混合粒子群算法在混流装配线优化调度中的应用

应用粒子群算法求解混流装配线的优化调度问题,给出粒子的构造方法,并针对算法中存在过早收敛的问题,提出了一种与局部优化和粒子微变异方法相结合的混合粒子群算法.给出了一个实例,实例应用粒子群算法和混合粒子群算法分别进行求解,与其他一些方法比较表明,混合粒子群算法可以有效、快速地求得混流装配线优化调度问题的解.     

免疫粒子群算法在混流装配线排序中的应用

混流装配线上的产品投产排序是影响装配线生产效率的重要因素.建立以最小化装配线总闲置—超载成本为优化目标的装配线排序模型,采用粒子群算法来解决混流装配线的投产排序问题.考虑到基本粒子群算法易陷入局部最优解的问题,引入免疫算法思想对其进行改进,根据抗体亲和性与浓度值的计算,及时进行粒子的替换以维持种群的多样性,防止粒子过早...     

面向产品族的混流装配线平衡研究

基于产品族的模块化与通用性,研究了面向产品族装配的混流线平衡问题.基于对一族产品装配过程的聚类分析,提出了面向产品族的混流装配线的平衡设计方法和模型,可以为大规模定制企业实现面向产品族的混流装配提供参考,并用案例说明本文方法的应用.     

考虑转换约束的汽车混流装配线投产排序研究

讨论了有生产线线边替补人员协助完成超载工作量的情况下,汽车混流装配线投产排序的问题,并且考虑工作人员行走占用的时间。通过对某整车厂进行实地调研,将汽车装配生产中的优化问题从以往文献中只考虑的总装车间向前延伸到涂装车间,给出连续喷涂某种颜色的车辆数的上界s。在此基础上,并考虑总装线线边物料消耗速率波动均衡和子装配工负荷均衡的约束条件,建立涂装切换成本和总装车间人工成本最小化的数学模型。最后,用CPLEX对模型进行优化求解,并分析得出生产节拍和工作站长度等参数与总成本之间的变化关系。     

时效性商品最优定价模型及其粒子群优化解

对时效性商品的定价问题进行了研究.基于一种负二项分布的离散需求函数,并在利润最大化原则下,建立了时效商品最优定价模型.由于该模型涉及多个随机变量的概率分布,常规函数极值算法难以获得问题解析解,引入粒子群优化算法,对模型进行演化求解,并给出算例分析.结果表明:利用粒子群算法,可以快速有效得到不同库存量情况下应采取的最优定价.最后提出需要进一步解决的若干问题.     

基于混沌粒子群的资源受限项目调度问题

鉴于基本粒子群算法易陷入局部最优,提出一种将混沌算法嵌入基本粒子群的混沌粒子群算法,并将其用于求解典型的资源受限项目调度问题。采用基于优先值的粒子编码方式和串行调度方案,分别用基本粒子群算法和混沌粒子群算法对实例求解。并且比较了2种算法求解多资源受限项目调度问题的性能。结果表明:混沌粒子群算法在距最优值的平均偏差和达到最优值的次数百分比等性能上要优于基本的粒子群算法,并且混沌粒子群具有更好的收敛性。但是,混沌粒子群算法在计算达到最优工期的平均时间上略比基本粒子群算法逊色。     

基于聚类的粒子群优化算法在MES调度中的应用

针对传统调度算法寻优效率低的弱点,从MES功能出发,将其调度功能单独抽出,提出了基于聚类的粒子群优化算法,将聚类用于粒子群搜索空间的改进。仿真结果表明了该算法的有效性。     

基于遗传粒子群混合算法的多生产线协调调度

为了求解多目标多生产线调度问题,结合PSO和GA算法的特点,提出了基于协同进化思想的多种群PSOGA混合优化算法(简称MC-HPSOGA).以最小化最大完工时间、最大化生产线利用率和最大化客户满意度为目标函数,建立了多生产线作业协调调度问题的多目标批量调度数学模型,并且设计最小批量动态分批策略,将MC-HPSOGA算法...     

