注塑车间集成单元布局智能建模与关联优化

针对注塑车间设备布局、原料区布局、模具摆放区布局和物流运送路线现状,提出注塑车间布 局基本原则,优化传统单元系统布局,合并单元构建和单元内布局过程,关联生产计划变动影响,建 立注塑车间单元构建与单元内布局集成设计模型,建立注塑车间单元系统布局与关联优化集成模 型．针对多变量、多约束和非线性的特点,以单元内物料搬运、单元内模具搬运、单元间物料搬运以 及单元间模具搬运等成本为布局模型多目标函数,以单元间物流费用、车间面积利用率和关联控制 系数ＡＣＣ等为关联模型多目标函数,分别设计出结构化染色体多变异策略、实数编码多点交叉等 遗传算法,并对模型进行求解．通过典型的注塑车间布局实例,验证模型和算法的实用性和可靠性．     

基于杂交算法的机翼结构布局优化设计

为了解决机翼结构布局优化问题,提出一种同时进行拓扑优化、形状优化及几何尺寸优化的杂交优化算法。对拓扑设计变量和形状设计变量采用混合编码方式构造染色体结构,利用MSC/NASTRAN实现尺寸优化,并将其结果作为布局遗传操作的依据,利用混合编码遗传算法进行布局优化。为了加快收敛进程,利用专家知识的启发性功能对布局设计区域进行了有效缩减,以产生符合工程实际要求的布局形式。通过对大展弦比机翼结构的布局优化设计计算,表明文中所提结构布局优化方法减重效果明显,是可行和有效的。     

基于灰狼优化算法的置换流水线车间调度

采用了一种新颖的混合灰狼优化算法来求解置换流水线调度问题。针对标准灰狼优化算法在求解离散流水线车间调度问题时收敛速度慢的现象,并结合问题的特点,提出了改进的灰狼优化算法。为了避免非可行解的产生,在该改进算法中采用了随机键编码机制对工件位置进行编码,同时引入局部搜索策略以提高算法收敛能力,基于灰狼个体间的社会等级信息以最优3个狼指引其它个体到达最优解区域从而更新种群。通过最新标准测试集的仿真结果和算法比较验证了所提算法的有效性。     

工业化生产PC构件的BIM技术定位优化

在预制混凝土（PC）构件工业化生产中,传统的定位多采用人工排布,存在平台生产面积利用率低、排布费工费时、生产漏排多排等缺点。将建筑信息模型（BIM）技术应用到PC构件工业化生产中,可提高管理的信息化程度,并能较好地解决传统定位中存在的问题。采用Revit软件,制定了PC构件信息模型的参数化建模标准,创建了PC构件信息模型,改进了最低水平线算法。在模型信息的基础上应用算法排布构件,从而提高了PC构件生产的信息化程度和生产效率。     

实时数据下城市高架路短期交通流预测模型

灰狼算法具有容易困于局部最优且收敛精度有缺陷，笔者改进非线性收敛因子，同时利用差分进化策略，得到新的灰狼优化算法。借助基准测试函数进行验证，改进后算法的全局搜索能力和收敛速度强于标准灰狼算法。进一步把改进后的算法应用在城市高架路短期交通流预测，具有较好的可行性，经过比较可知，预测的精度有明显的提升，优化了实时数据下高架路短期交通流预测的计算路径。     

基于遗传算法的桁架结构布局优化设计

利用遗传算法在Matlab语言环境中对桁架结构进行布局优化设计方法的研究,分别选择杆件截面面积、节点坐标、杆件存在状态为设计变量,同时进行截面尺寸、形状、拓扑三个方面的优化.讨论了实现过程中一些问题的处理,利用结构可能的拓扑形式编号为设计变量进行拓扑优化等,提出利用一个变量控制参数boundsops解决了多类型参数联合编码和离散变量的问题,提出一种结构优化设计实用方法.算例表明,提出的基于遗传算法的桁架结构布局优化设计方法进行桁架结构的布局优化设计比较容易实现,简单、有效,可以产生很好的效益.     

