基于Memetic算法的有限缓冲区流水车间调度问题

针对有限缓冲区流水线调度问题,提出一种基于变邻域搜索策略的Memetic算法。在基本遗传算法中,采用NEH算法和改进IG算法产生部分初始种群,使用部分交叉算子和插入变异算子,在交叉和变异之后设计一种改进变邻域搜索方法来进行局部搜索。在该改进变邻域搜索中,将模拟退火算法作为变邻域搜索中的局部搜索方法,大大增强了算法的寻优能力,使得Memetic算法在集中搜索和分散搜索之间达到更合理的平衡。运用提出算法求解经典基准算例,并与当前先进算法比较,验证了所提算法的有效性。     

求解柔性作业车间调度问题的两级邻域搜索混合算法

针对柔性作业车间调度问题(Flexible job shop scheduling problem,FJSP),以优化最大完工时间为目标,提出一种融合两级邻域搜索和遗传算法的混合算法。基于通过利用机器空闲时间来减小最大完工时间的想法,构造邻域结构,对关键路径上的关键工序进行移动,实现邻域搜索,以改进当前解;设计针对FJSP问题特点的两级邻域搜索方式,第一级邻域搜索为跨机器移动工序,将工序移动到除当前加工机器之外的其他可选机器上,第二级邻域搜索为同机器移动工序,将工序在当前加工机器上进行移动;给出两级邻域搜索相应的保证可行解工序移动条件;兼顾FJSP问题求解算法的全局搜索能力和局部搜索能力,利用遗传算法实现全局搜索,两级邻域搜索实现局部搜索;采用国际通用的FJSP问题基准算例进行测试,验证了所提方法的有效性。     

采用AGV分拣的型材下料车间成组调度问题研究

针对一种基于自动导引小车(AGV)分拣的型材下料车间分拣新方法,以最小化AGV损耗费用和AGV运行费用为目标,建立了混合整数线性规划模型,设计了一种改进遗传算法对模型进行求解。该算法使用带加工属性的多层编码方式,针对多层编码设计了分层式交叉变异的方式,在邻域搜索阶段采用基于禁忌表的双层协同优化策略。算例对比实验表明,所设计的改进遗传算法与基础遗传算法、基础蚁群算法、变邻域改进遗传算法,以及改进蜂群算法相比,在求解该问题上有显著优势和有良好的鲁棒性。     

基于进化算法和模拟退火算法的混合调度算法

将进化算法与模拟退火算法相结合,提出四种有效的混合调度算法,即遗传退火算法、改进遗传算法、改进进化规划和并行模拟退火算法。两种算法搜索机制的互补增强了全局探索能力,基于关键路径的邻域函数运用提高了算法的效率。仿真结果表明:混合算法在求解质量和求解效率方面均有优势,优于国外同类研究成果;基于模拟退火的变异算子的搜索能力优于交叉算子;改进进化规划优于其他混合算法。     

具有柔性加工时间的机器人制造单元调度问题改进遗传算法

为克服传统遗传算法在求解具有柔性加工时间的机器人制造单元调度问题时易出现早熟收敛、冗余迭代等缺陷,提出了改进遗传算法。该算法采用基于工件搬运顺序的染色体编码,并根据调度问题特征,设计构造型启发式算法来生成初始种群,避免了大量不可行染色体的产生,提高了后续操作的优化质量。同时,在交叉变异操作中引入局部邻域搜索,通过对子代邻域的局部寻优提高了算法的收敛速度。最后,分别应用该算法和传统遗传算法求解六个基准案例,实验结果验证了该算法的有效性。     

面向Job Shop调度的算法融合方法研究

提出一种算法融合方法,解决单一算法求解Job Shop调度问题存在的不足,提高这类问题的求解质量。在融合方法中,采用遗传算法和蚁群算法进行并行搜索;根据Job Shop调度问题解的特征,提出基于关键工序的邻域选择方法,并将基于这种邻域选择方法的禁忌搜索算法作为局部搜索算法,加强了遗传算法和蚁群算法的局部搜索能力。采用算法融合方法构造的优化算法对13个难解的benchmarks问题实例进行求解,在较短的时间内,得到的十次实验结果的makespan最优值和平均值优于并行遗传算法(PGA)和TS算法。采用算法融合方法构造的优化算法具有较强的搜索能力,说明提出的算法融合方法是有效的。     