基于改进粒子群算法的电梯优化调度研究

针对上班高峰期多台电梯调度的问题,建立了反映整个电梯服务系统特征的数学模型,以达到最小化乘客的平均等待时间即候梯时间为调度目标,在此基础上,利用改进粒子群算法对电梯相应的服务楼层分区方案进行迭代寻优,同时满足最小化电梯平均运行时间和载客人数的要求,使所有电梯发挥其最高效的作用.在模型的求解过程中采用非线性方程的数值解法进行求解,并通过Matlab编程最终得到电梯相应服务楼层的优化调度方案.这两者的结合在仿真中取得了有效的成果,证明了这一调度方法的实用性和有效性.     

自动化生产单元调度的混沌粒子群算法

在求解一类带时间窗口的自动化生产单元调度问题时,基本粒子群算法易陷入局部极值点且收敛缓慢.针对这一问题,将混沌搜索技术引入至基本粒子群算法中,利用混沌运动搜索精度高、遍历性好的特点来改善基本粒子群算法易陷入局部极值点和收敛缓慢的缺点,从而提高粒子群算法的收敛速度和优化质量.首先给出了带时间窗口的自动化生产单元调度问题的混合整数规划模型,着重讨论了混沌粒子群调度算法的设计,包括编码方式、混沌初始化、混沌扰动和适应度函数计算等.对提出的算法进行了仿真验证,仿真结果表明在求解此类调度问题上,混沌粒子群算法比基本粒子群算法具有明显的优势.     

微粒群优化算法在流水线干扰管理调度中的应用

微粒群优化算法(Particle Swarm Optimization,PSO)是起源于鸟群和鱼群群体运动行为的研究,是在蚁群算法提出之后的又一种新的进化计算技术,具有典型的群体智能特性。本文构建了干扰为工件到达的流水车间调度干扰管理模型,其经典目标函数为最大完工时间和干扰目标函数为干扰时间差相混合。本文运用微粒群优化算法求解流水线干扰管理调度问题,给出了计算实例并进行了详细分析,并对干扰管理问题和重调度问题进行了测试分析,得出了有参考意义的结果。     

基于混沌差分进化粒子群算法的模糊资源受限项目调度问题

本文研究了工期模糊情况下的资源受限项目调度问题,采用一种基于区间数距离的模糊取最大运算比较模糊工期的大小,解决了以往研究中忽略的工期模糊情况下,项目关键路径可能会发生改变,相应地各活动的模糊调度时间以及项目的模糊最短工期也可能随之发生改变的问题。引入一种基于混沌和差分进化的混合粒子群优化算法,并对算法的惯性权重进行改进来求解上述问题。通过一个算例验证了所建立模型及提出方法的有效性。     

基于粒子群算法的半导体制造设备预维修调度

对半导体制造设备的预维修调度问题进行了研究,建立了半导体制造设备预维修调度的数学模型,分别提出了用于求解该问题的启发式方法和粒子群算法方案,阐明了两种算法方案的具体实现过程。通过对仿真实例进行计算和结果比较,表明了粒子群算法优于启发式方法,取得了不错的优化效果。     

基于微粒群算法的系统可靠性优化

微粒群算法是近来发展起来的一种新的优化计算方法,在简要说明微粒群算法的基础上,将该算法用于系统可靠性优化计算,分别对串联系统的可靠性分配、桥联系统的冗余可靠性优化设计问题进行分析计算,探讨了微粒群算法在系统的可靠性优化计算中应用的可行性,计算机仿真结果表明了微粒群算法求解该问题的可靠性和有效性。     

粒子群优化算法综述

粒子群优化（PSO）算法是一种新兴的优化技术,其思想来源于人工生命和演化计算理论。PSO通过粒子追随自己找到的最好解和整个群的最好解来完成优化。该算法简单易实现,可调参数少,已得到广泛研究和应用。详细介绍了PSO的基本原理、各种改进技术及其应用等,并对其未来的研究提出了一些建议。