基于遗传退火算法的绿色作业车间调度

绿色制造和智能制造是工业发展的两大趋势,针对目前作业车间能耗大、设备利用率低,以及产品拖期严重等问题,以智能制造业环境中的作业车间为研究对象,建立了以车间总能耗和总拖期惩罚为优化目标的多目标调度模型,并通过设置权重系数来调节优化目标决策偏好;基于遗传算法收敛速度快、全局搜索能力强,以及模拟退火算法突跳性强的特点,设计一...     

基于代理模型的多目标优化方法及其在车身设计中的应用

正实际工程优化问题通常涉及多个目标,这些目标往往不能显式表达而要通过仿真计算来获取,这便在一定程度上加大了多目标优化求解的难度。多目标智能优化方法可以在不考虑问题具体特征的前提下进行优化解的搜寻,适用于处理实际工程问题,但受到进化规模和收敛速度的影响而需要较多次数的目标值计算,限制了在目标求解耗时的问题中的应用。常见的基于代理模型的多目标优化方法因能较好地处理效率问题而成为研究热点,但目前该类方法面临着求解精度较低的问题。鉴于此,本文针对基于代理模型的多目标优化方法展开了深入的研究,力求在快速、有效的算法本身及其在车身设计中的应用方     

模具企业生产优化调度研究及软件系统实现

基于关键链项目管理（Critical Chain Project Management,CCPM）,是利用一种混合智能优化算法求解多资源约束项目调度问题,解决传统调度优化算法的不足,提高这类问题的求解质量。首先运用一类启发式算法识别项目关键链,并设置缓冲区尺寸,其次以项目总工期和在制品库存为优化目标建立数学模型,设计一种混合智能优化算法求解调度中出现的问题。基于VisualC#．NET和SQL Server2000软件,开发了生产调度软件系统,并在企业运行,效果良好。     

基于QPSO的重载齿轮多目标优化设计

粒子群优化算法(PSO)是一种基于群智能的优化方法,量子粒子群优化算法(QPSO)是基于PSO进行改进的算法,规则简单、收敛速度快、易于编程实现。对于多目标、多约束条件的重载齿轮的优化设计,本文提出了一种基于QPSO优化求解的设计方法;实践表明能够快速、有效求得优化解,是求解重载齿轮优化设计问题的一个较好方案。     

动态物流网络多目标优化模型及求解算法

针对动态物流网络优化问题,构建了多阶段三级物流网络模型。为了同时保证物流网络的效益和效率,以产品供应总成本最小和供应总时间最短为目标建立多目标优化模型。针对该模型多目标、多约束且存在时变参数的特点,提出了动态自适应多目标差分进化算法(DSMODEA)对模型进行求解。DSMODEA算法为元启发式智能优化算法,通过比较种群个体的Pareto支配关系和拥挤度距离来判断个体优劣,采用差分进化策略不断迭代收敛。同时,提出了环境变化检测算子、环境变化响应策略和自适应策略以保证算法能很好地求解动态优化问题。算例表明,DSMODEA算法能够求得各阶段物流网络的最佳可行供应方案,且所采用的响应策略和自适应飞行策略大大提高了算法的性能。     

基于改进多目标人工蜂群算法的航空发动机管路智能布局方法

针对航空发动机管路布局目前存在的问题,一种基于改进多目标人工蜂群算法的航空发动机管路智能布局方法被提出。在该方法中,首先以管路长度最短、弯头数最少和流阻最小为优化目标,将管路弯曲半径、夹角、直线段长度、距离、贴壁以及跨度约束作为约束条件,建立航空发动机管路多目标布局优化数学模型。进一步,基于约束违背度理论、混沌算法和A*算法,并结合雇佣蜂变长度邻域搜索、跟随蜂指数排序选择、侦查蜂自适应邻域搜索,设计出应用于航空发动机管路智能布局的改进多目标人工蜂群算法,从而实现了航空发动机管路布局的多样性和智能化,提高了管路布局质量和效率。最后,以标准测试函数为例对算法性能进行测试,并通过实例研究验证所提方法的可行性。     

