基于决策偏好的多目标粒子群算法及其应用

针对传统多目标粒子群算法在解决复杂多目标优化问题上的不足,提出一种基于决策偏好的交互式多目标粒子群算法。该算法考虑决策者的正偏好和负偏好对粒子的引导作用,首先计算外部种群粒子与双极偏好点的相对贴近度,并进行排序;根据排序结果进行外部种群管理和全局最优解更新;使用δ-邻域值控制Pareto解集的分布性。在随机多目标库存控制应用中,证明了该算法对复杂应用问题求解的有效性,性能对比结果表明,该算法的收敛性、多样性和运算时间优于基于参照点的第二代非支配解排序遗传算法。     

基于小生境粒子群算法的公差多目标优化设计

为解决产品设计中的公差优化问题,提出一种基于小生境粒子群算法的公差多目标优化方法。以加工成本、质量损失成本和公差敏感性为优化目标,以装配功能要求和加工能力为约束条件,建立了公差多目标优化模型。对标准粒子群算法进行改进,根据小生境数和Pareto优劣性确定孤立粒子,并通过个体历史最优粒子与孤立粒子的变异、选择操作更新粒子的个体历史最优位置;利用Pareto支配数排序更新粒子群的全局最优位置。利用改进的粒子群算法对公差多目标优化模型进行求解,得到分布均匀的Pareto前沿。设计并开发了原型系统,通过实例验证了该方法的有效性。     

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。     

混合流水车间多目标调度的小生境粒子群算法

混合流水车间多目标调度问题(HFMSP)是一种具有很强应用背景的生产调度问题,对它的研究具有理论意义和工程价值。针对该类调度问题结合生产实际应用调度和多目标优化理论建立基于时间和交货期最优条件下的多目标调度问题模型,提出一种小生境粒子群算法对模型进行优化求解。该算法采用NSGA-II的非支配排序策略和动态加权方法选择最优粒子,利用粒子聚集距离的变异操作保证解的收敛性和多样性。通过仿真实验,验证了模型的正确性和算法的有效性。     

基于改进粒子群优化算法的多目标铜卷加工生产调度研究

针对多目标铜卷加工生产调度问题,提出一种自适应的改进粒子群优化算法。该算法采用基于个体拥挤距离排序的外部种群保留策略以避免陷入局部极值,基于个体拥挤距离概率更新全局极值以及基于支配关系更新个体极值,同时采用基于非支配解和单点交叉的内部种群规模自适应调整策略以及自适应动态惯性权重来保持种群的多样性。通过应用实例验证了该方法求解多目标铜卷加工生产调度问题的有效性。     

基于改进非支配排序的云模型进化多目标柔性作业车间调度

采用多目标进化算法研究柔性作业车间调度问题,目标是最小化最大完工时间、机器总负荷和最大机器负荷3个性能指标。针对NSGA-Ⅱ识别非支配个体较慢和个体比较次数较多的不足,设计一种基于预排序的快速非支配排序算法,快速识别非支配个体并淘汰被支配个体,提高非支配解集的构造效率;结合柔性作业车间调度问题的特点和进化算法的性能,引入云模型进化策略,提出一种基于非支配排序的云模型进化多目标柔性作业车间调度算法。运用云模型揭示模糊性和随机性的优良特性维护进化种群,提高非支配解分布的广度和均匀度。利用多指标加权灰靶决策模型选择最满意调度方案。使用基准实例进行测试并比较测试结果,验证了算法的可行性和有效性;利用提出算法确定了生产实际的最满意调度方案。     

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。     

基于拥挤距离排序的多目标粒子群优化算法及其应用

针对多目标粒子群算法在全局寻优能力和Pareto集多样性上的不足,提出基于拥挤距离排序的多目标粒子群算法.该算法采用精英策略,基于个体拥挤距离降序排列,进行外部种群的缩减和全局最优值的更新,并在内部粒子群中引入小概率变异机制,增强算法的全局寻优能力,控制Pareto最优解的数目,同时保证其收敛性和多样性特征.在电梯曳引性能的多目标优化应用中,证明了该算法对于两目标和三目标优化问题求解的有效性.不同规模实例的运算对比表明,该算法在Pareto前沿的收敛性和多样性方面均优于改进强度Pareto进化算法,且缩短了运算时间,具有较高的效率与鲁棒性.     

