多目标下的自动化立体仓库拣选作业路径优化

自动化立体仓库系统是在计算机直接控制和管理下自动存取并实现综合自动化管理货物的多层仓库存储系统,其中,堆垛机作业时间长短直接影响仓库存储效率的高低.针对堆垛机拣选作业模式,提出了自动化立体仓库拣选作业的新型数学模型,并对遗传算法初始种群进行改进,用改进后的遗传算法对该模型进行了求解.     

基于NSGA-II的多目标设备动态布局方法

对多个计划期内需求可预测的车间动态设备布局问题进行了研究.针对这一多目标、多约束的问题,以物流搬运和重布局费用之和、非物流关系以及面积利用率作为优化目标,将动态布局问题转化为重布局过程和多个子计划期的静态布局问题,构建了针对不等面积设备的动态多期布局问题的连续型多目标优化模型.采用带精英策略的非支配遗传算法(Non-dominated Sorting Genetic Algorithm II,NSGA-II)进行求解,克服了传统加权法求解多目标问题时加权系数难以确定和无法保证多目标同时优化的缺点,求解得到Pareto解集,供决策者根据企业实际情况优中选优.通过实例验证了本方法的有效性.     

基于改进遗传算法求解堆垛机路径优化问题

通过对遗传算法进行自适应改进,算出能够随时适应的遗传算子,克服了传统遗传算法的早熟收敛问题.通过运用序号法设定各货位在立体仓库中的位置,建立堆垛机拣选作业的数学模型,运用改进遗传算法对初始路径进行改进,得出最优解,并运用Matlab遗传算法工具箱对此进行仿真.     

基于单亲遗传算法的堆垛机复合作业路径优化

基于堆垛机的作业方式和特点,针对复合作业路径优化问题进行数学建模,并采用单亲遗传算法求解,实验仿真和工程应用证明该模型和算法是可行和有效的。     

资源约束下产品开发任务调度的多目标优化

鉴于产品开发任务调度过程中存在资源约束问题和学习与遗忘效应,需要对多个目标进行优化决策,通过定义资源平均利用率并提出学习遗忘效应矩阵,结合耦合设计的多阶段迭代模型,以各阶段资源利用率为约束条件,建立资源约束下考虑学习与遗忘效应的任务调度时间与成本的多目标优化数学模型。采用带精英策略的非支配排序遗传算法求解得出Pareto最优解集,并采用改进的多目标理想点法对该解集进行选优,得到最优任务调度方案。以某电动汽车的开发过程为例,验证了该优化模型能够减小产品开发时间,降低产品开发成本,提高总资源利用率。     

考虑学习效应的单人作业车间多目标调度算法

为减少受学习效应影响的单人作业车间的最大完工时间和工人行走时间,建立了考虑依赖加工时间和的学习效应的单人单工序多机车间调度模型,提出考虑学习效应的多目标贪婪算法(MOGL),融合了带精英策略的非支配排序遗传算法(NSGA-Ⅱ)与基于贪婪的邻域搜索,构造了迭代多目标遗传算法(IMOGA),并基于MO-GL设计了初始解集....     

基于改进的非支配排序遗传算法的模块化产品多目标配置优化研究

在产品族模块化设计的基础上,应用模糊数学评价理论与最小二乘法,构建了以产品性能、成本及出货期为目标函数的配置优化数学模型,并采用基于改进的非支配排序遗传算法对三者进行并行优化.由此获得一系列基于Pareto最优集的配置方案来满足不同客户对产品性能、成本及出货期的要求,解决了客户需求侧重点对产品设计结果的适应性处理.最后,结合项目实施,给出该方法在机床制造业中的典型应用实例,验证了文中提出方法的有效性和适应性.     

