遗传算法在设备布局设计中的应用

设备布局设计是整个制造系统设计的重要组成部分,合理的设备布局可大大提高企业对市场的响应能力,探讨研究制造系统的设备布局具有重要的理论意义和应用价值。本文结合设备布局的特点,提出了染色体的编码方法,设计了新颖的交叉算子,并通过实例分析,证明了遗传算法应用于设备布局设计的有效性。     

基于多目标遗传算法的Stewart平台运动学正解解算

Stewart平台的运动学解算是指对驱动杆杆长与动平台位姿的对应关系的求解。其运动学逆解只需根据空间坐标变换求得,而运动学正解需要对12个非线性方程进行解算。普通的数值解算方法迭代步数多,求解精度低。为解决Stewart平台运动学正解的解算问题,将pareto最优化理论引入遗传算法,提出一种基于多目标遗传算法(NSGA-Ⅱ)和最小二乘理论结合的算法。利用算法生成上平台姿态,利用反解解算出姿态对应的杆长,与已知杆长进行最小二乘拟合分析,当拟合度极高时认为此时的位姿即为运动学正解结果。此算法将上平台姿态的6个参数求解转化成多目标最优化问题,其只需迭代102次左右便能输出最优解,单次结果输出用时在1 min以内,且求解的均方根值误差不超过0. 1。是一种求解速度快、精度高的可行的运动学正解解算方法。     

基于改进遗传算法的最小二乘法的应用

为了克服基本遗传算法参数较多时编码表示冗长、烦杂以及实数编码等寻优效果的不足,提出了一种改进编码的遗传算法——矩阵编码遗传算法.它是在遗传算法大的框架不变的情况下仅改变其编码,即遗传编码改变的同时,相应的遗传操作,包括交叉、变异等都要随之变化.除此之外,适应度函数和计算也要变化.最小二乘法是系统辨识常用方法之一,将改进...     

解空间编码遗传算法在三维布局中的应用

采用改进遗传算法——解空间编码的遗传算法求解带性能约束的复杂三维布局设计问题。算法对三维空间布局问题进行了预处理，直接将问题的求解变量作为染色体基因进行编码，降低了算法的编码和解码难度。在求解过程中，对不同变量类型采用不同的交叉和变异算子进行计算，并且在变异前对复制或交叉所得个体的某些变量随机加一个扰动量，以控制其搜索范围，算法以计算结果满足设计要求为算法终止准则。通过对二维和三维带性能约束布局算例的求解，验证了该算法的可行性和有效性。     

基于自适应遗传算法的大型关重件车间布局优化

针对大型关重件生产车间的多行布局问题,建立了同时考虑物流费用与物流时间的多目标优化数学模型,运用了一种改进的自适应遗传算法,其交叉概率和变异概率可随群体的适应度自动改变,使算法避免陷入局部最优;加入精英保留策略,使每代中的最优个体都能够得到保留,避免交叉和变异操作遗失全局最优解.最后结合某船用曲轴车间实例,分别运用该算...     

基于改进遗传算法的多目标车间布局优化问题研究

以作业单元间物料搬运费用最小和搬运时间最短为优化目标,建立车间布局多目标优化模型.采用改进遗传算法进行求解,在选择、交叉及变异操作之后引入进化逆转操作,以提高遗传算法的局部寻优能力,加快收敛速度.最后对实例求解,将优化后的布局与原布局进行对比,得出搬运费用和搬运时间均有明显降低,验证了所建模型和算法的有效性.     

最小二乘法在估计概率分布参数中的应用

提出一种估计概率分布参数的最小二乘法，这种方法以概率密度函数和频率间的关系为基础，通过对概率密度函数和频率间的关系进行合理的近似，建立求解未知分布参数的方程组，在求解过程中，将样本容量视为未知量，以简化求解过程。计算机模拟实例表明，这种方法求解出的未知分布参数精度较高，而且对于一些常见的分布函数，这处方法的求解过程十分简单。文中还通过计算机模拟对本文方法和极大似然估计法做了统计分析。     

改进的实数编码遗传算法在产品布局设计中的应用

为求解复杂结构产品的布局设计问题,对实数编码遗传算法进行了改进,直接将问题的求解变量作为染色体基因进行编码,提出了一种解空间编码遗传算法。在求解问题前,对布局问题进行了预处理。在求解过程中,首先引入模拟退火算法的思想对解进行选择;然后对不同类型变量采用不同的交叉和变异算子进行了处理,并在变异前对个体的连续变量随机加一个扰动量,以控制其搜索范围;最后对求解的中间结果按最优保留策略进行了处理。该算法实现了3维空间布局规划的自动寻优,并求解了2维和3维带性能约束的布局问题,验证了该算法的可行性和有效性。     

移动最小二乘法在NURBS曲线拟合中的应用

在NURBS曲线拟合中采用移动最小二乘(Moving Least-Squares)方法,提高了采用传统最小二乘方法得到的拟合曲线的精度及光滑性.详细介绍了移动最小二乘法(MLS)应用于NURBS曲线拟合的原理及特点;以螺杆转子端面点云数据为实例在MATLAB中实现了移动最小二乘NURBS曲线拟合,并将其与传统最小二乘N...     

