基于Pareto蚁群算法的拆卸线平衡多目标优化

为提高产晶拆卸效率,针对拆卸线平衡问题建立了数学模型.该模型以最小拆卸线闲置率、负荷均衡和最小拆卸成本为优化目标.结合拆卸线平衡问题的具体特点,提出了一种改进的基于Pareto解集的多目标蚁群优化算法.算法采用小生境技术,引导蚂蚁搜索到分布良好的Pareto最优解集,并以被支配度和分散度为个体评价规则.实验测试结果表明了该算法的可行性.最后,结合企业生产实际,给出了所提模型与算法的具体应用.     

多目标的拆卸线平衡问题优化研究

拆卸是废旧产品回收利用的重要途径,根据产品拆卸线的特点,构建拆卸线平衡问题的多目标关系。针对求解拆卸线平衡问题所遇到的求解结果单一、无法满足平衡诸多目标等问题,以均衡工作站负载且引入操作安全性、任务拆卸方向和任务需求为优化目标建立数学模型,在此基础上,提出一种基于遗传改进的多目标灰狼算法进行求解计算。基于废旧电冰箱拆卸案例对比验证算法的效果与性能,并将其应用于再制造企业某废旧电视机拆卸实例中。以Plant Simulation 15.0仿真软件为平台,运用仿真技术对所得理论方案分析与优化,通过在重要工位上建立缓冲区来解决实际拆卸过程中所存在的工位堵塞问题。结果表明该算法的收敛性较好,所获得非支配解集更逼近Pareto最优前沿,得出多个合理拆卸方案,为决策者选择拆卸方案提供了依据,且改善后的工位产能也提升了3.23%。     

考虑人因的多目标拆卸线平衡问题及改进风驱动算法求解

考虑实际中拆卸生产线长期依赖人工操作的情况,以工作站数目、空闲时间均衡指标、拆卸成本和站姿操作工位数为目标函数,构建了考虑人因的多目标数学模型,并运用改进风驱动算法求解。通过离散风驱动算法建立拆卸任务与空气质点驱动的对应关系,采用变邻域搜索扩大空气质点的搜索空间;为保证求解结果的多样性,引入Pareto解集和拥挤距离机制筛选多目标解,并用不同规模算例对所提算法进行测试,通过与其他算法进行对比验证了算法的可行性和有效性;将该算法运用到考虑人因的打印机拆卸线平衡问题中,验证了考虑人因的拆卸方案更具合理性和优越性。     

空间约束下多目标拆卸线平衡问题的改进狼群算法

考虑实际拆卸过程中的工作站空间面积约束,以最小化工作站数目、空闲时间均衡指标、拆卸成本及工作站实际使用面积极差值为优化目标,建立空间约束下的多目标优化数学模型,提出一种离散多目标改进狼群算法求解.通过对游走行为、召唤行为和围攻行为进行离散化,引入Pareto解集思想及NSGA-Ⅱ拥挤距离机制,获得多个高质量、多方面综合的较优解.通过对不同规模基准算例的求解,对比说明所提算法的有效性和优越性.最后,将该算法用于求解考虑空间约束的某打印机拆卸实例中,得到10组可行的任务分配方案,表明考虑空间约束的模型和所提算法的可行性.     

多目标拆卸线平衡问题的Pareto人工鱼群算法

针对拆卸线平衡问题的复杂性,提出了一种改进的基于Pareto解集的多目标人工鱼群算法进行求解。为提高人工鱼觅食时的寻优能力,引入遗传算法的随机交叉操作,指导人工鱼向全局最优拆卸方向觅食。通过拥挤距离不断筛选人工鱼觅食、聚群和追尾过程中的非劣解,实现了各行为结果的多样性。采用精英保留策略,将外部档案中的非劣解添加到算法下次迭代的种群中,加快了算法的收敛。通过对不同规模的拆卸实例进行求解,并将其与已有算法进行对比,验证了所提算法的有效性和优越性。     

多目标斗链式混流拆卸线平衡的Pareto花朵授粉算法

针对传统作业方式难以实现拆卸线平衡的特征,将具有自平衡性的斗链生产组织方式引入拆卸线中,并结合拆卸产品多样性的特性,构建了优化作业区间负荷均衡指标、需求指标和危害指标的多目标斗链式混流拆卸线平衡模型,提出了一种离散Pareto花朵授粉算法对问题进行求解。为提高初始解的质量,设计了结合问题特征的3种启发式方法。构造了离散异花授粉行为和离散自花授粉行为,确保了解的可行性和高效性,并将离散算法与多目标优化策略相结合,提升了算法的适用性。所提算法求得了25项任务算例的含36个非劣解的已知最优解,扩大了52项任务算例的Pareto前沿边界,并通过对比验证了所提算法求解部分拆卸线算例的优越性。最后,将所提模型和算法应用于混流电视机拆卸线中,得到多种平衡方案,分析结果表明斗链生产组织方式及所提方法能有效达成混流拆卸线平衡。     