多工作日历下的大型工程项目多目标任务指派优化方法

为解决多工作日历下大型工程项目任务指派问题,提出一种多目标优化方法。建立了以项目工期最短、成本最低为优化目标,考虑多工作日历约束的大型工程项目多目标任务指派优化模型;提出基于多工作日历的时间推算方法,解决了多工作日历下工程项目任务指派的关键问题。设计了带精英策略的快速非支配排序遗传算法求解优化模型,其中编码采用基于承包商号的整数编码方式,交叉操作采用两点交叉方式,变异操作采用单点变异方式。种群初始化采用拒绝策略以保证个体可行性,变异过程采用修复策略以保证子代个体的可行性。解码操作根据各任务被指派的承包商号数组,在任务成本数组中查出任务成本,对各任务成本求和得到项目成本;在任务时间数组中查出任务时间,基于关键路径法采用正向推算函数FC得到各任务最早开工时刻、最早完工时刻,进而求出项目工期。进化结束后将所得到的Pareto解集存入工作表"Pareto解集",当决策人员双击某个Pareto解时,算法基于关键路径法采用正向顺推函数FC和反向逆推函数IC得到其对应的调度矩阵。通过案例分析验证了所提方法的有效性。     

基于改进自适应遗传算法求解机床制造企业立体仓库堆垛机路径优化问题

以机床制造业为背景,以存放机床零部件的自动化立体仓库为基础,重点分析自动化立体仓库堆垛机的路径分析.通过对遗传算法进行自适应改进,算出能够随时适应的遗传算子,克服了传统遗传算法的早熟收敛问题.通过运用序号法设定各货位在立体仓库中的位置,建立堆垛机拣选作业的数学模型,运用改进自适应遗传算法对初始路径进行改进,得出最优解,并运用Matlab遗传算法工具箱对此进行仿真,实验结果表明,此方法收敛速度快,可以获得全局最优解,其堆垛机路径规划更加快速和有效.     

基于NSGA Ⅱ的物流配送中车辆路径问题研究

车辆路径问题已经被证明属于NP—Hard问题。针对这一问题建立了多目标优化的数学模型;构造了带精英策略的快速非支配排序遗传算法,以求解车辆路径问题的数学模型,针对物流配送路径优化,将该算法从解决连续问题扩展为解决离散问题;进行了算法设计,提出了离散问题的快速非支配排序和锦标赛选择结合的子代选择方法,并修正了以往的初始群体生成、交叉和变异的方法。通过实例比较证明,该算法可以更好地解决物流配送路径优化的多目标问题,较快找到更优解,避免早熟收敛并改进算法性能,达到较高的搜索效率。     

基于小生境粒子群算法的公差多目标优化设计

为解决产品设计中的公差优化问题,提出一种基于小生境粒子群算法的公差多目标优化方法。以加工成本、质量损失成本和公差敏感性为优化目标,以装配功能要求和加工能力为约束条件,建立了公差多目标优化模型。对标准粒子群算法进行改进,根据小生境数和Pareto优劣性确定孤立粒子,并通过个体历史最优粒子与孤立粒子的变异、选择操作更新粒子的个体历史最优位置;利用Pareto支配数排序更新粒子群的全局最优位置。利用改进的粒子群算法对公差多目标优化模型进行求解,得到分布均匀的Pareto前沿。设计并开发了原型系统,通过实例验证了该方法的有效性。     

结合性能评价的多目标经营过程资源配置优化

经营过程的质量,既取决于经营过程链的结构,又取决于资源和组织的配置。经营过程资源配置质量由基于相似度排序技术的平均的理想资源配置贴近度和基于信息熵的资源配置均衡性所组成。这种质量可理解成经营过程运作的事前预估质量。建立了时间、成本和质量的多目标经营过程资源配置优化模型,采用混合型非受支配排序遗传算法求解这类决策变量较多的多目标优化问题,大致给出了进化过程所产生的Pareto全集的聚类中心。以劳动力密集型的船舶并行建造为例,说明了经营资源配置质量的解析描述和混合型非受支配排序遗传算法,对于动态资源配置是有效的。     

