面向混流生产线排序问题的改进回溯搜索算法

针对产品工艺的复杂性和多样性导致的混流生产线生产效率低下的问题,建立各个工作站零件利用率最大化和总体均衡化的函数模型,提出了一种基于改进多个目标回溯搜索算法的混流生产线排序方法,利用多权重下的最优个体精英历史种群引导当前种群进化,以提高全部搜索能力的收敛速度。将该算法应用于装配线排序问题上,为混流生产车间的作业排序提供有效的依据;同时将多目标回溯搜索算法与遗传算法、回溯搜索算法进行对比,结果表明改进的回溯搜索算法在混流生产线排序问题上的优越性。     

混流装配线的规划设计与仿真研究

混流装配线可以在同一条线上可装配几种不同类型的产品.本文主要研究混流装配线的负荷平衡以及投产排序优化的问题.阐述了混流装配线负荷平衡的分类、目标函数及求解算法,并建立了三种排序的目标函数:最小化工作站的闲置与超载时间、保持均匀的零部件消耗速率.根据某汽车装配线的实际情况,在eM-Power数字化工厂软件的基础上二次开发装配线的仿真模型并进行了生产评估.     

基于遗传光学算法的镜片加工车间布局优化

为了提高镜片加工车间生产效率,降低成本,对设备布局优化问题进行研究。以最小化镜片车间设备间物流搬运费用和设备包络面积为优化目标,构建了多行设备布局优化模型,并开发了一种遗传光学算法来求解模型。在算法设计中,通过连续编码、部分优先权解码的策略,将光学算法取代遗传算法中变异算子,改进了遗传算法容易陷入局部最优的缺点。结果表明,光学遗传算法的求解质量高于遗传算法和自适应遗传算法,能比遗传算法结果节约搬运成本10%;表明文中方法能够解决镜片车间设备布局的问题。     

基于改进遗传算法的装配线平衡研究

针对第二类装配线平衡问题,提出一种改进的遗传算法以解决经典遗传算法的早熟问题。在改进的遗传算法中,提出并引入基因浓度补偿策略,以保持选择及进化过程中种群的多样性,避免算法过早收敛,提高全局寻优能力。同时采取自适应遗传操作算子,在进化过程中动态调整交叉和变异算子,以提高算法的局部搜索能力及算法的计算速度。最后通过实例验证了此改进遗传算法的可行性,在寻优性能以及运算效率上都优于经典遗传算法。     

基于改进NSGA-Ⅱ算法求解混流装配线平衡问题

针对混流制造系统装配线平衡和物料配送车辆路径优化问题,从优化目标、影响因素和约束条件等方面,建立了以装配线平衡最小均衡系统、物料小车最短行驶距离和最小车辆利用率最大为优化目标的多目标混流装配线模型。根据问题的具体情况,设计了一种基于生态进化策略的NSGA-Ⅱ算法,该算法定义了一种环境自检算子用于检测环境是否变化,主体种群与选择后经过交叉、变异后面对环境变化的种群进行竞争,迭代过程中种群内捕食与被捕食的竞争以促进种群多样性及不断提高生存力,算法采用0~1编码,通过具体混流装配系统中实例验证了所建模型和算法的有效性。     

基于SGRASP-LP算法的混流装配线排序问题

针对实际混流装配线上工作站工作过载过大、无效时间过长导致的装配线运行效率低下问题,在保留基本模型约束条件的基础上引入"保持生产混合"和"作业自主中断"两个约束条件,建立以"最小化工作过载和无效时间"为目标的混流装配线排序问题优化模型。在基本GRASP算法的初始解构造阶段增加阈值参数选择机制,并将改进后的GRASP算法与线性规划方法结合,设计了模型的SGRASP-LP求解算法。以某汽车企业的底盘装配线为例,将SGRASP-LP算法分别与GRASP算法和企业解决该类问题常用的MILP算法相比较。结果表明,SGRASP-LP算法运算速度更快,所求方案更优,是解决相关排序问题的有效算法。     

基于自适应的NSGA-Ⅱ多目标柔性作业车间调度

针对非支配排序遗传算法（NSGA-Ⅱ）进行自适应改进，采用独立的交叉和变异操作对工序与设备进行排序及分配的调整，从而求解多目标柔性作业车间调度问题。改进后的算法可依据不同阶段,动态调整算法的交叉概率与变异概率,提升算法运算效率、种群多样性并减少非法解的产生。最终，通过实例仿真验证算法的有效性。结果表明：新方案的最大完工时间、加工能耗、加工设备总负载和延期时间均得显著改善，有效提高了生产管理效率。     

