混合人工蜂群算法在混流装配线排序中的应用

为更好地解决混流汽车装配线排序问题,建立了以最小化总调整时间和最小化超载时间与空闲时间为优化目标的典型混流装配线排序数学模型,提出一种求解该模型的混合人工蜂群算法。针对标准人工蜂群算法不能解决离散问题的缺陷,引入禁忌搜索算法重新设计了蜂群的邻域搜索算法,设置了算法邻域搜索的动态参数,设计了禁忌搜索算法在人工蜂群算法中的嵌入策略;为保证算法的全局收敛性,采用基于跟随蜂的精英保留策略,给出了侦查蜂和跟随蜂的食物源更新方法。通过比较混合人工蜂群算法与遗传算法和标准人工蜂群算法对不同规模算例的计算结果,验证了所提算法在求解混流装配线排序问题中的优越性。     

基于改进分散搜索的混流装配线排序问题

针对混流装配线生产效率问题,设计了以最小化工作站的闲置与超载时间和最小化总调整变换时间为优化目标的数学模型.为得到高质量且平稳性好的解,提出了适应该模型求解的改进分散搜索算法.该算法首次应用一种基于遗传理论的多样性初始解生成法,不但保证了初始种群的多样性,而且为参考集提供了高质量的初始解.设计了参考集生成更新方法、子集产生方法、子集合并方法和优化解方法等多种机制,既保持了种群的多样性,又寻求到了质量较高的满意解.通过某企业混流装配线实例,验证了所设计算法的有效性.     

基于多目标猫群算法的混流装配线排序问题

针对现实混流装配线上各工作站内设备闲置/超载的成本不同的问题,在传统的最小化闲置/辅助工作总成本目标的基础上,考虑不同工作站内设备闲置/超载成本的差异,建立了以改进的最小化工作站闲置/超载总成本、产品变化率和产品切换总时间为目标的多目标优化模型,并设计一种改进多目标猫群优化算法进行求解。提出一种基于线性混合比率的猫行为模式选择方法,以提高算法前期的全局搜索能力和后期的局部寻优能力;提出能生成分布广泛的候选个体、基于多样化搜寻算子的改进搜寻模式,拓展算法的搜索空间,提高算法的全局搜索能力。运用基准实例对所提算法与第二代非支配排序遗传算法、多目标粒子群算法、第二代强度Pareto进化算法进行比较,结果表明所提算法在解的收敛性、分布性和Pareto解的搜索能力上均具有优势。将该算法用于求解某实例企业的混流装配线排序问题,为车间调度人员的决策提供了多样化的选择,且优于车间已有方法的求解结果。     

基于禁忌粒子群算法的混流装配线排序研究

为了更好地解决开放式作业域的混流装配线排序问题,建立了以最小化超载时间与平顺化零部件消耗为优化目标的混流装配线排序问题数学模型,并提出了一种禁忌粒子群算法求解该排序问题。针对标准粒子群算法在算法后期搜索精度不足以及容易陷入局部最优不能跳出的缺陷,引入了禁忌搜索算法建立了对最优微粒的重搜索机制来提高算法跳出局部最优的能力,同时给出了禁忌算法中候选解、禁忌表长度、禁忌对象、藐视准则的设置方法,并采用了随机权重的惯性权重更新方式来平衡算法的全局和局部搜索能力,最后建立了禁忌粒子群的算法流程。通过比较禁忌粒子群算法与遗传算法的实例计算结果,验证了禁忌粒子群算法在求解开放式作业域的混流装配线排序问题中的有效性和优越性。     

混流装配线排序问题的研究现状与展望

目标函数的选取与排序问题的求解方法是解决混流装配线排序问题的两个关键问题,通过对混流装配线排序问题的国内外研究现状分析,并根据不同的优化目标,归纳出了不同类型目标函数并给出相应的数学模型;同时对排序问题的各种求解方法进行了分析和评价．重点介绍了人工智能方法。在此基础上,对混流装配线的发展进行了展望。     

基于混合粒子群算法求解多目标混流装配线排序

针对生产调度中的多目标混流装配线排序问题,建立以最小化超载时间、产品变化率与总切换时间为优化目标的数学模型,并提出一种改进的多目标粒子群算法求解。该算法采用基于工件的编码方式,并提出新的解码方法;应用Pareto排序和小生境数评价个体,在此基础上形成了一种新的适应度函数。在个体最优解的更新中,为避免最优解丢失,对非支配粒子与支配粒子采用差异化方法更新。此外,运用两种策略解决粒子群算法过早收敛的问题:在个体最优解的更新中引入模拟退火思想,并将全局最优解的选择扩大到整个种群。通过数值算例研究了算法的收敛性、分布性和执行效率,结果表明了所提算法的优越性。     

