一种混合智能排样优化算法的应用研究

基于智能优化方法的混合机理,将并行进化机制引入遗传算法和粒子群算法,提出一种混合智能优化排样方法(HGPA)。该算法依据个体适应度值的大小和相似性对整个种群进行合理划分,在每次迭代中,个体适应度值较好的子种群利用遗传算法进化,个体适应度值较差的子种群则利用粒子群算法处理,实现优化方法的优势互补和信息增值。同时通过设置多样性度量标准来控制种群特征信息和搜索空间。在求解不规则件排样问题的算例表明:该算法可平衡控制个体种群进化中的局部寻优和全局搜索,为智能优化的混合机理研究提供了一个新的思路。     

基于混沌遗传算法的齿轮变速箱优化设计

针对变速箱结构复杂、优化设计参数较多的问题,在遗传算法基础上结合混沌优化理论,提出了混沌遗传优化算法。该方法利用混沌的映射技术的遍历性产生初始群体,在寻优过程中利用混沌的二次载波技术对种群个体进行微小的扰动,从而跳出局部极值达到全局寻优的目的。设计实例表明,该方法不但可提高求解精度,而且搜索过程高效可行,是求解复杂结构多参数优化设计的有效方法。     

[供应链调度]装卸一体化车辆路径问题的自适应并行遗传算法

为了同时实现总配送成本最低、车辆行驶距离最短、车辆数最小等目标,综合考虑车辆指派成本及运输路径成本,建立了装卸一体化车辆路径问题的混合整数规划模型。针对该问题搜索空间的离散性和求解算法的局部收敛性,提出了一种自适应并行遗传算法。算法以C-W节约法为基础,设计了三种基于双重需求的启发式种群初始化方法,缩小搜索空间并优化初始解;引入多样性种群和高质量种群的双种群并行策略,实现深度与广度的同步搜索;设计自适应交叉变异操作,改善高质量种群个体搜索停滞,并针对全局最优个体采用特殊变异的后优化操作以进一步提高全局优化性能。采用标准数据集作为算例进行寻优测试,验证了所提算法的可行性和有效性。     

装卸一体化车辆路径问题的自适应并行遗传算法

为了同时实现总配送成本最低、车辆行驶距离最短、车辆数最小等目标,综合考虑车辆指派成本及运输路径成本,建立了装卸一体化车辆路径问题的混合整数规划模型。针对该问题搜索空间的离散性和求解算法的局部收敛性,提出了一种自适应并行遗传算法。算法以C-W节约法为基础,设计了三种基于双重需求的启发式种群初始化方法,缩小搜索空间并优化初始解;引入多样性种群和高质量种群的双种群并行策略,实现深度与广度的同步搜索;设计自适应交叉变异操作,改善高质量种群个体搜索停滞,并针对全局最优个体采用特殊变异的后优化操作以进一步提高全局优化性能。采用标准数据集作为算例进行寻优测试,验证了所提算法的可行性和有效性。     

基于免疫遗传算法的不规则件排样优化问题求解

基于遗传算法难以保持群体的多样性及存在易早熟、效率低的缺陷,提出免疫遗传算法应用于不规则零件排样的优化方法。该算法在遗传算法的全局随机搜索基础上,借鉴了人工免疫系统中的免疫记忆和浓度机制。通过疫苗接种实现种群个体中基因位的局部调整优化,并将其优良个体保存于免疫记忆库中,提高了算法的搜索速度。同时浓度机制保证了遗传交叉和变异过程中生成下代种群个体的多样性,扩大了搜索空间,更利于最优解的获取。该方法在开发的不规则件排样系统中进行了实算求解,通过与标准遗传算法的实验结果比对,板材的利用效率得到显著提高。     

机构综合的牛顿优化迭代混沌方法研究

将基于混沌的牛顿优化迭代方法与机构学综合理论相结合,把机构学综合的非线性方程组转化为优化问题,然后构造排斥二周期点方程,通过逆像迭代求得排斥二周期点ZJ,利用点集ZJ出现的混沌分形特性求出机构综合的全部解。以平面铰链四杆机构的函数综合为例,研究了平面连杆机构的综合问题,得到了能实现给定运动条件的多个机构方案,使机构运动综合的多方案优选成为可能。本文的工作为平面及空间机构的综合与近似综合研究开辟了新途径。     

