一种混合智能排样优化算法的应用研究

基于智能优化方法的混合机理,将并行进化机制引入遗传算法和粒子群算法,提出一种混合智能优化排样方法(HGPA)。该算法依据个体适应度值的大小和相似性对整个种群进行合理划分,在每次迭代中,个体适应度值较好的子种群利用遗传算法进化,个体适应度值较差的子种群则利用粒子群算法处理,实现优化方法的优势互补和信息增值。同时通过设置多样性度量标准来控制种群特征信息和搜索空间。在求解不规则件排样问题的算例表明:该算法可平衡控制个体种群进化中的局部寻优和全局搜索,为智能优化的混合机理研究提供了一个新的思路。     

混合遗传算法在飞机钣金零件排样中的应用

针对飞机钣金二维不规则零件排样问题,将遗传算法与模拟退火算法相结合,提出一种混合遗传算法。该算法利用改进的最小包络矩形把不规则件转化成矩形件,在初始种群时提出一种既考虑排样高度,又考虑排样废料利用率的适应度函数,并引进浓度衡量个体之间的相似程度,为逃离局部最小值指明了方向。实例结果表明,该算法运用到飞机钣金排样系统中,在缩短排样时间和提高排样精度方面取得一定的效果。     

免疫遗传算法在配电网无功优化中的应用

将免疫遗传算法用于电力系统无功优化研究,其特点在于采用高频变异操作和保留记忆细胞群体,增加了群体的多样性,保留了更多且不同的最优个体,并随进化过程的进行而不断更新这些个体,这样能加快找到全局最优值.增加克隆扩增使得算法通过变异能在当前种群最优点处进行多方向搜索,从而提高了获得全局最优解的概率;而免疫补充通过在每一代引入新个体,保证了种群的多样性,避免了封闭竞争问题,从而加速找到全局最优值.通过对IEEE-30节点系统的计算,验证了该算法能有效提高无功优化的收敛速度和优化效果.     

柔性制造车间设备产能配置与布局集成优化

为解决因设备产能配置过程中常忽略后期对其布局影响的问题,针对设备配置与设备布局展开协同优化。基于柔性制造车间零件工艺路径可选、不同加工零件采用不同的搬运设备和搬运批量的特点,考虑规划期内待加工零件的产能需求约束,以最小化设备购置成本和物料搬运成本为目标,建立柔性制造车间设备产能配置与布局集成优化模型。采用免疫遗传算法对该模型优化求解。为了保证算法的搜索效率和种群多样性,引入抗体浓度计算来强化个体间的交流,同时通过免疫记忆机制避免最优个体丢失和被破坏,确保算法的全局搜索能力。通过算例,将集成优化模型结果与设备产能配置、设备布局分开优化的结果进行对比,验证了集成优化模型和算法的有效性。     

基于双种群遗传算法的含缺陷矩形件排样优化研究

结合缺陷约束的最低水平线算法与双种群遗传算法,对板材内部含缺陷时的情况进行矩形件排样优化。用双种群遗传算法对矩形件排样顺序进行寻优,将矩形件的排样顺序和旋转方式划分为2个种群分别进行遗传迭代,并结合改进的初始种群生成策略,改善算法的搜索效率及全局寻优能力。基于缺陷约束的最低水平线算法通过更新缺陷矩形轮廓信息与引入缺陷位置约束判断,使矩形件在根据优化顺序排样时可避开缺陷部位。通过算例运算测试可知,相比于经典遗传算法,所提算法在4种不同数量缺陷的板材中,最优板材利用率与排样优化稳定性均有所提高。双种群遗传算法和基于缺陷约束的最低水平线算法可在含缺陷板材的排样问题中得到推广应用。     

改进的贝叶斯优化算法及应用

提出了一种改进的贝叶斯优化算法。该算法通过引入免疫算法中的亲和度和浓度概念,将个体适应度概率和个体浓度概率相结合,形成贝叶斯优化算法选择优良个体的依据。这样,由低浓度、高适应度个体组成优良个体种群,能够保持种群的多样性,提高算法的性能。本文利用改进的贝叶斯优化方法对十杆平面桁架结构、二十五空间桁架结构进行优化设计,取得了满意的结果。     