物料不齐套引起的混流装配线重排序问题

针对混流装配线由于物料不齐套导致将要执行的生产排序性能恶化或不可行的问题,为保证从初始排序过渡到重排序时生产准备过程的稳定性,提出基于最小化排序偏差指标的混流装配线重排序模型。采用非支配遗传算法进行求解,为避免当前周期的能力剩余和下一周期能力不足等问题,保证生产线的整体排序性能和充分利用当前周期的装配能力,采用两周期联合优化策略和基于装配能力的分解策略。针对某空调混流装配线实例,采用所提方法求解物料不齐套引起的重排序,得到性能良好的非支配Pareto解集,并与企业现有的启发式规则的重排序结果进行比较,表明所提方法能够有效解决物料不齐套对装配线排序性能的影响。     

考虑产品切换的客车混流装配线排序问题

针对主客观因素交互影响下混合装配线的排序问题,建立以最小化工作站堵塞时间与最小化产品切换次数为目标的交互排序模型,并依据客车在实际加工过程中的传统排序方案与模型所得排序方案的结果进行对比分析。模型构建从客观因素出发,优化堵塞时间即"重构"作业框架,以达到对负荷高峰时期进行削峰处理的目的,并进一步在主观因素层面上,考虑线上操作者的作业惯性,降低线上操作者对频繁切换产品的出错率,保持较高熟练度时操作的方便与流畅性。引入主客观优化评价算法对模型进行计算,决策出最优任务调度方案。对比分析结果表明,模型获得的最优排序改善了装配线的生产堵塞时间,同时兼顾主观因素主导下的产品切换频率问题,对于节省装配过程中有限的时间资源和释放有限的空间资源具有很大的作用。     

发动机环形混流装配线多目标排序方法

为了获得托盘数量固定的发动机环形混流装配线产品投产排序方案,提出一种多目标优化算法和离散事件仿真相结合的多目标排序方法.在该方法中,以最小化零部件消耗速率波动和最大化生产率为优化目标,建立解析-仿真混合模型;设计了一种内嵌离散事件仿真的自适应多目标遗传算法求解问题;采用组件对象模型(COM)技术,将离散事件仿真求解的生...     

以成本优化为平台的混流装配线排序

随着客户需求的日益多样化,混流装配线在工业生产中得到越来越多的应用.为了降低混流装配线的闲置和超载现象带来的成本浪费,在分析混流装配线的闲置和超载成本的基础上,提出一种最小化闲置和超载成本的排序模型,并应用粒子群算法来进行优化.优化综合考虑了粒子群算法中惯性权值的关键作用,给出了一种模糊自适应的惯性权值调整方法.最后将优化模型及算法应用到具体的混流装配线,验证了该方法的有效性.这种排序方法可以降低企业的生产成本,从而提高企业的效益,在企业内具有实际的应用价值.     

求解装配线平衡问题的一种改进蚁群算法

为求解给定节拍最小化工作站数的第Ⅰ类装配线平衡问题,提出了一种改进的蚁群算法.在该算法中,针对装配线平衡问题的具体特点,给出了蚂蚁分配方案的生成策略.通过在任务和任务分配序列的位置之间释放信息素,并采用信息素总合规则进行更有效的信息素累积.为提高搜索效率,以综合考虑装配任务作业时间和后续任务数的分级位置权重为蚁群算法的启发式信息.最后,通过对大量测试问题集的验证,说明了算法的有效性.     

Discrete artificial bee colony algorithm for lot-streaming flowshop with total flowtime minimization

Unlike a traditional flowshop problem where a job is assumed to be indivisible, in the lot-streaming flowshop problem, a job is allowed to overlap its operations between successive machines by splitting it into a number of smaller sub-lots and moving the completed portion of the sub-lots to downstream machine. In this way, the production is accelerated. This paper presents a discrete artificial bee colony (DABC) algorithm for a lot-streaming flowshop scheduling problem with total flowtime criterion. Unlike the basic ABC algorithm, the proposed DABC algorithm represents a solution as a discrete job permutation. An efficient initialization scheme based on the extended Nawaz-Enscore-Ham heuristic is utilized to produce an initial population with a certain level of quality and diversity. Employed and onlooker bees generate new solutions in their neighborhood, whereas scout bees generate new solutions by performing insert operator and swap operator to the best solution found so far. Moreover, a simple but effective local search is embedded in the algorithm to enhance local exploitation capability. A comparative experiment is carried out with the existing discrete particle swarm optimization, hybrid genetic algorithm, threshold accepting, simulated annealing and ant colony optimization algorithms based on a total of 160 randomly generated instances. The experimental results show that the proposed DABC algorithm is quite effective for the lot-streaming flowshop with total flowtime criterion in terms of searching quality, robustness and effectiveness. This research provides the references to the optimization research on lot-streaming flowshop.     

