在每代遗传操作完成以后,随机选择一些个体进行禁忌搜索操作,来增强算法的搜索能力.最后以经典问题的求解验证了禁忌搜索遗传算法在收敛性能和计算效率上较使用单纯的遗传算法高.     

应用遗传算法求解第一类装配线平衡问题

装配线的负荷平衡对生产企业非常重要。负荷平衡的装配线可以使各工作站空闲时间减少,并使工作站之间负荷均匀,以保证装配线时间损失率最低。针对第一类装配线平衡问题,首先对该问题进行了分析,在此基础上,建立了问题的数学模型。进而给出求解该问题的遗传算法,设计了该遗传算法的编码模式和译码方法,构造了适应函数,确定了初始种群的选取方法和种群的选择机制,并给出了种群的交叉和变异方法。通过求解某实例的装配线平衡问题,显示了这种算法的有效性。     

应用遗传算法求解第一类装配线平衡问题

装配线的负荷平衡对生产企业非常重要。负荷平衡的装配线可以使各工作站空闲时间减少,并使工作站之间负荷均匀,以保证装配线时间损失率最低。针对第一类装配线平衡问题,首先对该问题进行了分析,在此基础上,建立了问题的数学模型。进而给出求解该问题的遗传算法,设计了该遗传算法的编码模式和译码方法,构造了适应函数,确定了初始种群的选取方法和种群的选择机制,并给出了种群的交叉和变异方法。通过求解某实例的装配线平衡问题,显示了这种算法的有效性。     

应用遗传算法解决装配线平衡问题

文章针对装配线平衡问题,提出了一种周期性自适应交换、变异遗传算法,通过实验求解表明,该算法是解决装配线问题的有效算法,很好地解决了简单遗传算法容易早熟收敛的问题,大大改善了简单遗传算法的性能。     

遗传算法在混合装配线平衡优化中的应用

装配线平衡是生产计划中一个重要环节,针对混合装配线平衡优化中工作站平衡和不同产品投放次序两方面的问题,分别建立了数学模型。通过遗传算法思想,分别为两方面问题提出改进后求解算法,来寻求优化后的结果。最后通过实例仿真计算,验证了求解算法的有效性。     

考虑多专业协同的装配线平衡问题研究

为改善飞机总装线平衡效果,提出考虑多专业协同分配的第一类装配线平衡方法。首先,分析各专业间的关联性,建立基于动态模糊聚类的专业划分方法,获取资源-功能的多专业集合;然后,根据飞机总装环境及所涉及专业的特点,建立了多专业协同分配的平衡模型;再根据专业划分结果及作业分配规则,提出了混合模拟退火-遗传算法(HSAGA),将专业间关联度高的作业分配到工作面(指专业关联度高的作业的集合,也指能完成一项装配任务的作业执行操作空间),实现工作面数的最小化;最后,以某型飞机总装作业为例,验证了平衡方法的有效性。     

基于结构式译码遗传算法平衡多人共站装配线

针对多人共站装配线第二类平衡问题,以最小化装配线节拍为主要目标,最小化平行操作工人数为第一辅助目标,最小化工人负荷标准差为第二辅助目标构建数学模型,在此基础上,构建结构式译码遗传算法,其中特别设计了两阶段结构式译码算法,在第一阶段,求解给定作业序列在单人工作站条件下的最优分配方案,第二阶段将方案中的工作站进行合并,以使节拍最小化。通过算例验证算法的有效性和可行性。     

Fuzzy assembly line balancing using genetic algorithms

In this paper, we implement genetic algorithms to synthesis fuzzy assembly line balancing problem which is well-known as a NP-hard problem. The genetic operators concerned with the feasibility of chromosomes will be discussed, and its performance will be shown with a numerical example.     

A genetic algorithm based approach to the mixed-model assembly line balancing problem of type II

Mixed-model assembly lines allow for the simultaneous assembly of a set of similar models of a product, which may be launched in the assembly line in any order and mix. As current markets are characterized by a growing trend for higher product variability, mixed-model assembly lines are preferred over the traditional single-model assembly lines.

This paper presents a mathematical programming model and an iterative genetic algorithm-based procedure for the mixed-model assembly line balancing problem (MALBP) with parallel workstations, in which the goal is to maximise the production rate of the line for a pre-determined number of operators.

The addressed problem accounts for some relevant issues that reflect the operating conditions of real-world assembly lines, like zoning constraints and workload balancing and also allows the decision maker to control the generation of parallel workstations.     