资源约束下拆卸线平衡问题的建模与改进混合蛙跳算法

针对实际拆卸线中涉及的资源约束和危害零件问题,以资源总数、工作站数和危害指数为目标函数,构建了多目标资源约束拆卸线平衡问题数学模型。基于AND/OR关系,在优先关系矩阵中添加OR关系的描述,解决了产生初始解仅考虑AND关系的不足问题。提出了一种融入Pareto思想的改进混合蛙跳算法  ,该算法采用基于满意度的改进排序分组策略来解决多目标优化种群分组问题;提出了一种新的交叉变异方式进行局部搜索以提高收敛性能;利用拥挤距离机制评价非劣解集以及有效地维护外部档案容量。采用田口实验和统计分析方法确定了算法最佳参数组合,将改进前后的混合蛙跳算法及NSGA-Ⅱ对测试算例的求解结果进行了多指标对比分析,研究结果表明：改进混合蛙跳算法具有良好的综合求解优势。最后,将所提算法应用到某电冰箱的资源约束拆卸线平衡问题中,为决策者提供了较优的拆卸方案。     

基于蚁群算法的产品拆卸序列规划研究

为了能以较高的效率求解出产品拆卸序列的方案,首先阐述了拆卸可行性信息图的概念,将产品的拆卸序列规划问题转述成对该加权有向图中具备最优值的路径搜索和寻优问题。提出了一种蚁群优化算法,并结合对产品元件的拆卸路径求解工具,以实现对产品拆卸可行性信息图的构建和对拆卸方案的搜索和寻优。蚂蚁的一条遍历路径代表了一个描述产品元件拆卸的方案;蚂蚁已经遍历过的路径上代表可行操作的节点数决定了其留下的信息素。启发式信息的求解分为两个部分,包括了确定启发式向量和求出启发式信息值,它们分别表征了方案的可行性及其优异程度。最后,通过一个实例,验证了这一方法的可行性及其计算效率。     

基于Pareto解集蚁群算法的拆卸序列规划

为提高产品拆卸序列规划的效率,分析拆卸序列规划问题中的多个优化目标平衡问题,提出一种基于Pareto解集的多目标蚁群优化算法求解此类拆卸规划问题,并给出拆卸序列的构建过程。通过利用拆卸矩阵推导拆卸可行条件,获得可以执行拆卸操作的零件及其可行的拆卸方向。通过利用零件的轴向包围盒(Axis aligned bounding boxes,AABB)计算零件的拆卸行程。考虑拆卸方向改变次数、拆卸总行程、拆卸零件数量为优化目标,通过利用蚁群算法搜索可行解并计算各个解之间的支配关系,得到Pareto解集,实现求解优化的拆卸序列,给出算法的具体步骤。最后以单杠发动机为拆卸实例,利用所提方法进行拆卸序列规划求解,通过分析试验结果,并对比典型的单目标蚁群规划算法,证明了该方法的高效性和可行性。     

不确定工人体能消耗的多目标U型拆卸线平衡问题

鉴于工人的体能消耗不但影响拆卸线生产效率,而且因其自身状态、熟练程度和操作习惯等存在不确定性,基于三角模糊数首次提出不确定工人体能消耗的U型拆卸线平衡问题,并建立以最小化工作站数量、空闲时间均衡指标和工人体能消耗指标为优化目标的数学模型。提出一种改进磷虾算法,结合模型问题特征设计磷虾附近个体感应、磷虾觅食和磷虾扩散3个操作,并设计了一种反向学习机制以增强算法的全局搜索能力。运用Pareto思想和拥挤距离机制筛选获得多个非劣解。通过求解19个基准算例并与现有文献的求解结果对比,验证了所提算法的优越性。最后,将所建模型和所提算法应用于拆卸电脑显示器的实际案例,通过对比验证了模型的实用性和改进磷虾的优越性。     

基于多目标算法与动态仿真的带调整时间的拆卸线平衡优化方法

针对拆卸方向改变对作业时间的影响,以最小化拆卸成本、无效作业率和不平滑率为优化目标,构建了考虑调整时间的多目标拆卸线平衡问题模型,并提出了一种Pareto免疫遗传算法与仿真技术相结合的求解方法。算法融合了遗传算子和免疫算子,能有效避免解出现退化和陷入局部最优。通过求解25项拆卸任务算例,并与现有5种算法进行对比,验证了所提算法的有效性。进而将所提模型和算法应用于某打印机拆卸线实例,进一步考虑拆卸时间不确定、存在故障等实际情况,运用仿真技术分析与优化,结果表明所提方法能有效降低等待和堵塞造成的无效作业时间,提高拆卸效率。     

