不确定工人体能消耗的多目标U型拆卸线平衡问题

鉴于工人的体能消耗不但影响拆卸线生产效率，而且因其自身状态、熟练程度和操作习惯等存在不确定性，基于三角模糊数首次提出不确定工人体能消耗的U型拆卸线平衡问题，并建立以最小化工作站数量、空闲时间均衡指标和工人体能消耗指标为优化目标的数学模型。提出一种改进磷虾算法，结合模型问题特征设计磷虾附近个体感应、磷虾觅食和磷虾扩散3个操作，并设计了一种反向学习机制以增强算法的全局搜索能力。运用Pareto思想和拥挤距离机制筛选获得多个非劣解。通过求解19个基准算例并与现有文献的求解结果对比，验证了所提算法的优越性。最后，将所建模型和所提算法应用于拆卸电脑显示器的实际案例，通过对比验证了模型的实用性和改进磷虾的优越性。     

基于多目标算法与动态仿真的带调整时间的拆卸线平衡优化方法

针对拆卸方向改变对作业时间的影响,以最小化拆卸成本、无效作业率和不平滑率为优化目标,构建了考虑调整时间的多目标拆卸线平衡问题模型,并提出了一种Pareto免疫遗传算法与仿真技术相结合的求解方法。算法融合了遗传算子和免疫算子,能有效避免解出现退化和陷入局部最优。通过求解25项拆卸任务算例,并与现有5种算法进行对比,验证了所提算法的有效性。进而将所提模型和算法应用于某打印机拆卸线实例,进一步考虑拆卸时间不确定、存在故障等实际情况,运用仿真技术分析与优化,结果表明所提方法能有效降低等待和堵塞造成的无效作业时间,提高拆卸效率。     

多目标斗链式混流拆卸线平衡的Pareto花朵授粉算法

针对传统作业方式难以实现拆卸线平衡的特征,将具有自平衡性的斗链生产组织方式引入拆卸线中,并结合拆卸产品多样性的特性,构建了优化作业区间负荷均衡指标、需求指标和危害指标的多目标斗链式混流拆卸线平衡模型,提出了一种离散Pareto花朵授粉算法对问题进行求解。为提高初始解的质量,设计了结合问题特征的3种启发式方法。构造了离散异花授粉行为和离散自花授粉行为,确保了解的可行性和高效性,并将离散算法与多目标优化策略相结合,提升了算法的适用性。所提算法求得了25项任务算例的含36个非劣解的已知最优解,扩大了52项任务算例的Pareto前沿边界,并通过对比验证了所提算法求解部分拆卸线算例的优越性。最后,将所提模型和算法应用于混流电视机拆卸线中,得到多种平衡方案,分析结果表明斗链生产组织方式及所提方法能有效达成混流拆卸线平衡。     

基于Pareto解集蚁群算法的拆卸序列规划

为提高产品拆卸序列规划的效率,分析拆卸序列规划问题中的多个优化目标平衡问题,提出一种基于Pareto解集的多目标蚁群优化算法求解此类拆卸规划问题,并给出拆卸序列的构建过程。通过利用拆卸矩阵推导拆卸可行条件,获得可以执行拆卸操作的零件及其可行的拆卸方向。通过利用零件的轴向包围盒(Axis aligned bounding boxes,AABB)计算零件的拆卸行程。考虑拆卸方向改变次数、拆卸总行程、拆卸零件数量为优化目标,通过利用蚁群算法搜索可行解并计算各个解之间的支配关系,得到Pareto解集,实现求解优化的拆卸序列,给出算法的具体步骤。最后以单杠发动机为拆卸实例,利用所提方法进行拆卸序列规划求解,通过分析试验结果,并对比典型的单目标蚁群规划算法,证明了该方法的高效性和可行性。     

考虑不定拆卸程度的选择性异步并行拆卸序列规划

针对废旧产品再生过程中常用的选择性拆卸规划方法无法全面考虑所有零部件再生收益的问题,提出了考虑不定拆卸程度的选择性异步并行拆卸序列规划方法。通过拆卸混合图表达产品零部件之间的连接关系和优先约束关系,在此基础上,以目标件逆向搜索出的最小必拆零件集合为拆卸程度下限,获取不同拆卸程度集合;以拆卸时间最小、拆卸利润最大为优化目标建立了数学模型,提出了一种改进的生物地理学优化算法进行求解优化;结合拆卸序列规划问题特点,设计了基于三层链表的编码方式,采用随机拓扑结构以提高算法的搜索能力;最后以机械臂与二级圆柱圆锥齿轮减速器为实例,验证了所提模型和方法的可行性和有效性。     

