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.     

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。     

[生产计划]基于NSGA-Ⅱ的产品开发任务调度多目标优化

针对传统的加权系数法和约束法等不能很好解决产品开发任务调度多目标优化的问题,建立了以产品开发时间和成本为目标的多目标优化模型,采用改进的非支配排序遗传算法得出Pareto最优解集,并利用模糊优选法对该解集进行选优,确定了产品开发任务调度的最优执行方案。对两个经典多目标测试函数的求解及对比分析表明了该算法的优越性,结合实例说明了该方法的实施过程及有效性。     

求解多目标混合流水车间调度的改进NSGA-Ⅱ

针对混合流水车间调度问题,以最小化能耗和最小化最大完工时间为求解目标,建立混合整数线性规划模型,提出求解该问题的改进快速非支配排序遗传算法(NSGA-Ⅱ)。算法染色体采用首阶段工件加工顺序码和设备分配码相结合的编码方式,最大程度确保算法在问题的整个解空间搜索Pareto前沿解。针对染色体编码设计了3种不同解码方法,其中两种解码方法与问题目标密切相关,用于引导算法搜寻方向;设计了一种贪婪变异算子,在提高种群多样性的同时兼顾算法的局部搜索能力。为确保Pareto前沿解集的分布性和收敛性,避免算法陷入局部最优,在采用精英保留策略的基础上提出一种全新的选择算子,并通过实验证明了该选择算子的有效性。为进一步节约能源,针对调度方案提出先右移再左移的调整策略,在不改变总完工时间的前提下大大节约了设备的待机和开关机能量。最后通过实验验证了改进NSGA-Ⅱ的有效性。     

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NSGA-Ⅱ的智能化电铲多目标最优挖掘轨迹规划

为实现智能化电铲实时节能的挖掘,提出了一种基于非支配排序遗传算法(Non-dominated Sorting Genetic Algorithm-II,NSGA-Ⅱ)的智能化电铲多目标最优挖掘轨迹规划方法。首先,通过拉格朗日方程建立智能化电铲工作装置动力学模型;然后,使用高次多项式对挖掘轨迹进行插值,将挖掘轨迹寻优问题转化为多项式系数寻优问题,最后,以挖掘时间最短及单位体积物料的挖掘能耗最小作为优化目标,以电机性能与挖掘过程中几何条件等作为约束,利用多目标优化平台PlatEMO,将NSGA-Ⅱ作为多目标优化算法,指定待优化问题的目标函数及约束函数,获取到多目标优化Pareto最优解集,基于决策偏好设置权重并根据TOPSIS法获取最优解,得到多目标最优挖掘轨迹规划结果。结果表明,优化后挖掘轨迹满足实时节能的挖掘要求。     

基于差分元胞多目标遗传算法的车间布局优化

以物料搬运费用最小和车间设备占地面积利用率最大为目标,建立了车间设备布局多目标优化设计模型.针对常用多目标算法不能很好求解该模型的问题,提出一种差分元胞多目标遗传算法.该算法在经典元胞多目标遗传算法的基础上引入差分演化策略,从而集成了元胞算法多样性好和差分演化策略在解决复杂问题时收敛性强、覆盖范围广的特点.分别运用该算法、经典元胞多目标遗传算法和NSGAII对测试函数及车间设备布局模型进行计算,通过数据和性能比较分析表明,针对多约束、多变量、非线性的模型,新算法具有良好的收敛性、分布性和扩展性,能有效解决相关生产实践问题.     

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NSGA-Ⅱ算法的RV减速器参数多目标优化研究

旋转矢量(RV)减速器是工业机器人核心部件,对于机器人的性能起到关键作用。针对提升RV减速器综合性能的问题,从优化传动压力角的相关参数出发,对其结构参数(摆线轮齿数、短幅系数、针径系数、摆线轮宽度等)的多目标优化设计进行了研究。首先,研究了摆线轮平均压力角、传动效率和传动机构体积三者的相关参数之间的关系;然后,以此为优化目标,在摆线轮标准齿廓方程的基础上建立了多目标优化数学模型(该模型采用了基于非支配占优排序遗传学算法(NSGA-Ⅱ)改进了交叉算子系数生成的改进NSGA-Ⅱ算法);通过模型求解得到了帕累托最优解集,根据模糊集合理论的相关方法选取了最优解;最后,以某公司220-BX型RV减速器为例,进行了优化设计,建立了3D模型后进行了有限元分析,并加工出实验样机,进行了传动效率对比实验。实验结果表明：摆线轮平均压力角减小了7.19%,体积减小了11.1%,传动效率提高了4.9%。研究结果表明：该模型交互性强,能提高设计效率并节省设计开销,可为实际RV减速器工程优化设计提供参考。     

OEM企业车间单行布局多目标优化研究

针对OEM企业面临的问题,在分析单行布局单目标优化缺点的基础上,建立了单行布局物流成本、加工时间和面积占用率的多目标优化模型,考虑到产品的几何形状、密度、易损程度等因素对物流成本的影响,以当量物流量替代物流量计算物流成本,文章最后以OEM企业B车间为例,通过计算和emplarlt软件仿真,得出U形布局是其最优布局方案.     

基于改进遗传算法的多目标车间布局优化问题研究

以作业单元间物料搬运费用最小和搬运时间最短为优化目标,建立车间布局多目标优化模型.采用改进遗传算法进行求解,在选择、交叉及变异操作之后引入进化逆转操作,以提高遗传算法的局部寻优能力,加快收敛速度.最后对实例求解,将优化后的布局与原布局进行对比,得出搬运费用和搬运时间均有明显降低,验证了所建模型和算法的有效性.     

