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。     

基于瓶颈工序的多资源多目标机械加工车间调度研究

为求解多资源约束的机械加工车间调度问题,建立了包括最大完工时间、平均流经时间、总拖期惩罚和生产成本在内的多目标优化模型,并结合免疫遗传算法和约束理论提出了一种基于瓶颈工序的机械加工车间调度算法。算法依据约束理论提出了一种基于工序的多参数级联编码方法和基于鼓-缓冲器-绳索(DBR)的四阶段解码方法,以及有效的交叉、变异操作。基于瓶颈工序的免疫操作及基于浓度的选择更新机制,保证了多目标优化问题的收敛性以及Pareto解集的多样性。仿真结果表明了该算法的可行性和有效性。     

基于遗传算法的多资源作业车间智能优化调度

提出一种基于遗传算法的调度算法，用于解决作业车间的加工受到机床、操作工人和机器人等多种生产资源制约条件下的优化调度。以生产周期为目标进行的优化调度，将遗传算法和分派规则相结合，通过交叉、交异等遗传操作，得到目标的最优或次优解。最后对算法进行了仿真研究，并给出了算法运行结果，仿真结果表明该算法是可行的。     

基于多目标遗传算法的炼焦生产过程优化控制

针对某钢铁企业实际炼焦生产过程的优化控制问题,提出一种多目标分层优化控制策略.首先采用主成分分析、灰色关联分析及改进前馈神经网络方法,建立综合生产目标与局部优化目标的关联模型,将综合生产目标映射为局部优化目标.然后建立以焦炭产量最大、焦炉能耗最小为优化目标,焦炭质量与工艺要求为约束条件,局部优化目标为决策变量的多目标优化模型.通过多目标遗传算法求解多目标优化问题,获得局部优化目标值.最后将局部优化目标作为各子过程控制系统的设定值及优化调度系统的决策参数,来动态调整过程操作参数,实现企业期望的综合生产目标.实际运行结果表明,提出的优化控制策略取得了较好的应用效果.     

钛合金车削过程中基于遗传算法的切削参数多目标优化

通过正交试验法对钛合金TC4进行了车削试验并对试验数据处理,得到切削温度、表面粗糙度关于切削三要素的多元线性回归方程。以切削速度、进给量和背吃刀量为优化变量,以最低切削温度、最好表面粗糙度、最大材料去除率为目标构建了切削参数的多目标优化模型。利用MATLAB中基于遗传算法的多目标优化函数对优化模型进行求解,得到优化问题的Pareto最优解并加以分析。     

结合性能评价的多目标经营过程资源配置优化

经营过程的质量,既取决于经营过程链的结构,又取决于资源和组织的配置。经营过程资源配置质量由基于相似度排序技术的平均的理想资源配置贴近度和基于信息熵的资源配置均衡性所组成。这种质量可理解成经营过程运作的事前预估质量。建立了时间、成本和质量的多目标经营过程资源配置优化模型,采用混合型非受支配排序遗传算法求解这类决策变量较多的多目标优化问题,大致给出了进化过程所产生的Pareto全集的聚类中心。以劳动力密集型的船舶并行建造为例,说明了经营资源配置质量的解析描述和混合型非受支配排序遗传算法,对于动态资源配置是有效的。     

多项目环境下经营过程配置优化

在多项目环境下，根据供应链节点经营性能的变化，迅速合理地配置企业内和企业外资源的能力，是企业敏捷性评价的一个重要指标。阐述了项目的定义，从一般意义上给出了项目计划的参考模型。在经营过程中，存在许多决策节点，给出了扩展的AON图，结构化描述带有决策节点的经营过程。建立了折衷考虑资源、时间和成本约束，以及决策节点的多项目环境下的经营过程配置优化解析模型。应用遗传算法处理随机资源分配，并通过有限次遗传操作逐步逼近全局最优解；应用栈技术和统一的时间窗处理多项目环境下资源冲突，以及经营过程中的决策节点，进行虚拟的活动安排，从而计算多个项目的完成时间和成本，最终使得配置优化和决策优化同步进行。本文提出的经营过程配置优化方法，可以扩展至围绕企业间共同项目和各自不同项目的分布式自主优化，给权益相关者带来价值增值。     

多工艺路线多资源多目标的作业调度优化

针对多工艺路线多加工资源多目标的作业调度问题,提出了一种启发式活动调度算法,将该方法与多目标遗传算法及模糊优选技术相结合,得到了一种新调度算法.基于工序的染色体编码方法和基于活动启发式算法的交叉算子的运用,有效地缩小了遗传算法的搜索空间.将随机产生的权系数与模糊优选技术相结合,有助于遗传算法搜索到多个优良的调度方案,这为决策者得到最满意的调度方案提供了保证.仿真结果表明该算法是可行的,与国外学者的同类研究相比,具有一定的优越性.     

基于离散粒子群算法的资源约束下多项目资源优化方法研究

面向制造企业多项目管理中的资源优化配置问题,以资源作为决策变量展开研究,以整体工期优化为目标建立了资源优化模型,设计了一种用于求解可更新资源约束的资源优化配置问题的离散粒子群算法.新算法重新定义了基本粒子群算法中的速度、位置公式,使其适宜求解资源优化调度类离散问题,加快收敛速度,获得整体最优配置方案.应用研究表明本算法...     

