基于混合算法的典型调度问题求解研究

文章介绍了粒子群优化的搜索策略与基本算法,然后通过相关的位置和速度定义,构造一种特殊的粒子群优化算法,并将该算法与遗传算法结合,提出用于求解典型调度问题的混合算法.实验表明了该混合算法在求解调度问题的可行性及其优越性.     

基于混合算法的项目型产品装配作业调度研究

针对项目型产品装配作业计划的排序和工人资源的配置问题,以最小项目总工期为优化目标,建立了项目型产品装配作业调度的数学模型,并提出了一种基于离散粒子群和禁忌搜索的混合算法。该算法分为两阶段,离散粒子群进行全局搜索,禁忌搜索用于完善局部搜索能力。将文章提出的算法与文献中已有的粒子群算法、禁忌搜索算法、遗传算法进行了比较,结果表明文中算法得到的解要显著优于文献中已有算法。     

一种求解柔性作业车间调度问题的混合智能算法

提出了一种将蚁群算法、遗传算法和粒子群算法优化融合的混合智能算法,并将其应用于解决多目标柔性作业车间调度问题.采用蚁群算法寻径生成初始群体,利用遗传算法进行调度路径的优化,利用粒子群算法对蚁群算法中的信息素进行优化,优势互补.最后通过仿真实例验证了该算法的可行性和有效性.     

基于混合算法的七轴机器人逆解求解

为了解决七轴机器人逆运动学求解较难、精度较低的问题,提出一种基于数值迭代法与粒子群优化算法相结合的方法求解.对机器手模型及逆运动学位姿函数进行了研究,利用数值迭代法进行机器手逆解的初步最优角度解,在此基础上缩小搜索范围利用粒子群算法进行二次优化搜索计算,减小数值迭代过程中产生的累积误差,仿真结果表明机器手的位姿精度大大...     

基于混合粒子群算法的铅锌烧结过程产量质量优化

建立铅锌烧结过程的产量质量预测模型及其数学优化模型,利用混合粒子群优化算法对其进行优化。将质量约束的产量优化问题转换为两个目标函数的优化问题,即产量目标函数和违反质量约束条件的程度函数。采用联赛选择算子比较粒子群算法所搜索到的解。当粒子群算法收敛停滞时,沿着当代全局最优解和前一个不同的全局最优解矢量之差的方向进行线性搜索,将搜索到的更优解作为粒子群的当代全局最优解,从而保持粒子群算法的活性。针对工况波动,利用专家规则修正优化参数。实际运行结果表明,该优化方法能在保证质量的情况下在一定程度上提高产量。     

考虑作息时间的流水车间调度模型与算法

针对实际车间调度问题中由于作息时间而导致机器不可用的问题,建立了以最小化最大完工时间为优化目标的流水车间调度模型,并提出了一种改进的遗传算法.在调度模型中对机器可用时段进行约束来模拟考虑作息时间的开工与停工状态;在算法设计中通过结合禁忌搜索对基本遗传算法进行改进,提高了问题求解的质量.针对加工可恢复和不可恢复两种情况,...     

基于pareto方法的多目标柔性车间调度问题的研究

多目标柔性车间调度问题一直是一个学术的难题,关于并行机的问题更是很少讨论.建立了基于并行机的多目标柔性车间调度的数学模型,目标函数为最小化最大完工时间和加工成本.与以往智能优化算法不一样的是,提出了一种基于pareto的简单优化算法.该算法主要包括两个模块:加工顺序模块和机器选择模块,其中机器选择模块采用了基于pare-to优化算法.最后,数字实验表明了该算法的正确性和有效性.     

基于改进遗传算法的可重构制造系统快速配置

针对可重构制造系统的快速配置提出了一种多目标优化方法,考虑3个优化目标：设备负载均衡度、产品生产时间以及产品生产成本。在第三代多目标遗传算法(NSGA-Ⅲ)的基础上结合邻域搜索构建了多目标遗传-邻域搜索算法(NSGA-NS),以从配置解空间中寻找一系列前沿解。通过一个液压阀阀块的制造系统配置案例对算法进行验证,并与归档式多目标模拟退火算法、多目标粒子群算法以及一种改进的多目标粒子群算法进行了比较,结果表明,NSGA-NS与NSGA-Ⅲ在前沿解质量上显著优于其他算法,NSGA-NS在保持了NSGA-Ⅲ的全局寻优性能的同时显著提高了收敛速度和计算速度。     

熵增强的混沌粒子群算法在车间调度中的应用

粒子群算法具有早期收敛速度快,后期容易陷入早熟、局部最优等特点,为了使粒子群算法的择优能力大幅提升,论文首先选择运用混沌映射产生最初种群,然后借助粒子群算法针对种群展开优化,对个体及全局最优解加以混沌搜索,同时按照信息熵自适应调节惯性系数,设计出在大规模车间调度问题求解当中较为适用的熵增强的混沌粒子群算法。通过具有代表性的实际范例对该算法进行仿真研究,结果显示,在面对大规模的车间调度问题时采用该算法能够高效、快速获取相应答案,相较于以往老旧的算法,其优势极为显著。     

云制造模式下基于变邻域动态烟花算法的柔性车间调度

针对云制造模式下多目标柔性车间调度问题,考虑柔性车间零件加工的优化及云任务与自生产任务的协同调度,建立了以最大完工时间最小、机器利用率最大、碳排放量最小为最优指标的多目标柔性车间调度模型。在无需预先生成工件的加工路线的前提下,提出了一种基于变邻域搜索的动态烟花算法。通过变邻域搜索有效提高局部最优解的精度。引入进化速度的概念,利用进化速度计算算法迭代过程中需要更新的维度,实时调整相关参数,加速算法收敛,避免陷入局部最优。最后,通过对比仿真验证模型和算法的有效性和鲁棒性。     