多目标的拆卸线平衡问题优化研究

拆卸是废旧产品回收利用的重要途径，根据产品拆卸线的特点，构建拆卸线平衡问题的多目标关系。针对求解拆卸线平衡问题所遇到的求解结果单一、无法满足平衡诸多目标等问题，以均衡工作站负载且引入操作安全性、任务拆卸方向和任务需求为优化目标建立数学模型，在此基础上，提出一种基于遗传改进的多目标灰狼算法进行求解计算。基于废旧电冰箱拆卸案例对比验证算法的效果与性能，并将其应用于再制造企业某废旧电视机拆卸实例中。以Plant Simulation 15.0仿真软件为平台，运用仿真技术对所得理论方案分析与优化，通过在重要工位上建立缓冲区来解决实际拆卸过程中所存在的工位堵塞问题。结果表明该算法的收敛性较好，所获得非支配解集更逼近Pareto最优前沿，得出多个合理拆卸方案，为决策者选择拆卸方案提供了依据，且改善后的工位产能也提升了3.23%。     

多目标拆卸线平衡问题的Pareto遗传模拟退火算法

针对传统方法求解多目标拆卸线平衡问题时求解结果单一、无法平衡各目标等不足,提出一种基于Pareto解集的多目标遗传模拟退火算法。该算法融合了遗传操作的快速全局搜索能力和模拟退火操作较强的局部搜索能力,对遗传操作的结果进行模拟退火操作,避免了算法陷入局部最优。结合多目标优化问题的特点,改进了模拟退火操作的Metropolis准则。根据拆卸序列之间的Pareto支配关系得到非劣解,并采用拥挤距离评价非劣解,实现了拆卸序列的精英保留,进而将非劣解添加到种群中,加快了算法的收敛速度。基于25项拆卸任务算例,通过与现有的6种单目标算法进行对比,验证了所提算法的有效性,并将所提算法应用于某拆卸线实例中,求得10种平衡方案,结果表明所提算法较Pareto蚁群算法更具优势。     

工具约束下多目标拆卸线平衡问题的猫群模拟退火算法

针对已有研究中忽略拆卸工具的不足,基于多目标拆卸线平衡模型,考虑了作业过程中的工具更换因素,建立了包含最小化工具更换次数的多目标拆卸线平衡问题数学模型,并设计了一种多目标猫群模拟退火算法进行求解。提出基于序列交换的离散跟踪模式;将猫群优化算法与模拟退火算法相结合,以增强算法的全局寻优能力;引入拥挤距离筛选,提高算法运行效率的同时有效的保证外部档案集的多样性;采用精英保留策略加速算法的收敛。通过对已有算例进行求解,并与其他算法对比分析,验证了所提算法的有效性和高效性。最后,将所提模型和算法应用于某型号打印机拆卸线的设计,为决策者提供了多种平衡方案。     

多目标不完全拆卸线平衡问题的建模与优化

针对实际生产中在满足约束条件下仅考虑拆卸需求零件和危害零件的特点,以工作站数目、空闲时间均衡指标和拆卸成本为优化目标,构建了不完全拆卸线平衡问题多目标模型。基于解的离散性和优化目标的多重性,提出一种Pareto解集思想的变邻域-粒子群融合算法。该算法通过建立拆卸任务和粒子群迭代搜索的对应关系,将变邻域搜索作为局部搜索策略,同时引入Pareto解集思想、拥挤距离机制处理多目标问题,以保证求解结果的多样性;通过Hyper-volume指标解决了多目标优化难以评价算法收敛性能及Pareto解集优劣等问题。采用所提算法求解不同规模完全拆卸线平衡问题测试算例,其中不同搜索深度的对比试验表明了变动搜索深度能很好地兼顾求解质量和求解效率,不同算法的对比试验表明了所提算法的优越性。最后,将所提模型与求解方法应用至某打印机不完全拆卸线的设计中。     