基于遗传算法的机床半主动隔振系统多目标优化

建立机床半主动隔振系统2自由度机床力学模型，以导轨中点加速度最小化为评价函数，并考虑若干约束条件，编制具有基因库和E算子的遗传算法软件包Ga205E，对机床隔振系统主动元件和被动元件的多个参数进行优化。优化结果表明：对于2自由度机床隔振系统多目标优化问题，用遗传算法求解是高效的，同时也是全局收敛的。     

行星齿轮减速器多目标优化设计

针对行星齿轮减速器优化设计的多参数、多目标、多约束的特点,建立了多目标优化数学模型,应用层次分析法计算各目标函数权重,通过采用遗传算法进行减速器参数多目标优化求解.实例计算表明.优化设计参数比原设计参数更加合理,说明遗传算法用于减速器优化设计是有效、可行的,对行星齿轮减速器的优化有一定的指导意义.     

基于遗传算法的发动机箱体工艺路线优化

针对发动机箱体,提出了基于遗传算法和约束矩阵的工艺路线优化方法。通过对箱体特征的定义和分类,确定了特征加工的优先关系,自动生成了工艺规划的约束矩阵。在计算机辅助工艺过程设计（CAPP）平台中,定义了缸孔、瓦孔和通水孔等关键部件的加工工艺。按照提出的工艺路线优化方法,进一步优化了发动机箱体的工艺路线。     

LNG加气站管路布局多目标优化研究

针对液化天然气(Liquefied natural gas,LNG)加气站管路具有常温安装,低温、内压、大范围温度波动下运行的特点,为降低管路建设与运行成本、提高安全性,提出了一种基于非支配解排序多目标遗传算法的LNG管路布局优化设计方法。该方法通过引入传递矩阵法建立简化模型,实现对管路受力变形情况的快速有效分析,进而可对管路进行综合评价。为了在符合工程规则的前提下完成最小化长度、弯头数、流阻损失以及受力变形的管路布局,基于遗传算法建立了LNG管道优化模型,使用多目标优化方法得出了在路径短、能耗低、安全性高等方面达到帕累托最优的布局方案。最后,在不同工况下对优化所得管路布局方案进行热-结构耦合分析,以确保其能够安全可靠运行,并验证该方法的正确性及有效性。     

基于遗传算法的零件多加工方案组合优化方法

对非线性工艺规划中零件加工方案决策问题进行探讨,提出了先将加工特征的多个加工方案合理组合成零件的多个加工方案,再对零件的各加工方案进行排序的分步决策思想。在分析零件特征典型加工方案及加工方案组合优化原则的基础上,建立了零件加工方案组合优化的数学模型,设计了相应的遗传操作算法,并用典型算例说明了算法的应用,计算结果与专家决策结果基本吻合。所建立的模型不涉及具体的加工特征和加工方法,具有通用性。     

基于多目标遗传算法的齿轮传动优化

针对某牵引机车齿轮常出现齿面胶合、点蚀等问题,采用遗传算法,以重合度,齿面接触应力和齿根弯曲应力为优化目标,对齿轮的啮合参数进行了优化。为节省计算成本,在齿轮参数化有限元模型仿真计算的基础上,建立了齿面接触应力和齿根弯曲应力的代理模型。结果表明:遗传算法在多维区域内能快速有效的搜索Pareto解集,实现多目标的优化。以优化的结果对齿轮进行重新设计后,经有限元仿真验证,轮齿齿面接触应力及齿根弯曲应力均得到有效降低。     

齿轮减速器的多目标可靠性优化设计

提出一种以可靠度为目标函数和约束条件的多目标齿轮减速器优化设计方法。将可靠性引入齿轮减速器的确定性优化,考虑可靠度为设计目标和设计约束,并将小齿轮齿数作为离散确定性设计变量,进而构造出具有离散变量的多目标可靠性优化设计模型。提出在分支界定算法中嵌套遗传算法构造该优化问题的求解算法。该算法利用分支界定算法的遍历性和遗传算法的全局性,以获得优化问题的全局性解。最后,分别给出齿轮减速器的连续变量确定性解和可靠性解、混合变量确定性解和可靠性解,用以验证方法的有效性。     

中速电火花线切割加工工艺建模与多目标优化研究

利用正交试验设计,对中速电火花线切割加工过程中的脉冲宽度、脉冲间隙、峰值电流、丝筒速度和跟踪系数等工艺条件进行试验的优化设计。使用广义回归方法分别对加工参数与表面粗糙度(Ra)和材料去除率(MRR)之间的关系建模,并通过信噪比分析得出影响表面质量和加工效率的主要因素。表面质量随着电流的增加而变差;材料去除率随着脉宽和电流的增加而增加,丝速和跟踪系数对材料去除率几乎没有影响。运用非支配排序遗传算法(NSGA2)对MRR和Ra进行两目标优化,并对参数不同取值的优化结果进行了比较;NSGA2中的遗产操作参数对优化结果影响很小,算法具有鲁棒性。当种群规模和遗传代数足够大时,可以得到足够多且分布均匀的Pareto前沿。     

基于改进遗传算法的工艺过程优化设计

提出一种工艺过程优化设计方法。该方法通过同时考虑操作的选择和工序的排序是多种任务来并发地产生整个求解空间，从而实现整个工艺过程的全局动态变化。采用改进遗传算法搜索最优方案，改进遗传算法采用新的交叉和变异方法，使交叉和变异分工合作，交叉进行操作排序优化，变异进行操作选择，二者同时进行实现整个工艺过程的全局优化。