基于混沌混合算法的装配序列规划

针对遗传算法在求解装配序列规划问题中速度慢、产生重复解等问题,提出一种将蚂蚁算法、混沌算法和遗传算法结合,加入动态更新种群数目这一策略的新方法。利用拆卸干涉矩阵获取零件之间的信息,建立评优指标的信息矩阵。算法前期采用蚂蚁算法进行局部搜索,后期运用混沌—遗传算法进行全局搜索。在全局搜索中,采用Logistic映射生成子代装配序列以避免产生重复解,并设置一定的比例筛选搜索结果,动态更新种群数目。为进一步提高序列优劣的区分度,将装配工具的运用次数与装配方向的改变次数合并为连贯性,同时引入辅助工具这一指标。以齿轮油泵为例,将所提算法与蚂蚁算法、遗传算法和混合算法进行比较,从适应度值、运行时间和收敛速度方面进行分析,验证了该算法的有效性。     

基于混合遗传算法的工艺路线优化配置

针对 FMS工艺路线优化配置问题提出一种混合遗传算法。该算法在遗传算法中引入了具有启发式规则的余量随机分配算子 ,可以将超过约束条件的余量随机分配到个体中去 ,通过按照一定规则的调整而将不可行个体引入可行域。一方面实现了利用遗传算法求解工艺路线的约束优化问题 ,保持了遗传算法的全局寻优特点 ,另一方面加强了遗传算法的局部搜索能力 ,提高了运行效率。算例证明该算法的求解效果好于目前该领域常用的启发式算法。     

改进的遗传算法在机加车间排产优化的研究

机加车间排产优化是降低生产成本,提高加工效率,增强企业市场竞争力的重要措施,遗传算法作为一种高效的优化算法在求解排产问题中得到广泛应用。以加工时间最短为目标,对机加车间工件加工问题建立数学模型。针对标准遗传算法(SGA)求解存在的早熟收敛、求解精度低等问题,提出一种改进的遗传算法。为获得更好的基因结构,以个体适应度值为参照自动调节交叉概率和变异概率。为避免无效解,根据加工任务高度值划分基因段来改善交叉操作。为增强算法的全局搜索能力,引入混沌理论优化变异算子。仿真结果表明改进的遗传算法较SGA有更好的收敛性和全局搜索能力,对机加车间排产优化效果明显。     

工程约束优化的自适应罚函数混合离散差分进化算法

将离散约束优化问题转化为非负整数约束规划问题,开发求解该问题的离散差分进化算法。该算法采用基于混沌映射的种群初始化、双版本变异和带随机扰动项的取整运算等新策略。针对非线性约束条件,给出惩罚基数的计算方法和连续映射基函数的表达式,在此基础上设计处理非线性约束的自适应惩罚因子。提出一种刻画种群多样性的新测度——种群二次平均基因距离及基于新测度的依概率混沌移民算子。将自适应罚函数法、依概率混沌移民操作与离散差分进化算法有机融合,构造面向工程约束优化的混合离散差分进化算法。对3个离散约束优化实例进行验证,结果表明,混合算法具有良好的鲁棒性且优于离散粒子群算法。应用混合算法求解斜齿圆柱齿轮传动优化设计问题,结果优于遗传算法及其改进算法、离散粒子群算法,目标函数值较遗传算法及其改进算法分别下降41%和10%。     

求解车间调度问题的一种新遗传退火混合策略

综合了遗传算法和模拟退火算法的优点,提出了一种新的遗传退火混合优化策略。该算法引入模拟退火算法作为遗传算法种群的变异算子,增强和补充了遗传算法的进化能力,同时将机器学习原理引入混合算法中,增加了种群的平均适值,有效地避免了最优解的丢失,加快了进化速度,使系统能够在很短的时间内得到最优解。针对车间调度的典型问题进行了仿真,结果证明了新算法的有效性。     

基于遗传算法和虚拟现实的施工设备布置系统

为辅助设计人员解决施工设备布置问题,基于遗传算法、虚拟现实技术和三维模型处理技术,提出了类交互式遗传算法。该算法首先执行计算机自动迭代完成的自然阶段,在满足人工参与条件后进入虚拟现实环境,进行人工评价和人工指导变异。通过对比分析表明,该算法能在明显减少用户参与次数的前提下,取得优于交互式遗传算法的解。基于该算法,实现了施工设备布置系统原型,并设计了基于不同技术的不同模块间的数据交互机制。实际应用验证了系统的有效性。     

