求解多目标拆卸线平衡问题的一种蚁群算法

结合拆卸线平衡问题的特性,建立了相应的数学模型。该模型在以最小化工作站数、均衡各工作站空闲时间为目标函数的基础上,考虑了尽可能早地拆卸有危害、高需求的零件以及最小化拆卸方向的改变,提出了一种改进的蚁群算法。该算法采用了利用先验知识、探索新路径、随机选择三种方式的混合搜索机制,将综合考虑零件拆卸时间、危害和需求作为算法的启发式信息来提高搜索的效率。应用实例的计算分析表明该提算法具有可行性及有效性。     

解决多目标优化问题的一种粒子群优化算法

优化设计已发展成为一种有效的新型工程设计方法.粒子群优化算法作为一种新型优化算法,逐渐被用于解决多目标优化问题.但目前研究还较少,本文提出了一种基于Pareto解集的多目标粒子群优化算法.采用一个"记忆体"来存储当前得到的Pareto最优解,对当前所得到的Pareto最优解进行相互比较,以确定一个较优的微粒作为微粒群更新方程中的全局极值,由此来引导其它粒子尽快向最优靠拢,达到算法收敛的目的.测试函数的仿真实验结果表明该算法取得了很好的效果.     

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%。     

空间约束下多目标拆卸线平衡问题的改进狼群算法

考虑实际拆卸过程中的工作站空间面积约束,以最小化工作站数目、空闲时间均衡指标、拆卸成本及工作站实际使用面积极差值为优化目标,建立空间约束下的多目标优化数学模型,提出一种离散多目标改进狼群算法求解.通过对游走行为、召唤行为和围攻行为进行离散化,引入Pareto解集思想及NSGA-Ⅱ拥挤距离机制,获得多个高质量、多方面综合的较优解.通过对不同规模基准算例的求解,对比说明所提算法的有效性和优越性.最后,将该算法用于求解考虑空间约束的某打印机拆卸实例中,得到10组可行的任务分配方案,表明考虑空间约束的模型和所提算法的可行性.     

基于Pareto蚁群算法的拆卸线平衡多目标优化

为提高产晶拆卸效率,针对拆卸线平衡问题建立了数学模型.该模型以最小拆卸线闲置率、负荷均衡和最小拆卸成本为优化目标.结合拆卸线平衡问题的具体特点,提出了一种改进的基于Pareto解集的多目标蚁群优化算法.算法采用小生境技术,引导蚂蚁搜索到分布良好的Pareto最优解集,并以被支配度和分散度为个体评价规则.实验测试结果表明了该算法的可行性.最后,结合企业生产实际,给出了所提模型与算法的具体应用.     

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。     

一种动态邻域的多目标粒子群优化算法

针对粒子群算法在多目标优化问题中存在收敛性差,容易陷入局部最优等缺陷,提出了一种改进的粒子群优化算法。该算法在原有的粒子群算法上增加了两个操作:一是引入了一种变异算子,该变异算子为正态分布随机变异算子,可以使粒子在邻域内随机变异,使其在精英解集中搜索;二是在个体最优位置选取时,对未进入过精英解集的粒子进行变异,使其在新的可行域中寻找,从而加快粒子的收敛速度。经过测试函数验证,该算法可以加快粒子的收敛速度,使粒子更快找到最优解,提高解的收敛性。     

一种改进的粒子群优化算法

针对粒子群算法容易陷入局部最优的缺点,在改变动态惯性权值的基础上,提出了一种动态迭代次数粒子群算法DIPSO(Dynamic Iterative Particle Swarm Optimization).该算法根据每个周期内达到收敛的迭代次数不同,在一个周期内,当其和累积小于某个值时,就对其重新进行初始化,从而使算法具有动态的自适应.通过对几种典型测试函数的优化,结果表明,DIPSO算法的收敛速度明显优于PSO算法,收敛精度也有所提高.     