求解第Ⅱ类装配线平衡的改进粒子群算法

针对给定工作站数,求最小生产节拍的第Ⅱ类装配线平衡问题,建立了以最小化生产节拍、工作站负荷,最大化装配线平衡率为优化目标的装配线平衡模型,同时设计了一种免疫记忆粒子群算法对模型进行求解。在该算法中充分利用生物学免疫系统调节机制,为保持迭代过程中粒子(抗体)群体的差异性,将免疫记忆、接种、选择等思想引入该算法中,有效提高算法全局搜索能力,避免算法陷入局部最优;同时加入免疫记忆和免疫接种机制指导粒子的飞行方向,确保粒子种群向更优的方向搜索,提高算法的搜索速度。最后,通过具体装配实例证明了该方法具有更高优化效率,同时验证其有效性和可行性。     

基于免疫遗传神经网络的重型刀具查询系统设计

提出用免疫遗传算法与BP神经网络相结合的方法,设计重型刀具查询系统.结合免疫算法中的浓度机制和遗传算法中的交叉、变异策略提高了种群的多样性,克服了传统BP网络易陷入局部最优点的不足.通过实验发现,与以前的BP算法和GA-BP算法相比,该方法具有更短的训练时间和更高的预测精度.     

面向大批量定制的产品族装配线平衡优化

针对产品族混合装配线平衡问题,建立了产品族装配线平衡模型,提出了一种改进的双种群遗传算法对产品族装配线进行优化。首先,通过研究分析产品族装配线的特点,重点考虑了作业之间的相关性;在遗传算法优化过程中,以最小化工作站数、最小化站间和站内负荷指数为优化目标,通过新译码方式弥补传统译码方式的不足,并在双种群中进行个体交换,提高了种群多样性,加快了算法的搜索速度和优化效率。最后,通过小型轮式装载机产品族装配线的平衡优化问题进一步验证了该算法的有效性和可行性。     

基于填充算法的矩形件排样优化求解

针对矩形件优化排样问题，提出了一种将填充算法和遗传算法相结合的优化排样方法。该方法应用填充算法对遗传算法作预处理，使矩形件排样适用于“一刀切”的下料工艺，并克服了填充算法局部搜索的缺点，使搜索空间由一点扩大为多点，最终可获得总体最优的排样结果。算例表明，该优化排样算法运算速度快，具有广泛的适应性。     

基于摇瓶机理和极小势能原理的异形件排样

针对异形件排样问题,提出一种基于摇瓶机理和极小势能原理的求解算法,从力学的角度解释排样问题的基本物理意义。首先,由摇瓶子现象得到启发,初步构建排样的摇瓶子算法;由弹性力学中的极小势能原理可知,零件总是通过平移和旋转变换找到最低的重心位置,利用多边形正负梯形投影法计算排样零件的形心坐标,碰靠过程采用OBB包围盒相交测试算法,最终实现自动排样。通过船舶件排样实例验证,该原理可行,物理意义明确,能够实现异形件排样。     

免疫遗传算法在多目标优化设计中的应用

文中介绍的免疫遗传算法是在免疫算法的抗体多样性维持机制中引入遗传算法,使其性能比标准免疫算法更进了一步。并通过测试函数,证明了免疫遗传算法既保留了免疫算法的优点,又提高了免疫算法中抗体的多样性和收敛速度。最后结合压铸机合模机构的优化设计,结果表明此算法可有效解决工程问题的优化。     

基于重心NFP的二维不规则形状排样算法

提出了一种基于重心NFP的二维不规则多边形排样算法，算法主要包括临界多边形计算和排样定位选优等内容。该算法以多边形来表示板材和待排零件，通过求解临界多边形NFP来得到多边形之间的所有靠接（排放）位置。为了在NFP中进一步得到优化的靠接位置，在NFP的基础上提出了重心NFP的概念，通过选择重心NFP中的最低重心位置来确定零件的排放位置。在零件的排样次序算法上，提出了顺序递归排样算法和遗传算法，以降低排样过程中形成的空腔所造成的浪费。该算法可处理板材和零件均为不规则形状的排样问题，允许零件在全角度范围内进行旋转，并可处理板材内部带孔洞或者边界形成空腔等特殊情况。     

机械手旋转移送机构的爆发式免疫优化

针对生产机械手旋转移送机构的优化设计问题,在免疫遗传算法(IGA)的基础上,先通过爆发式进化方式产生优势种群,然后与原种群进行杂交、基因比对等操作,从而提出了一种新型爆发式免疫进化算法(EIGA)。仿真实验结果表明,与遗传算法(GA)、IGA相比,EIGA具有收敛速度快、优化精度高和稳定性好的优点,能更好地实现机械手旋转移送机构的有效优化。     