变邻域改进遗传算法求解混合流水车间调度问题

针对混合流水车间调度问题的NP难特性,提出一种改进的混合变邻域搜索的遗传算法。建立了数学模型,提出了算法的总体流程,设计了基于操作的编码和解码方法,并采用NEH启发式算法产生初始种群。随机采用基于位置的交叉和线性次序交叉,选用反转逆序的变异算子,交叉变异后合并子代与父代,保留较优个体,对当前最优个体执行变邻域搜索,以增强遗传算法的局部搜索能力。通过初始对比实验,证明了NEH启发式算法能够产生质量更好的初始解,随机采取两种交叉算子能够提高算法的搜索效率,标准算例实验结果表明所提算法能够有效求解混合流水车间调度问题。     

双机流水车间外包与调度联合优化问题的混合变邻域搜索算法

针对最小化内部完工期与总外包费用的双机流水车间外包与调度联合优化问题,开发了一种混合变邻域搜索算法。在该算法中,采用工件剔除型启发式方法产生初始联合决策解;基于3种新型邻域结构提出了最佳改进式局部搜索规程;引入概率式准则来决定下轮迭代的目标搜索邻域。通过算法校准实验分析,探索出合适的邻域变更次序和温度参数的计算方式。通过与CPLEX软件、隐枚举测试程序对比显示,对于工件数不超过30的算例,校准后所提算法求得最优解的耗用时间更少。通过与遗传算法、模拟退火算法、和声搜索3种对比算法在工件数不少于100的算例上进行对比发现,所提算法经校准后,在求解质量和解的鲁棒性上均具有显著优势。     

协作制造网络伙伴选择组合模型与算法研究

为满足快速响应市场需求、快速选择和配置资源,提出了三阶段协作制造网络伙伴选择组合优化模型;针对遗传算法早熟收敛和模拟退火算法搜索冗长问题,提出了基于邻域函数的尺度参数自寻优的改进遗传模拟退火算法,并在Delphi环境下通过实验仿真验证了算法的有效性.     

面向主梁优化的改进人工蜂群算法

针对算法收敛速度慢、搜索盲目性大等不足,引入了自适应步长、路径交换邻域搜索和差分进化算法的变异策略,使得改进后的算法收敛性加强,收敛速度提高,改善了随机性,提高了寻优精度;算法到后期搜索平坦化,引入遗传算法中的交叉与变异行为,增加种群多样性,提高了算法的全局稳定性。将改进的算法运用到桥式起重机主梁中进行优化并运用ANSYS进行力学分析,实例检验了算法的可行性;最后通过对比优化前后的结果,得出优化后的主梁质量减重效果明显且符合设计要求,对实际工程结构的设计有指导意义。     

基于自适应免疫遗传算法的测试优化选择方法研究

针对某型挖掘机制动系统,通过对该系统结构以及故障模式影响分析的基础上,进行了系统测试点布置,并建立了故障测试关系矩阵,利用自适应免疫遗传算法对该系统测试选择优化问题进行求解,得到一组最优测试集,实例应用表明,该方法对求解测试点优化选择问题的有效性.     

人工免疫控制在热工过程的应用与研究

热工过程有着明显不同于其他工业过程的特征,由于其内部过程的复杂性,热工过程往往表现出非线性、时延性、不确定性、变量间的关联性以及信息的不完整性,对其建立精确的数学模型十分困难。因此,常规控制难以获得理想的控制效果。现以热工过程中窑炉温度为研究对象,采用智能控制技术,对温度提出一种人工免疫遗传算法,并设计人工免疫遗传算法优化的PID参数,对其控制器进行参数整定实现对窑炉的温度控制,通过METLAB仿真,结果表明人工免疫遗传算法在热工过程控制具有通用性和实用性。     