考虑装配约束的航空发动机卡箍布局GWO优化

航空发动机卡箍与管路具有装配约束关系,其布置位置对管路走向和振动性能具有重要影响。提出一种基于改进灰狼算法（Gray Wolf Optimization, GWO）的发动机卡箍位置调整优化方法。该方法在已有管路-卡箍几何布局方案基础上,以调节管路-卡箍固有频率避过共振为主要优化目标,以管路避障、管路-卡箍满足装配约束等为约束条件,应用改进GWO算法对卡箍位置进行二次优化调整。为了不影响管路几何布局方案,建立基于管路投影线的卡箍位置优化空间。为提高计算效率,建立反映卡箍位置和管路固有频率的Kriging模型,代替耗时的有限元计算程序。为提高GWO的搜索性能,提出改进收敛因子的GWO算法。所提方法可在保证管路几何布局微调的前提下,对卡箍位置进行优化,且可保证管路与卡箍满足装配约束关系。最后通过测试函数算例和卡箍布置算例验证所提方法的有效性。     

基于混合遗传算法的制造车间布局设计

生产车间的布局问题是一个NP难问题,常规方法难以求解。针对这一问题,首先根据车间布局设计的最小费用原则,建立了生产系统设备布局的数学优化模型;接着,将遗传算法与模拟退火算法相结合组成混合遗传-模拟退火(GA-SA)算法,并将其引入到车间设备布局问题中,完成了算法操作设计;最后,给出了一个10区域车间布局算例。结果表明:该算法有较强的全局和局部搜索能力,能有效改善遗传算法过早收敛的问题,是优化车间设备布局的一个有效方法。     

基于先验算法的服装生产流水线设计优化

针对服装生产线员工变动频繁、技能熟练度不一致以及设备布局受限等造成的流水线部件逆流和不平衡问题,提出了一种基于先验算法的服装生产工序组合关联规则挖掘方法,以优化流水线设计。根据服装工艺和生产特点提出了工序编码方法,通过改进Apriori算法来挖掘用于流水排布的生产工序关联规则,建立了以逆流情况和流水线平衡为约束的评判指标,通过工序内容与评判指标进行流水线优化排布。结果表明：优化后的流水线完全避免了零部件在路径上的传递损失,流水线的排布效率提高了20%,线内工位平均均衡比相较于原有产线提高了20%,排布内容更切合工厂生产实际环境和经验要求。使用该方法挖掘工序关联组合具有较好的可靠性,工序组合的应用有利于提升流水线排布的实际意义。     

一种改进的灰狼优化算法

为了克服标准灰狼优化(GWO)算法寻优精度不高,难以在收敛速度和避免陷入局部最优之间取得平衡等问题,提出了一种改进的灰狼优化(IGWO)算法.该算法采用非线性收敛因子策略和自适应调整策略来提高寻优精度和加快收敛速度.选取10个基准函数对IGWO算法进行验证表明,IGWO算法的优化精度和收敛速度显著优于标准GWO算法和其他元启发式算法,因此本文提出的IGWO算法在求解最优参数方面具有良好的应用价值.     

改进灰狼算法及其在港口泊位调度中的应用

为提升港口泊位调度的效率,提出一种基于改进灰狼算法的船舶调度优化方法.针对灰狼算法收敛速度慢、寻优精度不高等不足,引入Sin混沌初始化,增强初始种群的均匀性和遍历性;引入头狼引领策略,加快算法收敛,提高算法效率;引入合作竞争机制,增强算法局部搜索的能力;在灰狼种群位置更新时引入自适应权值,以满足不同时期的寻优要求.为验证改进灰狼算法的有效性,将该算法与其他6种不同算法进行对比实验.结果表明:改进灰狼算法的收敛速度明显快于其他6种算法,在不同测试函数的仿真中均能得到所求函数的最优值,且该算法独立运行20次取得解的标准差均为0,表明该算法对不同维度的求解问题均具有很好的抗扰性;在港口泊位调度的应用中,经过该算法优化后,所有船舶停留总时间较优化前缩短了14.7%,大幅度缩短了船舶的在港时间.该算法在船舶调度优化中取得了满意的应用效果,能够得出相对较佳的调度方案,实现泊位停靠最优化,为港口泊位调度优化提供了新方法.     

一种基于Tent映射的混合灰狼优化的改进算法

针对基本灰狼算法易陷入局部最优、未考虑个体自身经验等问题,本文提出一种基于Tent映射的混合灰狼优化算法(grey wolf optimization algorithm based on particle swarm optimization,简称PSO_GWO).首先,其通过Tent混沌映射产生初始种群,增加种群个体的多样性;其次,采用非线性控制参数,前期递减速度慢,能够增加全局搜索能力,避免算法陷入局部最优,后期收敛因子递减速度快,增加算法局部搜索能力,从而提高整体收敛速度;最后,引入粒子群算法的思想,将个体自身经历过最优值与种群最优值相结合来更新灰狼个体的位置信息,从而保留灰狼个体自身最佳位置信息.为验证该算法的有效性,本文借助9个标准测试函数来与其他三种算法进行对比.实验结果表明,本文提出的算法比其他三种算法在单峰函数和多峰函数上搜索到的最优解更加理想; PSO_GWO算法比IGWO算法(the improved grey wolf optimization algorithm)在计算时间复杂度方面效果较好;同时,随着种群规模增大,PSO_GWO算法收敛值逐渐接近理想值.因此,本文提出的PSO_GWO算法能更快搜索到全局最优解,且鲁棒性更好.     