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。     

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。     

基于改进粒子群算法的同步器多目标参数优化

为兼顾变速器中同步器更短同步时间和更高寿命的要求,基于牛顿第二定律和粘着磨损理论、M-B分形接触模型分别建立以同步时间和同步器寿命为目标的数学模型,运用理想点法构造评价函数进而建立以二者为目标的多目标参数优化模型,利用层次分析法确定各目标在多目标优化模型中所占权重值,并借助改进粒子群算法对多目标参数优化模型进行优化求解。结果表明:优化后与优化前相比同步时间减少了8%,同步器寿命增加了9%,二者得到较好的改善。改进粒子群算法的使用使同步器性能得到较好的提升,而理想点法的运用有效的避免了多目标优化中大数量级目标支配优化结果的问题。     

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。     

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。     

基于混合粒子群算法解决多目标装配线平衡问题

针对第一类装配线平衡问题,提出一种混合的粒子群算法,该算法在标准粒子群算法的基础上对其进行离散化,并提出一种基于优先权重的编码方式,考虑到粒子群算法易陷入局部最优的特点,采用遗传算法的全局搜索能力加强粒子群的全局搜索,再利用变邻域搜索算法进行局部搜索,提高算法的搜索性能。另外,在目标函数方面,在最小化工位数的基础上增加平滑指数这一目标函数,使装配线的效率进一步提高。最后通过算例比较,表明混合粒子群算法能够有效地解决第一类装配线平衡问题。     

基于改进粒子群算法的锂电池拆解线平衡问题研究

针对动力锂电池包拆解行业技术水平低,不能满足大产能、高效率、绿色化的高质量发展需求。以最小化工作站数、工作站间负荷波动为优化目标,建立锂电池拆解线优化数学模型,提出了一种改进的粒子群算法进行求解。最后,将该算法用于求解某退役动力锂电池包拆解线实例中,大大提高了锂电池的拆解效率,同时为决策者提供了锂电池拆解方案。     

基于改进多目标粒子群算法的螺旋钻杆参数优化

为提高螺旋钻采煤机的输送效率,改善其输送性能,文中以螺旋钻杆的内径、叶片厚度、叶片导程及螺旋升角为设计变量,选择采煤机的输煤生产率最大和能耗最低作为优化目标,采用改进多目标粒子群算法对螺旋钻杆参数进行优化。优化结果表明:基于自适应惯性权重和交叉变异的多目标粒子群算法使螺旋钻采煤机的输煤生产率提高了24.1%,实际输送功率降低了4.8%。     

改进粒子群算法的行星齿轮系统多目标优化研究

在行星齿轮多目标优化中,传统粒子群算法(PSO)与自适应权重粒子群算法(APSO)在复杂约束下不易收敛或易陷入局部最优。为此,提出改进的自适应权重粒子群算法(D-APSO)并进行行星齿轮高功率密度的多目标优化设计,以最小体积、最大传动效率和最小中心距为多目标优化函数,综合考虑行星齿轮传动的边界协调条件,利用惩罚函数法处理约束条件,对目标进行D-APSO算法下的优化计算。结果表明:D-APSO算法在优化求解效果和速度上明显优于传统PSO算法和APSO算法,在满足行星齿轮系统承载性能的条件下,使行星齿轮系统具有更小的体积及中心距,并表现出更优的传动效率。     

求解第Ⅰ类装配线平衡问题的一种改进粒子群算法

针对第Ⅰ类装配线平衡问题,提出了一种改进粒子群算法.该算法构造了基于可选任务集合的位置向量定义,给出了与位置向量定义方式相适应的速度向量定义;同时构造新的位置、速度更新策略.采用位置权重法、最长加工时间优先法和随机生成任务序列等三种方法相结合的初始种群生成方法以改善初始粒子种群的质量.为提高算法脱离局部最优解的能力,采用了增加随机加速度的改进措施.最后,通过不同规模问题的测试,说明了算法的有效性.     

基于改进多目标粒子群优化算法的企业再制造物流网络优化

为解决碳税政策下的多目标企业再制造物流网络优化问题,综合考虑设施选址与运输方式选择,建立了总成本和碳排放最小化的混合整数规划模型。设计了约束处理机制改进多目标粒子群优化算法,并结合水泥企业运营管理数据验证了模型和算法的有效性。将改进多目标粒子群算法与第二代约束非支配排序遗传算法比较,凸显了改进多目标粒子群算法在求解中、大规模问题时的优越性。     

多峰值函数优化的改进粒子群算法

多峰值函数优化中,基本粒子群算法进化后期收敛速度较慢,且可能出现最优解粒子在全局最优解附近“振荡”的现象,导致优化精度降低。为此,提出一种具有可控速度因子的改进粒子群算法。在完全随机、部分可控与完全可控三种速度调控策略下,对比研究几种具有不同变速特性的寻优轨迹下算法的精度及运算效率。试验结果表明,通过采用可控的寻优速度因子,优化性能得到改进,特别是采用完全控制策略,不仅可获得较高的优化精度,而且收敛速度更快,表现出更好的综合性能。