随机作业时间的U型拆卸线平衡多目标优化

为更好地反映实际拆卸作业时间的不确定性,建立了考虑随机作业时间的多目标U型拆卸线平衡问题的数学模型,并针对传统方法求解多目标问题时求解结果单一、无法均衡各目标等不足,提出一种基于Pareto解集的多目标混合人工鱼群算法。算法采用自适应视野串行觅食方式,以减少并行觅食时出现重复搜索现象,并根据多目标拆卸序列之间的支配关系得到Pareto非劣解集,实现了鱼群寻优结果的多样性。对鱼群觅食得到的拆卸序列进行模拟退火操作,增强了算法跳出局部最优的能力。采用拥挤距离机制筛选非劣解,实现了拆卸序列的精英保留,进而将非劣解添加到下次迭代的种群中,加快了算法的收敛速度。将所提算法应用于具有55项任务的某打印机拆卸实例,经与基本人工鱼群算法、模拟退火算法对比,验证了所提算法的有效性和优越性。     

基于改进引力搜索算法的异步并行拆卸序列规划研究

在大型复杂机械设备的检修过程中,涉及对维修目标件的拆卸,存在多人协同作业建模困难和拆卸序列求解效率低的问题,为此,对异步并行拆卸序列规划的拆卸模型和求解算法进行了研究,提出了一种基于改进引力搜索算法的异步并行拆卸序列规划方法。首先,研究了拆卸工作区域干涉和零部件之间的几何约束,建立了优先约束模型,并基于优先关系和拆卸目标件,逆向搜索出了最小待拆卸零部件集合;然后,建立了异步并行拆卸序列规划的数学模型,以拆卸时间最小化为优化目标建立了目标函数,针对异步并行拆卸序列构造了其编码和解码方法,并重构了引力搜索算法中个体进化的更新公式,设计了逃脱算子以跳出局部最优;最后,以水轮机主轴密封检修为例进行了实验,以验证GSA算法的有效性,并将其结果与采用传统算法所得结果进行对比,以证明新方法的优越性。研究结果表明：相比于传统算法,改进的引力搜索算法可以实现更少的时间代价,因此在处理复杂设备维修拆卸过程中更加有效。     

考虑人因的多目标拆卸线平衡问题及改进风驱动算法求解

考虑实际中拆卸生产线长期依赖人工操作的情况,以工作站数目、空闲时间均衡指标、拆卸成本和站姿操作工位数为目标函数,构建了考虑人因的多目标数学模型,并运用改进风驱动算法求解。通过离散风驱动算法建立拆卸任务与空气质点驱动的对应关系,采用变邻域搜索扩大空气质点的搜索空间;为保证求解结果的多样性,引入Pareto解集和拥挤距离机制筛选多目标解,并用不同规模算例对所提算法进行测试,通过与其他算法进行对比验证了算法的可行性和有效性;将该算法运用到考虑人因的打印机拆卸线平衡问题中,验证了考虑人因的拆卸方案更具合理性和优越性。     

考虑能耗的多目标拆卸线平衡优化与层次分析法决策

针对拆卸过程中能耗浪费和负荷不均衡现象,以最小化拆卸能耗、工作站数目、平滑指数、危害指数和需求指数为优化目标,建立了多目标拆卸线平衡模型。结合拆卸线平衡问题的特点,设计了一种基于Pareto的离散果蝇算法,在嗅觉搜索阶段,采用单点变异操作;在视觉搜索阶段,筛选最优邻域解以更新个体;为了增加算法的全局寻优能力,用两点交叉操作执行全局协作机制。为了提高收敛效果,采用精英保留策略对外部档案中的非劣解进行维护。通过求解不同规模的拆卸算例,并与现有多种算法进行对比,验证了所提算法的有效性。以27项任务的某型电视机为拆卸实例,通过所提算法求得12个非劣解,采用层次分析法对Pareto解集进行排序,筛选最满意解,结果表明了所提方法和模型的可行性和有效性。     

考虑碳排放与收益的随机并行拆卸线平衡优化

针对废旧产品回收过程中,需有选择对综合收益高的零部件进行拆卸的问题。选择最小工作站数,平滑度,碳排放量,拆卸收益作为优化目标,并对相应目标进行量化分析,提出一种随机并行拆卸线平衡优化方法。在构建随机并行拆卸线基本解集的基础上,为避免Pareto解集逐渐趋同的问题,提出一种基于环形拓扑结构的花授粉算法(Ring topology flower pollination algorithm, Ring-FPA),实现了对Pareto解集的决策处理,获得考虑碳排放与收益的随机并行拆卸线平衡最优解。以手机和笔记本电脑并行拆卸线平衡优化为例,选择NSGA-Ⅱ、FPA,以及AFSA算法进行对比,对所提方法的可行性和有效性进行了验证。     