基于蚁群算法在建模中的应用与发展

自动组卷问题是一个多约束条件下的多目标参数优化问题,各个目标之间互相牵制,采用传统算法求解相当困难,导致组卷效率和成功率都比较低。结合自动组卷的多目标组合优化特点,提出一种蚁群算法的自动组卷模型。模型首先根据试卷要求建立试卷质量评价体系,然后根据题型、总分、考试时间等要求建立多约束条件、多目标的数学模型,然后采蚁群算法对该数学模型进行求解,最后输出最优组卷方案。仿真结果表明,蚁群算法充分利用了蚁群算法群体智能特点,提高了组卷效率和成功率,很好满足自动组卷的实时性。     

基于遗传算法和多智能体的染缸生产排产与动态优化设计

为解决小批量、多品种浸染生产不合理调度导致高能耗和多污染排放的问题,提出了一种基于遗传算法和多智能体染缸调度与动态优化的方法.该方法基于染缸车间制造执行系统、企业资源计划和过程控制系统实时数据,采用分层调度算法.其中静态层采用支持多产品的批处理、多染缸的非等同性、前期订单、订单交货期和切换成本等约束条件的遗传算法;动态层采用支持染缸运行状态的多智能体的协调动态优化算法.通过对生产过程中多约束条件和多动态变化因素的算法求解,获得染缸作业任务动态优化设计.仿真结果表明,与单纯遗传算法和人工调度相比,基于数据驱动的分层动态优化调度达到了染缸作业排产优化和污染减排的目标和实际应用的可行性.     

微分进化多目标优化算法研究

对现有的微分进化多目标优化算法做了进一步的研究,揭示了其在机械工程领域中应用存在的问题。在此基础上,对现有的微分进化多目标优化算法进行了修正,给出了基于微分进化算法、适用于机械工程领域的约束多目标优化算法。与目前普遍采用的粒子群多目标优化算法进行了比较,并通过颇具典型意义的双圆弧齿轮传动约束多目标优化范例进行了验证。研究结果表明,该方法比粒子群多目标优化算法具有更好的非劣解的多样性和收敛性,快得多的收敛速度,且程序设计简单、易懂。为机械工程领域约束多目标优化设计提供了一种切实可行的设计算法。     

考虑拆分策略的智能仓库订单拣选优化问题

智能仓库中用智能拣货车和拣货机器人代替了传统的拣货员,从而能实行更加有效的拣货方案.针对以最小化总延误时间为目标的智能仓库的订单拣选问题,考虑订单可以被拆分的情形,提出订单拆分策略,并建立了相应的非线性0-1整数规划模型.为高效求解智能仓库订单拣选优化问题,将问题的模型分解为订单分批阶段和批次分配阶段,并分别设计订单分批算法和智能果蝇优化算法.数值实验结果表明,拆分策略能明显减小智能仓库中订单拣选的总延误时间;通过与同类型算法的比较发现,所提出的智能果蝇优化算法具有更优越的性能.     

Developing two multi-objective evolutionary algorithms for the multi-objective flexible job shop scheduling problem

The aim of this paper is to study multi-objective flexible job shop scheduling problem (MOFJSP). Flexible job shop scheduling problem is a modified version of job shop scheduling problem (JSP) in which an operation is allowed to be processed by any machine from a given set of capable machines. The objectives that are considered in this study are makespan, critical machine work load, and total work load of machines. In the literature of the MOFJSP, since this problem is known as an NP-hard problem, most of the studies have developed metaheuristic algorithms to solve it. Most of them have integrated their objective functions and used an integrated single-objective metaheuristic algorithm though. In this study, two new version of multi-objective evolutionary algorithms including non-dominated sorting genetic algorithm and non-dominated ranking genetic algorithm are adapted for MOFJSP. These algorithms use new multi-objective Pareto-based modules instead of multi-criteria concepts to guide their process. Another contribution of this paper is introducing of famous metrics of the multi-objective evaluation to literature of the MOFJSP. A new measure is also proposed. Finally, through using numerous test problems, calculating a number of measures, performing different statistical tests, and plotting different types of figures, it is shown that proposed algorithms are at least as good as literature’s algorithm.     

