基于虚拟制造单元的制造资源组织模型

为了使航天制造企业能够根据市场订单需求快速调整组织制造资源,简化生产调度过程,提高生产调度质量,提出了基于虚拟制造单元的制造资源组织模型,探讨了该模型的理论思想,给出了虚拟制造单元的两步构建方法,并提出了利用合作型多目标优化协同进化算法解决资源选择问题,构建了以多条加工路线相似系数之和最大(倒数最小)、运输成本最小和设备生产负荷均衡的多目标优化问题.将这一多目标优化问题分解为多个子问题,分别用多个子种群进行进化,并采用一种新型的子种群间合作方式,最终产生一个Pareto最优解集.该方法提高了候选解的多样性,为生产调度提供了多样性选择.     

基于并行协同的多车间协同调度问题研究

传统企业在实际生产中,其多个关联车间之间的生产计划与调度存在难以协作的问题。为此,针对多车间协同调度问题建立了调度模型,提出了一种多车间协同调度的并行协同进化遗传算法(PCE-GA),并且采用该算法对上述模型进行了求解。首先,以最小化订单完工时间为目标,建立了单目标调度模型;然后,采用了并行协同进化遗传算法,对上述单目标调度模型进行了求解,基于工件、机器、装配关系的三层整数编码的染色体编码方案,提出了一种协同适应度值计算的方法;最后,以某液压缸生产企业为例,针对单目标调度问题,采用该算法与单车间遗传算法(JSP-GA)、并行协同模拟退火算法(PCE-SA)分别进行了求解,并对其结果进行了比较,以验证PCE-GA算法的优越性。研究结果表明：采用PCE-GA算法得到的优化率为13.3%,比单车间作业调度遗传算法求解的数据优化11.5%,该结果证明了PCE-GA算法在解决多车间协同优化问题时的优越性。     

多工序质量检验计划的多目标优化蚁群算法研究

针对常见的串行多工序抽样检验方式，建立了工序间质量水平传递模型和质量检验成本模型，提出基于Pareto解评价的多目标优化蚁群算法；通过定义多目标解与理想解的相对距离为蚁群算法的启发函数，激励蚁群搜索可行解空间并发现最优解集；应用多目标优化蚁群算法解决质量检验计划优化问题取得了较好效果。     

聚类差分进化算法求解多目标工艺规划与 调度集成问题

针对多目标工艺规划与调度集成问题,以完工时间、交货总拖期和设备工作负荷为优化目标,建立了多目标非线性工艺规划集成模型,提出一种聚类差分进化算法。该算法设计了包含工艺、设备和加工顺序信息的3层编码结构,结合聚类算法、差分进化算法和遗传算法的相关操作,有效地优化工艺信息和调度方案,保持可行解的多样性,实现Pareto非支配解集快速更新。通过对Pareto非支配解集进行领域搜索,使其更加接近或到达Pareto最优解集。最后通过实例验证了算法的性能。     

柔性工作车间调度问题的多目标优化方法研究

针对各工件日标不同的多目标柔性作业车间调度问题,构建了以加工成本、加工质量及制造工期为目标函数的柔性作业车间调度多日标优化数学模型.针对传统的加权系数遗传算法不能很好地解决柔性作业车间调度多目标优化问题,提出采用改进的强度Pareto进化算法,对柔性作业车间调度问题进行多目标优化,从而得出柔性车间调度问题的Pareto综合最优解.最后,结合项目实施,以某大型空分装备企业的车间调度为例,证明了文中提出的方法能很好地解决柔性工作车间调度的多目标优化问题.     

周期式退火炉作批处理机的可重入批离散机流水车间调度

针对无缝钢管冷拔生产中的周期式退火炉作批处理机的可重入批离散机流水车间调度问题,建立以总工件完工时间与批处理机总能源消耗最小化的双目标优化调度模型,设计包括多目标粒子群算法、快速非支配等级排序、拥挤度比较以及变异进化操作的多目标粒子群算法,该算法采用非支配等级排序与拥挤度比较进行最优粒子的选择策略和算法前期与后期变异相结合使用策略。试验结果表明,与带变异进化操作的多目标粒子群算法和非支配排序粒子群算法相比,该算法在两个目标函数上都找到更优的最小值,其结果平均水平更靠近Pareto解集的前沿,有效提高了算法的优化求解能力。通过Pareto解的方式该算法可得到一组综合权衡了完工时间和退火炉能源消耗两个指标的Pareto解集,能提供多种可选的调度方案,当生产时间充足,可尽量选取退火炉能源消耗较低的方案,当企业订单繁多追求生产效率时,可尽量选取完工时间较小的方案,有效地解决了此类实际问题。     

分散决策供应链生产计划协同研究

为解决多级、多产品、分散供应链系统生产计划协同问题,提出了一种基于拉格朗日松弛算法的生产计划协同模型.在该模型中,建立每个企业独立的生产计划模型,使用拉格朗日松弛算法,松弛掉企业之间的物流平衡约束,将需要集中决策的供应链生产计划协同问题,分解为企业间分散的独立决策问题;运用次梯度算法对拉格朗日因子进行更新,通过反复迭代的优化过程实现生产计划协同.仿真实验表明,基于拉格朗日松弛算法的供应链协同对复杂供应链系统能够较好地逼近最优解,协同效果和收敛速度优于遗传算法.     