港口拖轮调度模糊规划优化模型及算法

为了解决不确定环境下的港口拖轮调度优化问题,综合考虑其模糊性以及港口拖轮作业分配计划的决策,构建了以拖轮总燃油成本最小化为目标函数、考虑多停泊基地条件下的一体化拖轮调度模糊规划模型.针对问题特点设计了一个基于调度计划编码的鲸鱼—遗传混合算法代码,分别采用混合算法与CPLEX,Memetic算法对若干算例的求解结果进行对比分析,结果验证了所提混合算法的可行性,并就可信性水平的变化进行分析,证明了模糊规划模型的适用性.     

面向复杂机械产品的目标选择性拆卸序列规划方法

为提高复杂产品目标选择性拆卸序列规划的效率,基于自底向上的思想,提出一种拆卸混合图和粒子群算法相结合的方法。为了表达产品零部件间的内部约束和拆卸优先关系,建立产品拆卸混合图模型,并推导出可拆卸性约束表达式。基于粒子群优化算法,给出目标选择性拆卸序列规划问题的数学描述和粒子适应度计算公式。利用图深度搜索算法确定拆卸目标位置,并设计目标驱动递归推理法生成可行目标选择性拆卸序列,以此初始化粒子,通过粒子进化,实现了复杂产品目标选择性拆卸序列最优化的快速求解。以一个全自动洗衣机为拆卸实例,用所提方法进行目标选择性拆卸序列规划求解,通过分析试验结果,证明了该方法的有效性和可行性。     

[供应链调度]装卸一体化车辆路径问题的自适应并行遗传算法

为了同时实现总配送成本最低、车辆行驶距离最短、车辆数最小等目标,综合考虑车辆指派成本及运输路径成本,建立了装卸一体化车辆路径问题的混合整数规划模型。针对该问题搜索空间的离散性和求解算法的局部收敛性,提出了一种自适应并行遗传算法。算法以C-W节约法为基础,设计了三种基于双重需求的启发式种群初始化方法,缩小搜索空间并优化初始解;引入多样性种群和高质量种群的双种群并行策略,实现深度与广度的同步搜索;设计自适应交叉变异操作,改善高质量种群个体搜索停滞,并针对全局最优个体采用特殊变异的后优化操作以进一步提高全局优化性能。采用标准数据集作为算例进行寻优测试,验证了所提算法的可行性和有效性。     

多目标拆卸线平衡问题的Pareto人工鱼群算法

针对拆卸线平衡问题的复杂性,提出了一种改进的基于Pareto解集的多目标人工鱼群算法进行求解。为提高人工鱼觅食时的寻优能力,引入遗传算法的随机交叉操作,指导人工鱼向全局最优拆卸方向觅食。通过拥挤距离不断筛选人工鱼觅食、聚群和追尾过程中的非劣解,实现了各行为结果的多样性。采用精英保留策略,将外部档案中的非劣解添加到算法下次迭代的种群中,加快了算法的收敛。通过对不同规模的拆卸实例进行求解,并将其与已有算法进行对比,验证了所提算法的有效性和优越性。     

基于混合教与学优化算法的炼钢连铸调度

根据炼钢厂的实际生产环境,建立了无等待多工艺路线的炼钢连铸模型,提出一种混合教与学优化算法求解该模型。在混合算法中,引入转换规则的教与学优化算法求解离散问题;采用变邻域搜索调整机器选择,教与学优化算法调整调度顺序的方式,将并行问题串行化。对具体实例进行测试,将人工调度方法、遗传算法、教与学优化和混合教与学优化算法的结果进行比较,验证了所提算法的可行性和有效性。     

双向环形过道布置问题建模及混合鲸鱼算法求解

针对基于中央回路的物料搬运系统中设施的布置,提出了双向多路径交互环形过道布置问题,其通道形状为首尾相通的封闭回路,设施之间的物料通过环形路径双向流动.针对所提问题,构建了混合整数规划模型,随后通过优化求解器进行精确求解,验证了模型的正确性.为了更快速高效地求解该问题,设计了一种混合鲸鱼算法.该算法将差分进化算法嵌入到鲸鱼算法气泡网觅食阶段,以提高算法局部搜索能力,并引入禁忌搜索机制,提高全局搜索性能.通过对标准算例进行试验,并与其他算法进行对比,验证了所提算法对解决双向环形过道布置问题的优越性.