遗传算法的改进及其在离散变量刚架结构拓扑优化中的应用

在刚架结构受力分析的基础上，提出一种启发式方法，以快速产生符合机动性要求的拓扑结构形式。对既定的拓扑结构形式采用改进的遗传算法进行截面优化。主要改进措施有，对群体中的不可行个体和约束条件过度满足的个体进行改造，可提高种群的整体质量。在复制过程中采用最佳个体保护策略和最差个体替换法，避免优良基因由于遗传操作的偶然性而被破坏掉，同时使无竞争能力的个体被淘汰；在进化初期采用大的交叉率，以尽快筛选出最优个体；对最差个体采用大的变异率，使其向最优解逼近；在进化后期采用局部徘徊策略，以增强局部寻优能力。算例的结果表明，该方法用于离散变量刚架结构拓扑优化是有效的。     

An Improved genetic algorithm for the prediction of surface finish in dry turning of SS 420 materials

Determination of optimal cutting parameters is one of the most important elements in any process planning of metal parts. This paper presents a development of an improved genetic algorithm (IGA) and its application to optimize the cutting parameters for predicting the surface roughness is proposed. Optimization of cutting parameters and prediction of surface roughness is concerned with a highly constrained nonlinear dynamic optimization problem that can only be fully solved by complete enumeration. The IGA incorporating a stochastic crossover technique and an artificial initial population scheme is developed to provide a faster search mechanism. The main advantage of the IGA approach is that the “curse of dimensionality” and a local optimal trap inherent in mathematical programming methods can be simultaneously overcome. The IGA equipped with an improved evolutionary direction operator and a migration operation can efficiently search and actively explore solutions. The IGA approach is applied to predict the influence of tool geometry (nose radius) and cutting parameters (feed, speed, and depth of cut) on surface roughness in dry turning of SS 420 materials conditions based on Taguchi's orthogonal array method. Additionally, the proposed algorithm was compared with the conventional genetic algorithm (CGA), and we found that the proposed IGA is more effective than previous approaches and applies the realistic machining problem more efficiently than does the conventional genetic algorithm (CGA).     

并行混合免疫算法及其在布局设计中的应用

布局问题在理论上属于NPC问题,在工程实践上具有广泛的应用。为较好地求解该问题,以并行遗传算法(PGA)为基础,针对其早熟和收敛速度慢两大缺陷加以改进,提出了并行混合免疫算法(PHIA)。该算法将免疫思想加入遗传算法起到了双重作用,一是免疫选择可有效地防止早熟,二是通过基于免疫记忆的子群体信息交换策略可加速收敛。算法采用混沌初始化,并依自适应交叉和变异的概率值对子群体进行分类,与Powell法混合可更好地改善局部搜索性能。以卫星舱和印制电路板布局设计为背景的算例验证了该算法的可行性和有效性。     

碰靠定位算法在不规则件排样优化中的应用研究

基于不规则零件碰靠算法的思想,提出了最小静矩吻合碰靠定位方法。将碰靠定位的参考区域限定在入排零件当前排样高度最低的未排空间内,零件以不同入排角度进行正交靠接排放和定位,以零件定位后的静矩最小作为排样方案优劣的评估规则。在自动碰靠算法基础上,设计了交互排样中的点对点交互碰靠算法,实现零件以任意碰靠方向进行最优布局调整,为完善自动排样提供了有效的辅助作用。     

基于免疫遗传算法的离合器压紧弹簧优化设计及MATLAB实现

阐述了免疫遗传算法的基本原理,并在MATLAB环境下采用免疫遗传算法对离合器压紧弹簧进行了优化设计.实验表明免疫遗传算法对离合器压紧弹簧的优化设计效果明显.     

用随机无网格法和免疫算法分析结构可靠性

本文首先用摄动随机无网格伽辽金法(PSEFGM)求解随机结构的响应。摄动随机无网格伽辽金法具有不需要划分单元和精度高等特点。然后应用人工免疫遗传算法对结构可靠性进行了分析。人工免疫遗传算法是一种新的综合人工免疫算法和遗传算法的智能优化算法,它避免了遗传算法易出现早熟。搜索效率低和不能很好地保持个体多样性等问题。数值实例表明在随机结构可靠性分析方面随机无网格迦辽金法与人工免疫遗传算法具有明显的优势和广泛的应用前景。