最小二乘法在PCB板厚控制中的应用

PCB板厚是PCB制造过程中要严格控制的一个指标。在批量制造前,通过测量试作板的厚度,应用最小二乘法原理分析数据,在Excel或MATLAB中实现曲线拟合,得出板厚分布的估算公式,从而指导CAM的PCB拼版方式及尺寸以及压合工序的制造工艺参数选择,对保证制造后的PCB板厚均一性具有重要意义。     

基于遗传-蚁群算法的矩形排料研究

针对矩形件排料问题,将遗传算法与蚁群算法进行融合,提出新的遗传-蚁群算法,并提出了最佳融合时机,最后给出实例证实了遗传-蚁群算法在解决矩形排料问题上的有效性.     

混合遗传算法在飞机钣金零件排样中的应用

针对飞机钣金二维不规则零件排样问题,将遗传算法与模拟退火算法相结合,提出一种混合遗传算法。该算法利用改进的最小包络矩形把不规则件转化成矩形件,在初始种群时提出一种既考虑排样高度,又考虑排样废料利用率的适应度函数,并引进浓度衡量个体之间的相似程度,为逃离局部最小值指明了方向。实例结果表明,该算法运用到飞机钣金排样系统中,在缩短排样时间和提高排样精度方面取得一定的效果。     

两级强化遗传算法在带有数量打折的三级供应链批量计划问题中的应用

研究了多工厂、多供销商、多供应商的带有数量打折的供应链的约束批量计划问题。以工厂最大化利润为目标建立了在加工能力和库存能力受限情况下同时考虑订单选择的数学规划模型。通过对问题模型的分解,给出了一种基于两级强化遗传算法的求解策略,分别对订单选择和工厂内部的生产和库存进行优化。另一方面对强化遗传算法进行了改进,即在种群中任何两个个体的适应度差的绝对值小于一定的数值时才对其中的一个个体进行变异操作,保证了种群的多样性,提高了算法的效率,最后对典型算例进行了仿真,并与分枝定界法的求解结果进行了比较,结果表明本文方案是有效的和可行的。     

基于Petri网的供需链设计优化研究

供需链设计优化问题由于其自身的复杂性而成为一个极具挑战性的研究课题。本文把Petri网与遗传算法结合起来，用于研究供需链设计优化，构建一个供需链原型测试系统，并对小汽车制造供需链系统进行了实例分析。     

并行隔代映射遗传算法及其在材料参数反演中的应用

针对传统遗传算法解决大规模复杂问题效率比较低的问题，提出了一种并行隔代映射遗传算法。该算法采用的是多种群并行进化的方法，在各种群之间引入竞争，既能较好地丰富和保持种群的多样性，有效地避免早熟收敛，又能大大提高求解大规模复杂问题的效率。将该算法应用于冷加工金属板和正交各向异性复合板材料参数的反演问题中，将计算结果与并行化前的算法进行比较，验证了该并行算法具有高效率解决大规模复杂问题的能力。     

供需链组织设计中的优化算法

在基于协调决策中心供需链管理模式的基础上，本文讨论了代理能力需求和协调决策中心的优化设计问题，在代理能力需求设计问题上，从任务效率和任务性能两个角度，分别建立了PERT网络图最优工期模型和大线性规划模型，非线性规划模型求解中采用MFM算法，降低了计算量。在协调决策中心优化设计问题上，提出了协调作用的度量指标，建立了优化模型，针对协调决策中心组织上的非狡分类的特点，提出了一种改进的层次聚类算法，并通过随机试验，说明该算法在提高性能指标上较一般层次性聚类算法更优。     

基于模块化和延迟生产的供应链建模与优化

通过改善Ricardo模型，在供应链层次上建立四种供应链结构模型，利用各节点的成本和客户服务水平指标来衡量其性能。同时基于模糊偏好关系来确定各指标的权重，由此建立多目标优化模型。模型的求解利用Matlab中的遗传优化工具箱(GAOT)，并采用单因素方差分析验证了模型的鲁棒性。最后基于优化结果，分析了四种供应链结构的牛鞭效应。     

矩形件优化排样的自适应遗传模拟退火算法

针对理论上属于NP完全问题的矩形件优化排样问题,提出了一种基于小生境技术的自适应遗传模拟退火算法。研究了将矩形件在板材上的排列方式转换为特定编码的方法,利用遗传模拟退火算法进行全局优化概率搜索,考虑到算法中交叉概率和变异概率的选择影响到算法收敛性,提出了自适应的交叉概率和变异概率,并通过小生境技术对子辈个体是否替换父辈个体加以控制,最终得到矩形件排样的最优次序和排放方式,采用最低水平线策略的启发式排样算法实现自动排样。排样实例表明,该优化排样算法行之有效,具有广泛的适应性。     

不规则件优化排样的小生境遗传模拟退火算法

提出一种基于小生境遗传模拟退火算法求解不规则件排样问题的方法。该方法首先充分考虑不规则形状零件自身的形状特征,采用组合矩形包络算法将二维不规则零件的排样问题转化为矩形件的排样问题,克服了以往简单采用最小包络矩形代替零件排样存在空白区域,从而导致材料可能发生的利用率过低问题;然后利用遗传模拟退火算法及小生境技术相结合,寻找排样件在排样时的最优次序及各自的旋转角度;最后用"最低水平线与填充算法相结合"策略的启发式排样算法实现自动排样。实例表明了该算法的有效性和实用性。