多工位锻造工艺的多目标优化算法

针对多工位锻造过程中出现的充填效果不佳、折叠和载荷过大等问题,以凸轮零件为例,采用基于有限元模拟和近似模型的优化方法实现其工艺的多目标优化,并重点探讨直接搜索算法、粒子群算法、遗传算法等3种算法的优化效果。比较优化设计结果与初始设计结果,3种优化算法均较大程度地降低了成形载荷,改善了成形质量。其中遗传算法的总体优化效果最为显著,总体载荷从初始设计的534kN降低到391.9kN,降幅达到26.6%,3处难充填区域的充填效果得到很大程度的改善,达到了预期的优化效果。     

基于改进混合粒子群算法的机器人轨迹规划

针对机器人工作效率以及运行平稳性问题,提出一种基于改进混合粒子群算法的轨迹规划方法。建立新的模拟退火机制,并结合粒子群算法进行多目标优化;使用非线性惯性权重递减策略以及动态学习因子平衡局部和全局搜索能力。以某六自由度机器人(SFR-TA)为研究对象,使用5-7-5插值多项式构造轨迹曲线;利用权重系数法,将基于时间-脉动冲击的目标函数归一化处理以求得最优值。结果表明：相比于传统粒子群算法,该算法的运行时间更短,同时可有效减少机械臂脉动冲击,具有更好的稳定性。     

基于PSO-ACO融合算法的物流车辆路径优化与控制研究

传统蚁群算法在解决物流配送路径问题时容易出现“早熟”问题,使路径寻找速度和优化结果受到影响。为更合理进行车辆路径调度管理,提出一种粒子群-蚁群相融合的物流配送路径规划算法,该算法充分利用粒子群较强的全局搜索能力和搜索速度快的特点,将得到的次优解转化为蚁群算法中的初始信息素的增量,最后利用蚁群算法的正反馈机制求解问题的精确解。研究结果表明:与单一算法相比,融合算法能快速有效地确定物流配送路径,具有较快的寻优速度和收敛精度,更合理的控制物流配送成本。     

基于混合粒子群算法的圆柱型电磁铁优化设计

为了解决当电磁铁外型相同如何使电磁力最大的问题,将现有电磁铁设计思路应用到圆柱型电磁铁设计中,并采用改进的混合粒子群方法优化电磁铁内部结构参数。运用等效磁路法推导出电磁铁数学模型,并通过Maxwell有限元仿真对比验证准确性,然后采用单目标优化方法,得到影响电磁力的参数,最后采用改进的粒子群算法进行多目标优化,得到优化后的参数值。得到的几组优化数据表明：多目标优化方法得到的有效工作区域电磁力更大,仿真结果表明优化后的电磁力综合提高20%,证明优化方法有效。     

基于混沌粒子群算法的钛合金薄壁筋铣削变形优化

针对薄壁筋受铣削力影响易变形的问题,提出一种基于薄壳划分和周期性施加铣削负载的变形仿真方法,通过仿真和试验两方面对比研究,分析了薄壁筋的变形过程并得出其变形规律。为了解决标准粒子群算法在优化铣削参数时容易陷入局部最优解的问题,提出一种基于变异算子与自适应动态惯性权重的改进混沌粒子群算法,并以变形量为约束,铣削力最小为目标优化了铣削参数。结果表明:改进后的混沌粒子算法在全局搜索能力和计算速度方面相比粒子群算法显著提高,试验证明采用优化后的铣削参数组合可有效减小薄壁筋的变形。     

基于定向搜索的FMS调度优化算法

研究了以机床和运输系统中的小车作为主要调度资源的FMS调度问题,同时提出了一种基于启发式的定向搜索调度优化算法,为了更有效地搜索解空间,建立了启发式的过滤定向搜索策略。搜索策略要点是：对所有候选节点进行局部评价,从中选取若干个有希望的候选节点作为全局评价的节点,其它节点将被永久删除。本文提出的调度算法是一种具有潜力的优化算法。     

基于刀具寿命等级的铣削加工参数自适应调整优化方法

为了解决铣削加工过程中传统优化参数无法随着刀具寿命的变化动态调整，导致刀具性能无法充分利用的问题，对铣削参数自适应优化方法进行研究，提出一种基于优化灰狼算法的铣削参数动态多目标优化方法。通过BP神经网络构建铣削过程中铣削参数与优化目标之间的非线性映射关系；提出刀具寿命等级的概念，通过粒子群优化灰狼算法进行寿命等级内铣削参数自适应优化。试验结果表明：该方法能够在整个刀具寿命周期内根据刀具的寿命衰变程度提供时段内最优的铣削参数方案，在提高刀具使用价值的同时降低碳排放量。     

SVR-PSO算法在慢走丝线切割参数优化中的应用

针对慢走丝线切割加工中难以同时获得较快加工速度和较优表面质量的问题,从其加工参数与加工指标之间的高非线性关系入手,选取水压、脉冲时间、脉冲宽度、峰值电流和进给速率作为优化参数,以表面粗糙度(Ra)、材料去除率(MRR)作为优化指标,设计正交实验;创新运用支持向量机(SVR)结合粒子群算法(PSO)建立其多目标预测优化模型,得到最优加工参数。结果表明:所建立的多目标预测优化模型优化效果十分显著,相同Ra下MRR平均提高32%;相同MRR下Ra同比下降25%。