A meta-heuristic algorithm for the fuzzy assembly line balancing type-E problem

Consideration is given to a single-model assembly line balancing problem with fuzzy task processing times. The problem referred to herein as f-SALBP-E consists of finding a combination of the number of workstations and the cycle time as well as a respective line balance such that the efficiency of the line is maximized. f-SALBP-E is an extension of the classical SALBP-E under fuzziness. First, a formulation of the problem is given with the tasks processing times presented by triangular fuzzy membership functions. Then, since the problem is known to be NP-hard, a meta-heuristic based on a Genetic Algorithm (GA) is developed for its solution. The performance of the proposed solution approach is studied and discussed over multiple benchmarks test problems taken from the open literature. The results demonstrate very satisfactory performance for the developed approach in terms of both solution time and quality.     

一种遗传模糊聚类算法及其应用

研究一种基于遗传算法的模糊聚类方法,即将遗传算法得到的聚类中心作为模糊C-均值（FCM）聚类算法初值,这样既可以克服FCM算法对初始中心敏感的缺点,也可以解决遗传算法只能找到近似解的问题。将算法用于通信信号的星座聚类,根据聚类有效性函数自适应地确定聚类中心,并完成信号类型的识别。仿真实验证明,当存在较小的定时误差时,算法对PSK和QAM信号仍然是有效的。     

基于等级制度的病毒进化遗传算法

按照适应度将主群体分成高等主子群和低等主子群,病毒也相应地分为小病毒群和大病毒群。高等主子群个体感染小病毒后其显性值产生小尺度变化,低等主子群个体感染大病毒后其显性值产生大尺度变化,使优良个体在自身区域小范围内搜索,而不良个体则远离自身区域进行搜索,从而提高其搜索速度和精度。实例证明,改进算法在性能上优于传统病毒进化遗传算法。     

一种基于遗传算法和卡尔曼滤波的运动目标跟踪方法

提出了一种基于遗传算法和卡尔曼滤波的运动目标跟踪方法。该方法利用卡尔曼滤波预测目标中心在下一帧图像中可能出现的位置,以该位置为中心,建立候选的目标搜索区域。以跟踪目标的灰度统计特征为模板,以Bhattacharyya系数来度量目标模板与候选目标区域的相似性,并以此相似性作为遗传算法适应度函数,以候选目标中心坐标作为参数编码,利用遗传算法进行匹配搜索,最终获得最佳候选区域中心位置,同时以该位置作为观测值,进行下一帧预测。实验结果表明,该方法具有较好的实时性和鲁棒性。     

SCM数据挖掘的混合遗传算法模型

讨论了SCM背景下的生产批量与数量折扣定价联合决策问题的数据挖掘模型及其基于混合遗传算法的实现思想,并介绍了一个利用此模型而设计的SCM数据挖掘系统。结合某公司的实例,进行了详细的分析和说明,用Power Builder和Sybase实现。     

基于遗传算法和自组织特征映射网络的文本聚类方法

自组织映射(SOM)算法作为一种聚类和高维可视化的无监督学习算法,为进行中文Web文档聚类提供了有力的手段。但是SOM算法天然存在着对网络初始权值敏感的缺陷,从而影响聚类质量。为此,引进遗传算法对SOM网络加以优化。提出了以遗传算法优化SOM网络的文本聚类算法（GSTCA）;进行了对比实验,实验表明,改进后的算法GSTCA比SOM算法在Web中文文档聚类中具有更高的准确率,其F-measure值平均提高了14%,同时,实验还表明,GSTCA算法对网络初始权值是不敏感的,从而提高了算法的稳定性。     

基于遗传算法的图像特征选择

针对模式识别时,提取的特征参数量大而又有冗余的现象,提出了基于遗传算法的特征选择方法。介绍了遗传算法的基本原理,阐述并设计了适应度函数和遗传算子。仿真实验表明,该方法在求解的效率和解的质量方面都达到了令人满意的效果。     

一种基于距离测度的自适应遗传算法

为了提高基于距离测度的自适应遗传退火算法的收敛概率和收敛速度,提出了一种改进的算法,定义基于距离密集度和适应度的自适应变异概率,采用改进的算术交叉操作和模拟退火操作,并在群体趋于一致时保留最优个体,重新产生其他新个体。利用改进的距离测度实数编码遗传算法对带边界约束函数优化问题进行了仿真计算,结果表明该算法收敛概率较高,收敛速度快,是一种有效的算法。