双边拆卸线平衡问题建模与优化

针对实际作业中部分产品采用双边拆卸,但已有拆卸线平衡问题研究中工作站均为单边布局的不足,建立了多目标双边拆卸线平衡问题模型。解码时,将任务优先分配至工作站较少的边、次优先分配至剩余时间较多的工作站,以缩短输送路径和工作站空闲时间。针对所建立模型,提出一种Pareto蝙蝠算法,引入Pareto思想以保证解的多样性;采用精英策略有效加速算法的收敛;通过拥挤距离筛选外部档案以提高算法运行效率。通过求解经典算例并对比分析,验证了所提出算法的有效性。将所建模型应用于拆卸线设计,能为决策者提供多种高质量的平衡方案。     

基于自适应蚁群算法的装配线平衡问题研究

提出了一种自适应蚁群算法,用以求解装配线平衡问题。在该算法中,针对装配线平衡问题的具体特点,设计了一种蚂蚁分配方案可行解的构造策略,提出了一种比传统方法区分度更高的评价解质量的目标函数,同时为了克服蚁群算法易陷入局部最优和收敛速度慢等缺陷,通过自适应地调整算法的挥发度等系数,在保证收敛速度的条件下提高了解的全局性。最后,通过实例验证,证明了算法的可行性和有效性。     

混合品种装配线平衡问题的一种混合搜索机制的蚁群算法

为有效求解混合品种装配线平衡问题,通过组合不同品种的优先顺序图,将混合品种装配线转化为单一品种的装配线形式.提出了一种带信息素总合规则的混合搜索机制的蚁群算法,通过在任务和任务分配序列的位置之间释放信息素、采用信息素总合规则以进行更有效的信息素累积,构造了综合考虑利用、探索和随机搜索的混合搜索机制,考虑了局部信息素更新和全局信息素更新.为提高搜索效率,以协同考虑装配任务作业时间和后续任务数的分级位置权重作为蚁群算法的启发式信息.最后通过实例验证,说明了算法的有效性.     

基于强化学习的群体进化算法求解双边多目标同步并行拆解线平衡问题

双碳背景下,工业制造领域朝着绿色、节能的方向转型,对废旧产品进行回收拆解以及再制造有利于推动高质量发展。论文针对大型复杂产品拆解过程中难以改变拆卸方向的问题,并综合考虑实际拆卸过程中任务之间存在的多种约束类型,研究了同步并行模式下的双边拆解线平衡问题(two-sided disassembly line balancing problem, TDLBP)。首先引入双边布局的拆解线模式,定义了与优先和或优先关系,建立了TDLBP的数学模型以优化产线布置、经济效益和安全环保三个方面共六个指标。然后提出了一种基于强化学习的群体进化算法,采用Q-learing利用所学知识选择迭代中的最佳算子,通过拥挤距离筛选Pareto解集,利用精英保留策略加速算法收敛,进而高效获取近似最优的拆解方案。最后通过求解小规模算例并对比分析,验证了所提出算法的有效性和优越性,并进行大规模案例的应用。     

基于混合粒子群算法求解装配线第二类平衡问题

阐述了装配线平衡问题类型及其平衡求解的相关算法,给出了装配线第二类平衡问题的数学描述。在分析用标准粒子群优化算法求解装配线第二类平衡问题的缺陷基础上,利用粒子群优化算法所具有的全局搜索能力和高搜索效率以及模拟退火算法所具有的局部搜索能力,提出了采用粒子群和模拟退火的混合算法求解第二类平衡问题的方法,并给出了求解流程。应用实例证明,用混合粒子群优化算法比标准粒子群优化算法求解第二类平衡问题能获得更优的结果。     

随机混流装配线平衡问题的一种混合粒子群算法

随机混合装配线平衡问题较简单装配线平衡问题更符合生产实际,为有效求解随机混合装配线平衡问题,考虑各任务操作时间的随机性,建立了随机混合装配线平衡问题的数学模型。结合混合随机装配线的具体特点,提出了一种基于优先权的粒子群算法,并针对标准粒子群算法求解装配线平衡问题易陷入"早熟"现象等不足,利用模拟退火算法的概率突跳性,提出了一种基于模拟退火抽样机制的混合粒子群算法,通过改变预设超限概率,实现对目标问题的求解。最后经大量实例验证,说明了算法的有效性。     

[退役产品拆卸和回收利用]面向再制造的拆卸线平衡问题建模理论及求解方法综述

对国内外拆卸线平衡问题的研究成果进行了总结和梳理。对该问题进行了描述并介绍了2种关于拆卸的可视化表示方式和经典的数学模型;梳理了文献中的求解方法并分为精确方法、启发式方法、元启发式方法三大类;重点总结和分析了拆卸线平衡问题相关的8种扩展模型和理论;对未来的研究方向进行探讨和展望,为下一步研究提出了建议。