不确定信息条件下Job-shop调度的混合智能算法

目前大多数生产调度的研究往往聚焦于经典调度问题的优化算法而忽略了车间中大量存在的不确定性，因而难以应用于实际车间调度。采用随机变量来描述真实车间中存在的一些不确定信息，在基于不确定规划理论的基础上建立了相应的不确定性调度模型，并研究了解决此类问题的混合智能算法。开发了混合智能优化原型系统，并结合仿真工具对该调度模型和混合智能算法进行了验证。     

基于自组织的智能诊断技术研究

通过分析智能诊断过程的内在属性,结合国内外的相关研究状况,提出了研究基于自组织的智能诊断技术的重要意义,并指出其优越性.详细阐述了智能诊断的自组织规划过程,结合多代理技术的自身特点及优越性.提出将多代理技术应用于智能诊断过程中.深入研究了基于多代理的自组织过程实现策略,采用基于响应时间、服务质量、服务成本、安全性目标准则的资源优化调度算法,解决了自组织过程规划中的资源管理和协调等关键问题,并通过实例验证了算法的正确性.     

大规模生产调度问题的研究现状与展望

为解决大多数已有调度算法无法直接应用于大规模生产调度的问题,以典型生产调度问题为背景,综述了现阶段已有大规模生产调度问题的算法。分析了大规模生产调度问题规模增长的因素,重点介绍了基于问题分解的各类方法、拉格朗日松弛／分解法及智能优化算法。在此基础上,展望了大规模生产调度问题的研究发展趋势。     

现代制造系统控制研究发展

制造系统控制是制造系统研究的重点之一,对提高制造系统自动化和智能化水平有重要作用。综述了控制结构、控制模型和调度方法的研究内容、现状和发展趋势,指出了协调分布自组织控制结构、基于多Agent的Petri网控制决策模型和基于多Agent的软计算调度算法是今后制造系统控制研究的重点。     

油水界面测量与计算

精确测量原油储罐油水界面是石油开采加工工艺过程的基本要求,油水界面测量技术在石油化工过程系统工程研究中占有十分重要的位置。首先介绍了油水界面测量技术的研究现状,分析了每一种测量技术的测量原理和技术应用,并从技术原理、测量方式和计算方法 3个方面对15种油水界面测量技术进行了对比总结;其次重点探讨了油水界面计算方法,提出按照直接读数、关键参数、矩阵数据和图像分析4个方面总结油水界面计算方法,并对其所用算法研究进展进行分析和对比;最后对油水界面测量技术下一步发展做了展望,预测了油水界面测量技术在混合模式技术原理、非接触式测量方式、高精度测量过程、多维数据计算方法和智能化信息系统建设平台等5个方面的发展方向和技术难点。     

智能优化算法在无功优化中的应用综述

对无功优化的研究现状进行了总结,对现有的无功优化算法进行了分类。重点介绍了智能优化算法在电力系统无功优化中的应用及其优缺点,在此基础上,概括了几种常用混合优化算法。最后指出了无功优化的发展趋势。     

资源调度问题研究综述

针对资源调度问题,从静态资源调度算法和动态资源调度算法两方面,详细地介绍及评述了国内外相关研究成果,并对其中关键技术的研究状况进行了总结,指出了未来的研究趋势。研究结果表明,资源调度问题虽然已经取得了很多研究成果,但远未达到完善和实用化的程度,仍有一些关键技术问题需要解决。     

电缆布局设计技术研究进展综述

电缆布局设计作为机电产品研发过程的重要一环,一直以来都受到学术界的热切关注。在深入研究电缆布局设计的基础上,按其发展历程对现有电缆布局设计技术进行综述。首先介绍传统电缆布局设计技术的工艺流程及其时代局限性和不相适应性。然后从桌面式计算机辅助设计系统和沉浸式虚拟现实技术两方面介绍人机交互式电缆布局设计技术。最后针对现在的研究热点——电缆自动布局设计技术展开详细介绍：一方面从电缆整体自动布局设计系统入手,分析有关电缆自动布局的自主开发系统和二次开发系统;另一方面重点介绍盲目搜索算法、启发式搜索算法、智能优化算法和基于采样的路径规划算法在电缆自动路径规划中的应用。对电缆布局设计技术的未来研究方向进行了展望,为今后电缆数字化布局设计技术的研究提供借鉴与支持。     

粒子群优化算法求解车间调度问题

针对车间调度问题的特点构造了此问题的粒子表达方法,给出了具体的算法应用过程,并将结果与神经网络方法、遗传算法、改进的加工效率函数的调度算法做了对比.结果表明粒子群算法在柔性工作车间调度问题的应用上是十分有效的.