基于改进蚁群算法的FMS工艺路线优化配置

针对基于CON模型的FMS工艺路线优化问题提出了一种改进的蚁群算法.蚁群算法的特点表明它适合于求解FMS工艺路线优化配置这类非线性约束复杂优化问题.本文充分利用了蚁群算法在求解该类问题方面的优势,通过融合了网格法的蚁群算法实现了将蚁群算法用于求解多变量连续函数优化问题.针对蚁群算法自身存在的容易陷入局部最优等问题,提出了引入交叉算子来改进算法的性能.     

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。     

供应链环境下产能优化配置问题的混合粒子群算法

针对供应链环境的协作特征,研究以下游企业需求为导向的产能优化配置,建立了以最大化企业盈利、设备利用率以及下游企业需求饱和度为目标的问题模型,并设计了基于精英集的多目标粒子群算法。算法结合模型的约束特征,采用约束满足技术生成初始解,基于惩罚函数的思想设计适应度函数,并对不可行解提出了修复规则;针对多目标优化特征,在求解过程中通过建立精英集来保存非劣解,并基于Pareto最优的概念更新精英集,利用基于k-means聚类的精英集裁剪策略,来保证精英集规模和粒子的分布性。实验结果表明了模型和算法的可行性和有效性。     

基于改进粒子群算法的农业机械产品装配分组优化配置

针对当前方法对农业机械产品装配分组优化配置时未考虑相关的约束条件,存在算法收敛性差、农业机械产品产出率低和配置性能低的问题,提出基于改进粒子群算法的农业机械产品装配分组优化配置方法。设置关于农业机械产品零件装配的条件,分别为装配公差等级、尺寸链、质量损失公差函数以及成本控制函数,将所有条件进行融合构建装配约束函数,并将其作为农业机械产品装配分组配置模型。利用改进的粒子群算法对模型进行求解,即通过不断更新外部集保证数据完整性,并更新极值,最终经过多次迭代获取最优配置结果,实现农业机械产品装配分组优化配置。实验结果表明,该方法的收敛性好、农业机械产品产出率高和配置性能高,实际应用效果更好。     

基于粒子群算法的车间布局优化应用研究

研究了某机加车间零件生产工艺路线,以典型加工工艺为主要参考,构建车间设备最优布局数学模型。应用基于分工合作的粒子群优化算法,在粒子群搜索的不同阶段给予粒子不同的惯性权值,对模型进行计算求解,提高算法的搜索及收敛效率。通过车间典型加工工艺与设备实例模型,验证了基于粒子群优化算法对车间设备布局优化求解的可行性及有效性。     

基于神经网络和粒子群算法的管材弯曲工艺参数优化

针对弯管成形质量受多个工艺参数耦合影响的问题,提出基于神经网络和粒子群算法相结合的工艺参数优化方法。以压模压力、压模助推力、芯轴间隙、芯轴伸出量作为优化对象,以壁厚减薄率、横截面畸变率和起皱值最小为优化目标,通过神经网络构建优化对象和优化目标之间的非线性函数关系,并以此作为粒子群优化算法的适应度函数,实现管材弯曲的多目标工艺参数优化,最后进行了理论分析和实验验证。     

基于改进粒子群算法的开放式定位-运输路线问题研究

将开放式车辆路径问题和定位-分配问题集成考虑，建立了该问题的数学模型；运用基于遗传算法、模拟退火算法的改进粒子群算法，对一个开放式定位-运输路线问题进行了求解。历次迭代产生的全局历史最优解的良好收敛，验证了模型的正确性和算法的有效性。     

粒子群优化算法综述

首先介绍了PSO的原理及具体实现步骤;然后针对PSO算法在搜索的初期收敛速度很快,但在后期却易于陷入局部最优的缺点,提出了各种改进办法;最后介绍了PSO算法的应用领域以及研究展望.     

基于粒子群算法的车间布局优化应用研究

研究了某机加车间零件生产工艺路线,以典型加工工艺为主要参考,构建车间设备最优布局数学模型。应用基于分工合作的粒子群优化算法,在粒子群搜索的不同阶段给予粒子不同的惯性权值,对模型进行计算求解,提高算法的搜索及收敛效率。通过车间典型加工工艺与设备实例模型,验证了基于粒子群优化算法对车间设备布局优化求解的可行性及有效性。     

采用自适应变异粒子群优化SVM的行为识别

为了提高对视频序列中人体行为的识别能力,建立了基于局部特征的动作识别框架。通过时空特征提取及编码和SVM分类器参数优化两部分对该框架所涉及算法进行了研究。首先,采用Harris3D检测器获取时空兴趣点(STIP),以方向梯度直方图(HOG)和光流方向直方图(HOF)对STIP进行描述,并引入Fisher向量实现对特征描述子的编码;由于固定参数下SVM动作分类模型存在泛化能力不足的问题,将粒子群算法应用于各动作分类器参数寻优过程中,针对种群多样性逐代变化的特点,构建粒子聚集度模型,并利用其动态调节各代粒子的变异概率;最后,利用KTH和HMDB51数据集对所提方法进行验证。结果表明,所提自适应变异粒子群算法(AMPSO)能够有效避免种群陷入局部最优,具备较强的全局寻优能力;在KTH和HMDB51数据集上的识别准确率分别为87.50%和26.41%,优于其余2种识别方法。实验证明,AMPSO算法收敛性能良好且整体识别框架具有较高的实用性和准确性。     

基于自适应粒子群算法的制造单元集成构建方法

为避免制造单元构建过程中各个环节分开孤立研究导致的问题解空间损失和工件选择单一工艺路径而引起的制造单元忙闲不均现象,利用并行工程的思想对三个环节进行了集成优化方法的研究,建立了多目标集成优化模型,并设计了基于结构化编码的自适应粒子群算法.通过仿真实验,验证了模型和算法的可行性和有效性.     