基于多目标种群协同算法的板坯入库优化

针对钢铁企业板坯入库决策问题,基于出库次序A型约束、分散性约束和垛位限高约束等构建了以板坯综合匹配度、垛位利用度和库存均衡度为目标函数的多目标入库决策优化模型。提出一种多目标种群协同粒子群优化算法,并设计了局部搜索策略以提高外部归档集中Pareto解的多样性,同时利用Pareto最优解改进粒子速度更新方式,达到多种群协同优化的目的。仿真实验证明,该算法可以更好地解决多目标板坯入库优化问题。     

基于BP网络和Pareto遗传算法的多目标协同优化

多学科设计优化（MDO）问题往往是多目标的。Pareto遗传算法（PGA）所求得的Pareto最优解集为设计决策提供了很大方便。针对在CO的计算构架中直接使用PGA会导致计算量过大的问题，提出基于BP神经网络和pareto遗传算法的多目标协同优化方法。采用试验设计方法选择设计点，构造具有全局近似能力的各学科优化神经网络响应面，进而采用PGA进行系统层优化问题的多目标寻优。用上述方法对某型干线客机进行总体多目标优化。与直接采用PGA求解MDF单级多目标优化模型所得的计算结果对比表明，所提出的方法能有效近似该问题的Pareto最优前沿．、     

多品种分批量冲压车间的耦合选择NSGA-Ⅱ调度优化

为了对多品种分批量生产的冲压车间调度方案进行优化,减少冲压车间的完工时间、加工成本和换模次数,提出了基于耦合选择NSGA-Ⅱ算法的冲压车间调度优化方法。对冲压车间的调度优化问题进行了数学描述,建立了多目标、多限制条件的优化模型。通过构造4基因链缠绕的染色体,将冲压车间调度优化问题转化为遗传算法的多目标搜索问题。在传统NSGA-Ⅱ算法基础上,将耦合选择策略引入到算法中,兼顾了染色体的优越性和多样性,从而提出了基于耦合选择NSGA-Ⅱ算法的调度优化方法。经验证,耦合选择NSGA-Ⅱ算法所得Pareto前沿解质量高于传统NSGA-Ⅱ算法所得Pareto前沿解质量。使用等权重系数法从Pareto解集中确定了最优解,与优化前相比,换模次数减少了52.2%,加工成本减少了18.4%,最大完工时间减少了40.0%,以上数据验证了耦合选择NSGA-Ⅱ算法在冲压车间调度优化中的可行性。     

[生产计划]基于NSGA-Ⅱ的产品开发任务调度多目标优化

针对传统的加权系数法和约束法等不能很好解决产品开发任务调度多目标优化的问题,建立了以产品开发时间和成本为目标的多目标优化模型,采用改进的非支配排序遗传算法得出Pareto最优解集,并利用模糊优选法对该解集进行选优,确定了产品开发任务调度的最优执行方案。对两个经典多目标测试函数的求解及对比分析表明了该算法的优越性,结合实例说明了该方法的实施过程及有效性。     

Multi-objective optimization of collaborative manufacturing chain with time-sequence constraints

To realize the sharing and optimization deployment of manufacturing resources, a concept of collaborative manufacturing chain (CMC) is proposed for the manufacturing of complex products in a networked manufacturing environment. To acquire the optimal CMC, a multi-objective optimization model is developed to minimize the comprehensive cost and the whole production load with time-sequence constraints. Non-dominated sorting genetic algorithm (NSGA-II) is applied to solve optimization functions. The optimal solution set of Pareto is obtained. The technique for order preference by similarity to ideal solution (TOPSIS) approach is then used to identify the optimal compromise solution from the optimal solution set of Pareto. Simulation results obtained in this study indicate that the proposed model and algorithm are able to obtain satisfactory solutions.     

多目标柔性作业车间调度决策精选机制研究

针对多目标柔性作业车间调度优化无法找到唯一最优解的问题，提出多目标遗传算法和层次分析法模糊综合评判的分阶段优化策略。提出优化阶段和精选阶段的优化任务，优化阶段选出一组Pareto解集，精选阶段从Pareto解集中选出最优解；在精选阶段运用层次分析法和模糊评判集成的策略精选调度决策。决策算例证明提出的方法是可行的，可很好地帮助决策者选择出一个最满意的解。     

求解物流Web服务组合问题的两阶段多目标蚁群算法

针对基于QoS的物流Web服务组合优化问题,提出了两阶段多目标蚁群优化(TMACO)算法。首先,针对原始数据集中存在被支配候选服务而增加算法求解时间的问题,提出了基于Pareto支配的预优化策略;其次,针对属性权重难以确定的问题,提出了不依赖权重的信息素更新策略和启发信息策略;最后,针对基础蚁群算法容易陷入局部最优的问题,提出了懒蚂蚁策略。实验结果表明,TMACO算法具有良好性能,相对于基础蚁群算法、利用解与理想解距离来更新信息素的改进蚁群算法、遗传算法以及用支配程度作为解的个体评价的改进遗传算法,TMACO算法有更高的寻优能力,能够找到更多更优的非劣解。     