卵形截面钢丝螺旋弹簧切应力分析及多目标优化设计

卵形截面钢丝螺旋弹簧如今广泛应用于发动机气门弹簧、离合器弹簧等领域.基于弹性理论,对卵形截面钢丝螺旋弹簧切应力进行分析,提出一种切应力计算方法.弹簧截面扭转基本方程为非齐次偏微分方程.通过换元法、分离变量法及Fourier展开法得到截面扭转切应力,基于半逆解法得到弯曲情况下的切应力,将修正后的扭转切应力和弯曲切应力叠加得到总切应力.通过有限元仿真,验证了计算方法的正确性.基于带精英策略的快速非支配排序遗传算法(a fast elitist Non-dominated Sorting Genetic Algorithm-II,NSGA-II)和上述切应力计算方法提出了一种卵形截面钢丝螺旋弹簧多目标优化设计方法.优化结果表明,该方法可以为卵形截面钢丝螺旋弹簧的设计提供参考.     

基于改进NSGA-Ⅱ算法的箱形伸缩臂多目标优化设计

从初始群体产生及交叉算子两个方面对带精英策略的快速非支配排序遗传算法(NSGA-Ⅱ)进行改进,对伸缩臂进行应力及挠度变形分析,得出应力及应变云图,以确保伸缩臂强度、刚度满足要求。以伸缩臂截面几何参数为设计变量,伸缩臂稳定性及自重为优化目标,利用i SIGHT软件将改进的NSGA-Ⅱ算法与Ansys有限元分析集成,以QY20汽车起重机伸缩臂为例,对起重机箱形伸缩臂进行多目标优化设计,得出Pareto前沿解,并与优化前的截面参数进行对比,验证了该算法的可行性。     

基于多目标遗传算法NSGA-Ⅱ的串联齿轮机构变位系数优化

为研究串联齿轮变位系数的合理分配问题,以中心距偏差和齿顶高变动系数为优化目标,同时考虑加工时不发生根切、齿顶不过薄、保证一定的重合度和不产生过渡曲线干涉等4个约束条件,建立了多目标优化模型。然后采用多目标遗传算法NSGA-Ⅱ对目标函数进行求解,最终实现了串联齿轮变位系数的优化。研究表明,用这种方法进行串联齿轮机构变位系数的分配行之有效,优化后的齿轮变位系数符合工程实际,很好地满足了设计要求。     

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。     

基于多规则设备分配及工序排序的FJSP多目标集成优化方法

为降低柔性作业车间调度多目标优化的复杂度,提高优化效率,提出一种基于多规则设备分配及工序排序的柔性作业车间调度多目标集成优化方法.建立了一类以完工时间、设备最大负荷、设备总负荷以及制造成本为优化目标的柔性作业车间调度多目标优化模型;针对模型的组合爆炸特点,为降低其复杂度,提出一种将多规则设备分配及工序排序相结合的集成调度思想;为进一步提高求解效率,提出一种面向对象数据处理技术用于处理各实体之间的数据交换;基于改进的非支配排序遗传算法思想,提出了基于多规则设备分配及上序排序的柔性作业车间调度多目标集成优化算法.通过仿真对比与应用验证了所提方法的有效性.     

基于改进非支配排序遗传算法的多目标柔性作业车间调度

采用多目标进化算法解决具有工件释放时间、工件目标差异的柔性作业车间调度问题。依据实际制造系统中存在较多的最大完工时间、平均流经时间、总拖期时间、机器总负荷、瓶颈机器负荷和生产成本性能指标,建立多目标柔性作业车间调度模型。针对柔性作业车间调度问题的特点,设计一种扩展的基于工序的编码及其主动调度的解码机制,以及初始解产生机制和有效的交叉、变异操作;针对非支配排序遗传算法(Non-dominated sorting genetic algorithm II,NSGA-II)在非支配解排序和精英选择策略方面的不足,设计一种改进的非支配排序遗传算法,应用改进的算法求解柔性作业车间调度问题得到一组Pareto解集,并运用层次分析法选出最优妥协解。通过测试基准和模拟实际生产的实例,验证提出算法的可行性和有效性。     

基于NSGA-Ⅱ的复摆式破碎机多目标优化设计

为提高复摆式颚式破碎机工作能力,以破碎生产率和动颚行程特性值为优化目标,对颚式破碎机进行多目标优化设计。以PE250×400型颚式破碎机为优化对象,以各构件尺寸为优化设计变量,建立机构参数、腔形参数及工作参数等约束条件,构建多目标优化设计模型,利用带精英策略的非支配排序遗传算法(NSGA-II)处理多目标优化模型,得到帕累托(Pareto)最优解集。通过对比两目标的最优解分布,确定出待优化目标间的相互影响规律,并从最优解集中选择出合理参数作为最终设计结果。分析结果表明:文中提出的优化设计方法在获得更大生产率的同时,有效减小了动颚磨损,实现了颚式破碎机的多目标优化设计。     

基于多目标候鸟算法的车间布局研究

针对因车间布局不合理导致的设备之间物流混乱、效率低下等问题,通过优化数学模型及采用基于多目标的改进候鸟算法可有效地解决此问题.在经典候鸟算法的基础上,优化了编码解码过程,引入修复优化算子处理不可行解,同时改进了种群更新方式,增强了算法全局搜索以及局部搜索的能力,并将所有非支配解进行排序,以得到最优方案.试验结果表明,基...     

基于NSGA-Ⅱ的通用多级圆锥-圆柱齿轮减速器的多目标优化设计

研究了多级圆锥-圆柱齿轮减速器通用非线性多目标优化模型的建立方法,阐述了该类问题求解方法选用,结合NSGA-Ⅱ遗传算法获得了相应实例最优解,说明所提出模型和算法是有效的。