横风下高速列车流线型头型多目标气动优化设计

为改善高速列车的横风气动性能,建立高速列车流线型头型的多目标优化设计方法,以横风下高速列车的侧力和升力为优化目标,对高速列车流线型头型进行多目标自动优化设计。建立高速列车流线型头型的参数化模型,提取出5个优化设计变量,利用计算流体动力学方法进行高速列车流场计算,并结合多目标遗传算法,实现横风下高速列车流线型头型的自动寻优设计。通过相关性分析,得到影响侧力和升力的关键优化设计变量,并进一步研究关键优化设计变量和优化目标之间的非线性关系。经过多目标优化设计,获得一系列的Pareto最优头型,这些头型的横风气动性能均得到明显改善。同时为保证无风环境下高速列车的基本气动性能不发生恶化,最终筛选出8个Pareto最优头型。对于这8个Pareto最优头型,相对于原始头型来说,横风下的侧力最多可降低3.06%,横风下的升力最多可降低19.60%,无风时的气动阻力最多可降低4.51%,无风时的气动升力最多可降低9.68%。     

气悬浮无摩擦气缸的结构多目标优化设计

为了优化模态测试悬挂系统中气悬浮无摩擦气缸的结构参数,建立了活塞和缸壁间隙内的气体压力分布、气体泄漏流量和活塞径向承载能力的数学模型,提出一种基于非支配排序遗传算法（NSGA-II）的气缸－活塞优化设计方法。以气缸结构参数作为优化变量,以降低泄漏流量和提高径向承载能力为设计目标,等价转化目标函数,并将气体流动的复杂非线性方程组转化为约束条件进行处理。该方法能够获得目标空间内分布均匀的Pareto最优参数集,全面掌握活塞结构参数的最优取值。试验结果表明,优化后的气缸能有效地降低摩擦力,减小气体泄漏流量,从而验证了该方法在工程应用中的有效性。       

基于不同年龄的自适应儿童乘员约束系统参数优化研究

针对单一碰撞工况匹配的儿童乘员约束系统不能保证在其他碰撞工况下儿童乘员的保护,而且极易造成更大的伤害。基于内置式自适应儿童约束系统的参数可调的特征,选取坐垫高度、坐垫长度、安全带限力值为优化变量,以儿童综合伤害评价值I及颈部损伤临界值Nkm为优化目标,采用多项式回归近似模型和非支配遗传优化算法(Non-dominated sorting genetic algorithm II,NSGA-Ⅱ)相结合的方法,分别对3、6、10岁儿童假人在法规GB 27887规定的正面碰撞和追尾碰撞工况下进行多目标优化计算。优化结果表明,在优化设计点,3个年龄段的儿童假人在两种碰撞工况下都能获得较好的保护。基于文中3个年龄段假人的优化设计点,拟合出优化变量与儿童身高和体重的相关关系模型,从而对不同身高和体重的儿童乘员都能达到很好的保护效果。     

低碳低成本约束下箱体零件加工路线优化方法

针对箱体零件工艺设计过程中工艺路线的低碳低成本优化问题,分析了复杂箱体零件的加工特征。在加工工步排序原则和机械加工工艺路线的基础上,根据多色集理论构建了工步排序问题的“特征-工步”和“特征-面孔”围道布尔矩阵,提出了以最低总碳排放（低碳）和最低加工成本（低成本）为优化目标的机械加工工艺路线多目标优化方法,并将改进的遗传算法应用到求解工步排序的问题中,从而得到最优解。以某型号箱体零件为例,验证了所提优化方法的有效性和可行性。     

基于多目标遗传算法的高频磁致伸缩换能器优化设计

磁致伸缩换能器在高频激励下存在铁心涡流损耗大、磁场分布不均匀、电磁转化效率低等问题,需要从换能器本体优化设计方面寻求解决。首先对换能器的线圈高度和磁轭回路结构进行仿真分析以初步确定磁路结构;然后基于非支配排序遗传算法对换能器提出了一个整体的多目标优化设计模型,该模型以增大磁致伸缩棒内磁场强度、提高棒内的磁场分布均匀度和减少换能器高频损耗为优化目标,引入规范化排序和熵权法对该优化方法得到的Pareto前沿解进行决策支持,筛选一组最优设计方案;最后对该最优解进行仿真分析,磁场分布和数值计算结果验证了该优化方法的有效性,根据优化结果制作了一台换能器样机,样机输出特性的测试结果表明了优化设计方法的可行性。