基于可行域遗传算法的装配作业调度

为了对装配环境下的车间作业进行调度,提出了一种基于可行域搜索的遗传算法。为保证算法在进化过程中染色体始终保持合法性和可行性,在种群的初始化、交叉和变异等阶段,分别设计实现了首代修复算子、可行域交叉算子和可行域变异算子。可行域交叉算子和可行域变异算子的设计组合实现了算法的可行域搜索,减小了搜索空间,省去了复杂的解码修复操作,提高了求解效率,为解决复杂的装配车间调度问题提供了有价值的参考。通过与简单规则、禁忌搜索、普通遗传算法实验结果的比较,验证了所提算法的合理性和优越性。     

基于启发式DCPM-FGA的产品装配序列规划

为有效获得优化的装配序列,提出了一种将比较比例方法与模糊遗传算法相结合,并加入启发式搜索策略的新方法。采用连接矩阵和干涉矩阵描述装配模型,并在此基础上通过计算得到装配序列的启发式信息。根据启发式信息设计了具有启发性的种群初始化算子、交叉变异算子、可行序列调整算子,以帮助比较比例方法和模糊遗传算法避开无效序列。通过实例分析表明了所提方法的高效性。     

面向多尺寸链的计算机辅助选择装配模型研究

针对现有计算机辅助选择装配的研究仅限于单一尺寸链,且质量损失模型只能用于对称公差带这一问题,提出一种新的面向多尺寸链计算机辅助选择装配的模型。该模型基于田口理论,建立了面向非对称公差带的质量损失评价规则。以遗传算法为基础,设计了可保持种群多样性的快速多目标优化算法,并通过加权巴莱托方法来描述偏好信息。将该模型应用于企业信息系统,并采用统计方法来验证其优化效率。计算实例表明,在相对短的时间内,随着迭代次数的增加,每代的非受控点逐渐收敛于巴莱托前沿,而且解的分布较为均匀,符合一个多目标优化算法的核心要求。     

免疫遗传算法及其在多目标优化设计中的应用

免疫算法是一种基于自然界生物体免疫系统的优化算法，是目前机械多目标优化设计中的一个新的研究方向。免疫遗传算法（IGA）是在免疫算法（IA）的抗体多样性维持机制中引入遗传算法（GA），使其性能比标准免疫算法更进了一步。通过测试函数证明了免疫遗传算法既保留了免疫算法的优点，又提高了免疫算法中抗体的多样性和收敛速度。结合压铸机合模机构的优化设计，表明此算法可有效解决工程问题的优化。     

混合遗传算法对BP神经网络算法的改进

介绍了用混合遗传算法对基本的BP神经网络算法进行改进的理论和实验，在混合遗传算法中使用了跨世代精英选择、退火算子以及自适应交叉和变异方法，取得了较好的效果。     

基于最小完工期的离散型作业车间调度问题的遗传算法设计

针对离散型生产作业中的车间调度问题,以完工期最小为目标,设计了遗传算法,并利用PB语言编程实现该算法.最后,将该算法应用于某一钢铁公司金工车间的车间调度,并与原调度的结果做了比较,证明了本算法在实际应用中的有效性.     

基于最小完工期的离散型作业车间调度问题的遗传算法设计

针对离散型生产作业中的车间调度问题,以完工期最小为目标,设计了遗传算法,并利用PB语言编程实现该算法.最后,将该算法应用于某一钢铁公司金工车间的车间调度,并与原调度的结果做了比较,证明了本算法在实际应用中的有效性.     

改进的遗传算法在实时图像分割中的应用

为了自动确定图像分割的最佳阈值,提出了一种改进的自适应遗传算法,并利用该算法对二维Fisher准则图像分割评价函数进行全局优化提高分割阈值的求解速度,快速得到最佳分割阈值。该算法能够根据个体适应度大小和群体的分散程度自动调整遗传控制参数,从而能够在保持群体多样性的同时加快收敛速度,克服了基本遗传算法的收敛性差、易早熟问题。采用TI公司的DSP芯片TMS320VC5416,结合FPGA,搭建了多目标实时测量平台,并利用本文算法对图像阈值快速求解,实现了多目标的实时测量计算。实验结果表明,该算法具有良好的收敛速度和稳定性,阈值计算时间比二维Fisher准则法缩短了18ms(约63%左右);阈值范围稳定在3个像素以内,能够满足实时多目标测量要求。