Multi-objective optimization of MIMO plastic injection molding process conditions based on particle swarm optimization

Determining optimal process parameter settings critically influences productivity, quality, and cost of production in the plastic injection molding industry. Selecting the proper process conditions for the injection molding process is treated as a multi-objective optimization problem, where different objectives, such as minimizing product weight, volumetric shrinkage, or flash present trade-off behaviors. As such, various optima may exist in the objective space. This paper presents the development of an experiment-based optimization system for the process parameter optimization of multiple-input multiple-output plastic injection molding process. The development integrates Taguchi’s parameter design method, neural networks based on PSO (PSONN model), multi-objective particle swarm optimization algorithm, engineering optimization concepts, and automatically search for the Pareto-optimal solutions for different objectives. According to the illustrative applications, the research results indicate that the proposed approach can effectively help engineers identify optimal process conditions and achieve competitive advantages of product quality and costs.     

基于粒子群算法的双工位切削参数优化

本文研究了多工位专用机床的切削用量优化问题.以双工位同时工作的钢轨整形机为实例,建立了以进给速度和主轴转速为优化变量,以最低能耗为优化目标的数学模型,并使用粒子群算法进行优化求解,最后通过与现场使用经验参数的实际加工能耗对比,表明该优化方法获取的加工参数具有明显的节能效果.     

一种自适应粒子群算法求解模糊作业车间调度问题

针对模糊加工时间和模糊交货期的车间调度问题,提出自适应离散粒子群算法。鉴于粒子群在搜索后期易早熟的缺点,根据群体聚集程度自适应地更改交叉概率、线性更改变异概率;在搜索后期,依概率进行择优操作,对局部极值进行基于工序块的变异操作,使算法具有更优的性能。仿真实验表明该算法可行有效。     

利用改进粒子群算法的特征点配准

点配准问题在机器视觉、医学图像等领域有着非常重要的应用基础.首先在粒子群优化(Particle Swarm Optimiza-tion,PSO)算法的基础上,融合随机局部搜索(Local Random Search,LRS)算法,提出了一种新的改进粒子群优化(LRS-PSO)算法.然后将匹配点对的欧几里德距离平均值的极小值作为两个特征点对配准准则,用LRS-PSO算法来求解配准所需的空间变换参数.实验结果表明,算法具有较强的鲁棒性,具有较高的配准精度和较快的计算速度.     

基于粒子群优化算法的车间布局设计

为降低车间内设备间的物料搬运成本,将粒子群优化算法与经典的系统化布置设计法相结合,以设备间的搬运成本为目标,求解面向车间布局的连续空间优化问题。在问题建模时采用二维向量表述设备的连续空间位置;引入系统化布置设计法对初始粒子群进行优化,在保证初始粒子群有效性的基础上提高了算法的寻优速度和精度;通过对加速系数和惯性系数的设定,提高了粒子群优化算法的寻优质量。通过实例验证了所提方法可以有效提高粒子群算法在连续空间布局问题上的优化性能。     

基于粒子群优化算法的制造单元聚类研究

为实现敏捷制造环境下资源的优化重组,降低生产过程的复杂性,提高效益,提出了敏捷制造系统资源自组织多级主协调控制结构和制造单元自组织模型,并在满足约束的前提下,建立了以总加工成本最小为目标函数的制造单元重构数学模型.采用具有计算简单、鲁棒性好、并行计算等优点的粒子群优化算法,对制造资源进行聚类研究.通过具体实例,验证了该方法的有效性,为解决此类问题提供了一种新的思路.     

Fuzzy adaptive control particle swarm optimization based on T-S fuzzy model of maglev vehicle suspension system

Journal of Mechanical Science and Technology - At present, with the gradual promotion of Maglev vehicles, the stability of the suspension system has gradually become a hotspot. During the operation...     

基于粒子群—遗传混合算法的装配操作优化

为通过装配工艺优化提高车身装配尺寸质量,针对车身众多几何可行装配顺序,应用多属性有向图描述零件间的优先关系和装配控制特征数量,来去除非工程可行装配顺序。以装配尺寸质量为目标函数,提出粒子群—遗传混合算法优化零件间装配操作,通过线性装配偏差分析模型进行装配偏差累积运算,获得了最优装配顺序。通过车身侧围装配体阐述了装配控制特征的优化过程,结果表明,不同的装配顺序将影响装配控制特征的选择,从而影响最终的产品装配偏差。