基于改进非支配排序遗传算法的多目标柔性作业车间调度

采用多目标进化算法解决具有工件释放时间、工件目标差异的柔性作业车间调度问题。依据实际制造系统中存在较多的最大完工时间、平均流经时间、总拖期时间、机器总负荷、瓶颈机器负荷和生产成本性能指标,建立多目标柔性作业车间调度模型。针对柔性作业车间调度问题的特点,设计一种扩展的基于工序的编码及其主动调度的解码机制,以及初始解产生机制和有效的交叉、变异操作;针对非支配排序遗传算法(Non-dominated sorting genetic algorithm II,NSGA-II)在非支配解排序和精英选择策略方面的不足,设计一种改进的非支配排序遗传算法,应用改进的算法求解柔性作业车间调度问题得到一组Pareto解集,并运用层次分析法选出最优妥协解。通过测试基准和模拟实际生产的实例,验证提出算法的可行性和有效性。     

考虑节能的改进多目标樽海鞘群算法TFT-LCD面板阵列制程调度问题

TFT-LCD面板生产的阵列制程是可重入混合流水车间调度问题,采用一种改进多目标樽海鞘群算法对其进行优化求解。构建以最大完工时间、总拖期时间和总耗能为优化目标的数学规划模型;针对该问题结构特点,对基本多目标樽海鞘群算法进行了一系列改进操作,包括基于升序排列的随机键编码、PS方法解码、基于Lévy飞行的领导者个体位置更新方式,以及外部档案中非支配个体的变邻域搜索操作,并采用田口方法进行算法参数设置;最后通过对基准算例的数值实验,将改进多目标樽海鞘群算法与基本多目标樽海鞘群算法、多目标粒子群优化算法、快速非支配排序遗传算法进行对比,实验结果表明了改进多目标樽海鞘群算法的有效性。     

基于模糊多目标遗传算法的飞行器模拟件结构参数优化

空间飞行器模拟件的设计是一个具有约束的多目标多准则优化问题。本文在建立空间飞行器模拟件参数优化的数学模型的基础上,将模糊多目标决策理论用于飞行器模拟件的结构参数优化,提出了一种新的模糊评价指数。结构参数优化的结果已经用于某试验系统。     

某机载天线射频线缆布线设计与长度优化

针对某机载天线射频线缆布线设计与长度优化问题,提出人工布线与多目标优化相结合的方法。以线缆总重量最小为目标,线缆分组等长为约束条件,构建线缆长度多目标优化数学模型,采用MATLAB的遗传算法函数完成问题求解,有效简化设计过程,提高布线效率。     

多目标同顺序流水作业的局部搜索算法

针对求解最小化最大完工时间和总流程时间的多目标同顺序流水作业问题,提出了一个多目标局部搜索算法。针对两个目标,用现有的构造性算法生成两个解,作为该算法的初始解,然后从这两个初始解出发,以贪婪的方式求出新的Pareto最优解集,持续改进Pareto前沿。选择新的Pareto解的条件是该解既不被原解支配,也不被产生原解的解所支配,同时对某个目标改进最大。当所有解都陷入局部极小时,扰动已得到的Pareto解集,然后从扰动后的解集出发重新搜索。初始解和选择新的Pareto解的方法对算法性能有显著的影响。在基准问题上,与已有文献中的算法比较,结果表明所提算法的总体性能更优,特别是对较大规模的问题,此差异更具有显著性。     

供应链最优供需路径的演化计算求解方法及其应用

在分析多企业协同生产主要特点的基础上，建立了基于企业关键绩效指标度量的供应链供需路径优化模型，提出一种协调优化和多目标优化相结合的联合计划与控制模式，给出了供需最优路径的演化计算求解算法。结合实际的供应链典型应用环境，实现了基于演化计算求解的供应链联合规划管理系统，并通过实验与应用分析验证了方法的有效性。     