基于灰狼支持向量机的非等时距滑坡位移预测

以三峡库区白水河滑坡为例,针对滑坡位移监测数据的非等距性和复杂性,结合非等距时间序列分析法、灰狼优化算法（GWO）和支持向量回归机（SVR）模型,提出新型非等距位移时序预测模型.利用自然三次样条插值法对滑坡位移数据进行等时距处理,基于时间序列分析理论将位移数据中的趋势成分和周期成分剥离,采用基于稳健最小二乘法的三次多项式拟合和GWO-SVR耦合模型分别对这两者进行预测,利用时间序列加法模型得到滑坡累计位移的预测值.研究表明,基于灰狼支持向量机的非等时距滑坡位移预测模型不仅预测精度高,预测误差较小,且寻优参数设置简单,计算收敛迅速.     

基于改进灰狼优化算法自抗扰控制器在火电燃料控制系统中的应用

针对火电厂燃料控制这一非线性、滞后性、强干扰的被控对象,设计基于改进灰狼优化算法的自抗扰控制器。对燃料控制系统不同工况进行了阶跃仿真实验、扰动测试、鲁棒性测试以及变工况实验。实验结果表明,相较于传统比例-积分(PI)控制器和专家经验整定的自抗扰控制器,改进灰狼优化算法的自抗扰控制器可以实现燃料量的快速、稳定调节,在抗扰动及变工况过程中有较好的控制效果,具有较强的鲁棒性。     

基于动态学习和个体淘汰的鲸鱼算法求解订单接受与调度问题

结合订单型企业生产线的实际情况,在传统的订单接受与调度模型的基础上加入因客户优先级而带来的订单拒绝成本这一重要因素,并使用新型的鲸鱼优化算法(WOA)进行求解.WOA被提出是用于求解实数域的问题而且存在容易陷入局部最优的缺陷,针对这一问题提出一种改进的鲸鱼优化算法(IWOA).使用基于排序和偏离度的编码方式用于求解订单...     

基于双向收敛蚁群算法在车间作业调度上的应用

合理搭配车间中生产环节的各种资源,减少零部件的准备工作,可以提高设备使用率与生产效率。提出双向收敛蚁群算法,并通过实例跟基本蚁群算法相比较,实验结果证明采用双向收敛蚁群算法可以提高搜索过程的挥发系数,加快收敛速度。     

基于遗传算法的多目标双行车间布局改善方法

在原有布局的基础之上,对双行布局车间进行布局改善。建模过程中,以物料搬运成本、改善过程中产生的设备移动成本,以及基于生产节拍的效率成本作为目标,同时考虑到了车间中的通道和各设备的搬运出入点,应用遗传算法进行求解,并进行了适应度函数的尺度变换以避免早熟。通过实例演示了该布局方法的操作过程及有效性。     

采用GWO优化SVM的燃气轮机气路故障诊断

将灰狼优化算法和支持向量机算法作为理论指导,并采用灰狼优化算法对支持向量机算法进行优化,以实现燃气轮机故障类型的分类。将灰狼优化算法与遗传算法优化支持向量机方法和粒子群算法优化支持向量机方法进行对比,结果表明,通过灰狼算法优化支持向量机的方法对燃气轮机故障分类的准确率要高于遗传算法优化支持向量机算法和粒子群算法优化支持向量机的故障分类方法。     

基于天体运动更新机制的改进樽海鞘群算法

为了解决樽海鞘群算法(SSA)在收敛速度和求解精度方面存在的问题,提出了一种改进的樽海鞘群算法。通过在原算法中引入天体运动更新机制来提高算法的收敛速度和收敛精度。用7个常见的测试函数对改进算法进行仿真验证,同时将结果与现有的灰狼算法(GWO)、粒子群算法(PSO)和蚁狮算法(ALO)进行对比。结果表明,引入天体运动更新机制的樽海鞘群算法具有更优的性能,证明了改进方案的有效性。