A new multi-objective ant colony algorithm for solving the disassembly line balancing problem

The disassembly line is the best choice for automated disassembly of disposal products. Therefore, disassembly line should be designed and balanced so that it can work as efficiently as possible. In this paper, a mathematical model for the multi-objective disassembly line balancing problem is formalized firstly. Then, a novel multi-objective ant colony optimization (MOACO) algorithm is proposed for solving this multi-objective optimization problem. Taking into account the problem constraints, a solution construction mechanism based on the method of tasks assignment is utilized in the algorithm. Additionally, niche technology is used to embed in the updating operation to search the Pareto optimal solutions. Moreover, in order to find the Pareto optimal set, the MOACO algorithm uses the concept of Pareto dominance to dynamically filter the obtained non-dominated solution set. To validate the performance of algorithm, the proposed algorithm is measured over published results obtained from single-objective optimization approaches and compared with multi-objective ACO algorithm based on uniform design. The experimental results show that the proposed MOACO is well suited to multi-objective optimization in disassembly line balancing.     

可重构装配线多目标优化调度研究

针对可重构装配线调度存在的问题,综合考虑影响可重构装配线调度的三个主要因素,即最小化空闲和未完工作业量、均衡零部件的使用速率、最小化装配线重构成本,建立了可重构装配线多目标优化调度的数学模型。提出了一种基于Pareto多目标遗传算法的可重构装配线优化调度方法,该算法综合运用了群体排序技术、小生境技术、Pareto解集过滤及精英保留策略,并采用了交叉概率和变异概率的自适应重构策略。实例仿真表明该算法具有比其他遗传算法更高的求解质量。

     

基于降维的驾驶员侧约束系统高维目标优化

为解决将高维目标变为单目标优化时各子目标不能同时较优,而多目标算法直接用于高维目标优化时又存在难以找到一个有代表性的Pareto非劣解集问题,在某轿车驾驶员侧约束系统的优化过程中提出了乘员损伤准则与多目标算法协同优化的方法。在已有相关损伤准则基础上根据最新版的FMVSS 208和ECE R94法规提出了适合研究问题的损伤准则;以提出的损伤准则为媒介,将一个高维目标优化问题降为一个低维目标优化问题,通过灵敏度分析、实验设计、多项式近似模型筛选出优化设计变量并得到近似模型,用多目标算法NSGA-Ⅱ对近似模型进行计算得到Pareto非劣解集,将得到的Pareto非劣解集中的每个解代入损伤准则损伤值计算公式,升序排列得到各子目标同时较优而损伤值最小的优化解。最终的优化结果表明：该方法很好地解决了乘员约束系统的高维目标优化问题,优化效果明显。     

基于多属性决策的气动隐身多目标优化

针对多目标优化结果排序与选择的多属性决策(Multi-attribute decision making,MADM)问题,将多目标优化与MADM相结合,提出基于MADM的多目标优化方法,并将该方法应用于跨声速前掠翼(Forward-swept wing,FSW)气动隐身多目标优化中,优化结果提高了跨声速FSW的气动和隐身性能。采用类别形状函数变换法(Class-shape function transformation,CST)方法对翼型几何外形进行描述,实现FSW气动和隐身多学科优化设计模型的参数化描述。建立基于N-S方程的计算流体力学方法的FSW气动分析模型和基于矩量法的计算电磁学方法的FSW隐身分析模型。将Pareto多目标遗传算法得到的Pareto非劣解集构成MADM矩阵,采用基于模糊熵权的改进的逼近理想解的排序法(Modified technique for order preference by similarity to ideal solution,M-TOPSIS)方案评价方法进行Pareto非劣解排序,最终确定最佳的Pareto非劣解。研究结果验证了所提出方法的有效性,为多目标优化问题提供了一种新的解决途径。     

基于网格支配的微型多目标遗传算法

提出了一种基于网格支配的微型多目标遗传算法,该算法在求解较多目标函数的优化问题时具有较好的收敛性和较高的计算效率。该算法引入网格支配概念并结合微型多目标遗传算法,在每一代进化种群中计算各个个体的网格值、网格拥挤距离和网格坐标点距离,根据网格支配分级和网格选择机制策略选取精英个体,并对其进行交叉和变异操作,使其朝前沿面收敛以获得Pareto最优解。4个测试函数和2个工程实例验证了该算法的有效性。     

高重合度圆柱齿轮传动多目标优化设计

以重合度最大、体积最小、弯曲强度相等为目标函数,建立了圆柱齿轮传动多目标优化设计数学模型,采用带精英策略的快速非支配排序遗传算法(NSGA-Ⅱ)进行优化求解。对高速重载斜齿圆柱齿轮传动进行了高重合度优化设计,得到了Parteto最优解,并从中选择了一个优化方案与原始方案进行对比,结果显示高重合度圆柱齿轮传动的强度有明显提高,体积也有一定的减小。