基于人工蜂群算法的供水泵站运行优化研究

针对泵站普遍因存在供需不平衡、管理差等而造成大量能源浪费的问题,对泵站系统扬程、效率偏差情况进行分析,明确了系统供需间的差异情况,利用灰色关联度法,对泵站目标电耗的影响因素进行关联度分析,确定了扬程、效率、流量3个影响因素关联度大小.建立以单位产量电耗最小为目标函数的优化调度模型,并结合泵站实际情况,运用人工蜂群算法(...     

Multi-objective artificial bee colony algorithm for simultaneous sequencing and balancing of mixed model assembly line

In recent years, mixed model assembly lines are gaining popularity to produce a variety of models on the single-model assembly lines. Mixed model assembly lines have two types of problems which include sequencing of different models on the line and balancing of assembly line. These two problems collectively affect the performance of assembly lines, and therefore, current research is aimed to balance the workload of different models on each station, to reduce the deviation of workload of a station from the average workload of all the stations and to minimize the total flow time of models on different stations simultaneously. A multi-objective artificial bee colony (multi-ABC) algorithm for simultaneous sequencing and balancing problem with Pareto concepts and local search mechanism is presented. Two kinds of mixed model assembly line problems are analysed. For the first and second problems, each model task time data and precedence relation data are taken from standard assembly line problems, from operation research library (ORL) and from a truck manufacturing company in China, respectively. Both problems are solved using the proposed multi-ABC algorithm on two different demand scenarios of models, and the results are compared against the results obtained from a famous algorithm in the literature, i.e. non-dominated sorting genetic algorithm (NSGA) II. Computational results of the selected problems indicate that the proposed multi-ABC algorithm outperforms NSGA II and gives better Pareto solutions for the selected problems on different demand scenarios of models.     

遗传算法优化的汽车混流装配线投产排序决策

采用遗传算法,以车辆完成装配的总等待时间最少为目标,对汽车混流装配线进行投产排序优化,通过AutoMod仿真软件和遗传算法优化,得出了优化方案,其目标值减少69.5％,大大提高了企业生产效率,从而证明了遗传优化算法的有效性.     

一类新的混流装配线排产优化模型

针对混流装配线的负荷均衡化问题,建立了最优化辅助工人数量的一类新的排产优化模型,分析了混流装配线的空间间隔约束和能力约束之间的关系,让明了空间间隔约束是满足工作站能力约束的充分条件.在此基础上给出了有辅助工人参与情况下的空间间隔约束不等式.对一些非线性约束进行了线性化处理,从而可以方便地求解模型.最后,通过仿真实例验让了该方法的可行性和有效性.     

基于混合优化算法的装配线平衡问题

为求解给定装配线生产节拍、最大化装配效率的装配线平衡问题,根据装配线的特点和平衡优化需求,分析了装配作业顺序、站位数量等因素对装配线站位内作业分配的影响,综合考虑装配线平衡率和平滑系数,建立了装配线平衡问题数学模型,并设计了 一种结合遗传算法(Genetic Algorithm,GA)、蚁群算法(Ant Colony ...     

基于MapReduce的蚁群算法

云计算环境下应用蚁群算法分布式并行对问题进行求解的研究较少,且蚁群算法存在搜索时间长和易收敛于非最优解的缺陷,当问题的规模较大时求解困难。为此应用云计算技术将蚁群算法并行化,提出基于MapReduce的蚁群算法。该算法将分治思想和模拟退火算法融入蚁群算法,改进其缺陷,并应用于求解较大规模的旅行商问题。仿真实验取得了较好的效果,且获得了测试实例gr666的新解。     

应用人工蜂群算法的动态波达方向跟踪

针对目标信号源波达方向(DOA)的实时变化,将人工蜂群算法应用于最大似然函数的优化,实现了动态目标DOA的实时跟踪。首先,提出了一种可变遗忘因子的自适应样本协方差矩阵更新方法,该方法可根据目标信号源DOA变化的快慢自适应调整历史数据和当前采样数据在协方差矩阵中所占的权重,从而保证在获得较小稳态误差的同时又可获得较快的跟踪速度。然后,直接应用了性能优越的最大似然估计方法,避免了子空间跟踪类算法需要不断重复特征值或奇异值分解等问题。最后,采用人工蜂群仿生智能算法对似然函数的求解进行优化,从而极大地减少了算法的计算量,保证了算法的快速性和实时性。实验结果表明:在单快拍采样的情况下,信噪比为0dB时,跟踪两个目标信号源的均方根误差为0.995 2°,基本达到了阵列信号处理中目标跟踪方法的设计要求。