一种凸轮曲线调制处理及粒子群优化方法

将调制的原理运用于原有的凸轮曲线设计中,用调制信号调节和控制凸轮曲线形状,以凸轮曲线特征值为优化目标,建立了对调制处理后的凸轮曲线进行多目标优化的数学模型,并阐述了用粒子群优化（PSO）技术进行求解的过程,从而得到了一种对原有的凸轮曲线进行调制处理及粒子群优化的新方法。以改进正弦凸轮曲线为例,对该调制和优化方法进行了验证。优化实例表明,该方法可以调节凸轮曲线形状,改善凸轮曲线的动力学特性,获得综合特性更好的凸轮曲线。     

基于两阶段求解的可重构虚拟制造单元构建方法

针对多品种、变批量需求的可重构制造问题,综合考虑工艺路线与生产批量约束,以设备负荷均衡、跨单元加工次数最少为目标,提出了两阶段求解的虚拟制造单元构建方法。第一阶段,采用图聚类法对工艺路线的相似性和零件的生产批量进行预处理,生成基于订单的多工艺路线最大支撑树,确定基本可行制造单元集;第二阶段,以设备负荷均衡、跨单元加工次数最少的综合目标函数设计为基础,采用基于类电磁机制寻优原理的求解算法,确定最优制造单元解。某泵阀制造企业生产数据的实例应用验证了算法的可行性与有效性。     

基于并行策略的多材料柔顺机构多目标拓扑优化*

多材料柔顺机构能够让设计者充分利用各种材料的优良属性,在力,位移,以及能量转移等方面获得更大的设计自由度,因而受到重视。针对受到广泛研究的柔顺机构,结合多目标拓扑优化的方法,提出相应的基于并行策略的求解模型。该方法的核心是将一个复杂的多材料多目标问题离散成为单材料子问题,然后并行求解,再根据整体目标的需要,对所有子问题的解进行调整以得到原始问题的解。针对多目标情形,提出新的材料与输出目标关系,从而在将多材料问题离散成单材料子问题的同时,也将多目标问题离散成单目标子问题。对所有的单材料单目标子问题采用各向同性材料的刚度插值-惩罚法并行独立求解。以上方法有其独特优势：在理论和实践上都比较简单,可以处理任意多种材料,可以避免零碎的拓扑结构因而有利于制造。通过算例说明了此方法的有效性。研究结果表明,该方法在某些输出需要特定材料的设计场合更具优势。     

基于改进人工蜂群算法的多目标绿色柔性作业车间调度研究

针对多目标绿色柔性作业车间调度问题（MGFJSP）的特点,提出从碳排放量、噪声和废弃物这3个指标来综合评定环境污染程度,建立了以最小化最大完成时间和环境污染程度为优化目标的MGFJSP模型,并提出了一种改进的人工蜂群算法来求解该模型。算法的具体改进包括：设计了一种三维向量的编码和对应解码方案,在跟随蜂搜索阶段引入一种有效的动态邻域搜索操作来提高算法的局部搜索能力,在侦查蜂阶段提出产生新食物源的策略用于增加种群的多样性。最后进行了实验研究与算法对比,以验证所建模型和所提算法的有效性。     

基于动态差分元胞多目标遗传算法的混合作业车间布局改善与优化

针对一类离散作业、流水作业和特殊作业等多种作业单元共存的混合制造模式,提出了作业车间布局改善问题。以物料搬运费用最小、单元移动费用最小、作业单元包络矩形面积最小及非物流关系最大为目标,明确布局约束条件,构建车间布局多目标优化模型。在差分元胞多目标遗传算法的基础上,设计并引入动态变异策略以改善算法的全局搜索能力,提出用于解决布局模型的动态差分元胞多目标遗传算法,通过实例计算与结果分析验证了模型及算法的有效性。     

基于高维多目标候鸟优化算法的柔性作业车间调度

针对柔性作业车间调度问题,提出一种改进的多目标候鸟优化算法来求解考虑完工时间、总拖期、机器总负荷以及总能耗的高维多目标问题。多目标候鸟优化算法在候鸟优化算法的基础上引入基于Pareto支配和参考点的选择算子来给予鸟群选择压力,并用基于属性层次模型和灰色关联分析法的组合权重法从最优解集中选择一个最合适的方案。算例和实例验证了算法的有效性和实用性。