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。     

基于人工免疫的多故障耦合模式下电机故障诊断方法研究

针对电机的结构和故障特点,借鉴免疫系统中抗体不仅能被抗原识别,也能被其它抗体识别的特点,对传统阴性选择算法进行改进,建立了反馈免疫算法模型,并将其应用于电机多故障耦合模式下的精确诊断。该算法通过检测器间激励度矩阵反映各个故障间的相互耦合效应,从而获得多故障耦合情况下的电机故障特征;诊断过程中综合分析电机的机械和电气特征可有效避免误诊和漏诊的情况发生,提高诊断的准确率。对JSZ148-4型三相异步电动机的诊断实例表明了本文所提出算法的正确性和实用性。     

基于进化元胞自动机的结构拓扑优化

实现元胞自动机算法自组织演化机制的关键是建立适合问题的局部规则。传统的方法是根据人们的经验或 其他算法得到的结果来建立局部规则,被称为局部间接规则。为了解决局部间接规则存在的局限性,计算量大等 缺点,提出用进化建立元胞自动机局部直接规则的方法。通过建立结构优化的多目标优化模型,用遗传算法寻求 最优的演化规则,得到适应相应问题的解。由仿真结果可见用遗传算法建立的元胞自动机局部直接规则对复杂系 统的自组织问题是很有效的。     

遗传神经网络法在装载机故障诊断中的应用

在装载机故障诊断系统中,针对BP算法存在收敛速度慢,容易陷入局部极小值的问题,设计用遗传算法的复制、交换、变异过程代替BP网络的反向传播过程的改进算法.以装载机常用故障为例,应用提出的遗传神经网络算法对其进行故障诊断分析,从而证明该算法的有效性.     

改进遗传算法优化的神经网络在智能故障诊断中的应用

设计了用模拟退火的混合遗传算法代替BP网络的反向传播过程的改进算法,解决了在机械敲障诊断系统中BP算法容易陷入局部极小值的问题.该算法是在遗传法中引入模拟退火机制,将其同BP算法结合,形成一个混合的优化算法.新算法既有神经网络的学习能力和鲁裤性,又有遗传算法的强的全局随机搜索能力.仿真结果表明,这种改进算法极大提高了内燃机故障诊断系统的效率和准确性.     

基于免疫遗传算法的车间动态调度

提出了一种求解车间动态调度问题的免疫遗传算法。该方法在遗传操作过程中,运用免疫机理提取疫苗,并对进化种群进行免疫操作,从而有效地抑制了遗传算法的“早熟”和搜索效率低下的问题;此外,该算法在解码操作过程中引入设备能力空间的概念,从而将设备的加工能力作为约束条件动态引入,有效地解决了车间动态调度和再调度方案的一致性和连续性问题。实例表明该算法能够满足车间动态调度的要求。     

单纯形免疫算法及其在高维非凸函数优化中的应用

许多工程问题都可以归结为优化问题,而且其目标函数往往是局部最优点的复杂高维非凸函数,传统单一算法一般难以求得全局最优解。在深入分析免疫算法和单纯形法的基础上,将两种算法有机结合,提出单纯形免疫算法。免疫记忆、抽取疫苗、接种疫苗和自适应等免疫机制的引入有助于优良个体和基因的保留和利用,提高算法收敛性;通过反射、扩展、内缩、缩边等操作来改良劣解而调整邻域结构,不断逼近最优解。典型函数优化Benchmark问题的仿真试验表明,提出的单纯形免疫算法比单一算法性能更优,适合于存在许多局部最优点的复杂高维非凸函数优化。     

机构综合的混沌搜索自适应入侵遗传算法研究

将生物系统中"入侵"的概念引入遗传算法,提出机构综合排斥二周期点优化求解的一种基于混沌搜索自适应入侵遗传算法.该算法动态地引入入侵种群,并利用混沌搜索产生入侵个体.入侵种群的扩散使优良基因得以在个体中传播,优化了种群的基因构成,能够促使种群跳出局部最小,并向全局优化方向进化,从而有效避免了遗传算法的早熟现象.将该算法应用排斥二周期点优化求解,实例表明该算法具有较快的收敛速度和较强的寻优能力,能够快速求出机构综合问题非线性方程组全部解.