基于多群体协同进化混合算法的FJSP研究

为更有效地解决柔性作业车间调度问题,提出一种多群体协同进化混合算法,该混合算法的主群与子群分别采用带有精英保留策略的遗传算法与粒子群算法。算法初期主群与子群以不同的策略独立并行地进行寻优,后期主群与子群、子群之间按照一定的规则进行信息的交流以实现协同进化,从而提高算法前期全局搜索能力与后期局部挖掘能力。此外,借助信息熵实现了主群交叉、变异概率的自适应调整并运用凹函数递减策略对三个子群的惯性权重值进行动态调整以提高该混合算法的整体优化性能。最后,通过Kacem基准问题验证了该算法求解柔性作业车间调度问题的有效性。     

基于自适应网格多目标量子遗传算法的轧制规程优化

轧制规程设定是铝热连轧轧制过程控制的重要内容,轧制规程的好坏直接影响产品质量和生产效率。针对铝热连轧过程轧制规程优化目标的多样性问题,提出改进的混沌多目标量子遗传算法对轧制规程进行优化。该算法初始化引入混沌序列并采用量子位概率指导的实数交叉与混沌变异相结合的方法,同时采用非支配排序、自适应网格及外部解集等多目标优化策略,从而提高了寻优效率和收敛速度。以等相对负荷、末机架板形良好为目标函数,对河南某铝厂热连轧机进行轧制规程优化。仿真结果表明,优化规程的打滑因子和负荷系数优于原始规程。     

基于GA&SA的混流装配线平衡系统的研究与实现

在对柔性生产环境下的多品种混流装配线设计问题进行分析的基础上,结合4种不同型号的保险杠的装配工艺,提出结合当量节拍、可变装配站与固定工作站的设计技术,设计以装配线过载和闲置成本最低为目标的投产排序模型,并开发一个面向对象的投产排序系统,运用SA&GA混合算法对模型进行求解,得出最佳投产排序解决方案。     

基于内共生算法的混装线平衡和排序协同优化

为解决以串行的方式进行混流装配线平衡和排序的优化难以求得整体最优的问题,对混流装配系统进行研究.在综合分析平衡和排序相互影响的基础上,提出以整体的思想进行平衡和排序协同优化的方法;对传统组合方案的评价指标进行改进,构建了以实际工作负载均衡、实际闲置时间最小为目标的优化模型,克服了综合评价指标偏向于衡量平衡或排序单个因素...     

基于改进NSGA-II算法的高维多目标柔性冲压车间生产调度优化

为了优化柔性冲压车间的生产调度、减少车间的生产能耗、实现绿色可持续发展，以车间总能耗、最大完工时间、总拖期、设备总负载最小为目标，建立了高维多目标柔性车间调度模型。提出改进的二代非支配排序遗传算法NSGA-II,该算法优化了局部搜索操作、精英选择策略、交叉和变异概率。根据柔性冲压车间的生产实例，利用传统和改进的NSGA-II算法分别对4个目标函数进行求解，并对各目标的优化迭代过程进行对比，验证了改进算法的有效性。同时，采用优劣解距离法选取一个调度方案，与基于传统NSGA-II算法求出的生产调度方案相比，改进算法得出的调度方案的车间总能耗降低了22.1%、最大完工时间缩短了14.8%、设备总负载减少了11.6%。     

基于带精英策略的NSGA-Ⅱ遗传算法的车间作业调度研究

研究了带精英策略的非劣前沿分级遗传算法，优化了算法终止条件。针对多目标车间作业调度优化无法找到唯一最优解的问题，提出了基于带精英策略的非劣前沿分级遗传算法的多目标车间作业调度的优化策略和实现方案。仿真结果表明，基于带精英策略的非劣前沿分级遗传算法是求解多目标车间作业调度问题的有效算法。     

基于遗传算法的加工操作排序及优化

针对加工操作排序是一个动态的、多约束的组合优化的过程,提出了基于遗传算法的加工操排序方法。以最小变化机床、装夹和刀具次数为目标,构建操作排序优化模型。根据加工规则建立工艺约束关系,生成操作优先关系矩阵,验证并调整加工操作确保排序有效。采用双层编码遗传算法将加工资源与操作相关联,分析操作优先关系矩阵划分加工阶段,减少无效解的求解空间。应用遗传算子选择、交叉和变异,并对算法进行了改进,采用进化逆转操作提高局部搜索能力,加快收敛速度。最后通过实例验证该算法的有效性和实用性。     

求解Job-Shop问题的改进搜索范围自适应遗传算法

为改善遗传算法求解Job-Shop问题时较差的局部搜索能力,并提高搜索最优解的速度,提出了一种改进的搜索范围自适应遗传算法。该算法采用一种新型的交叉操作,通过交叉和变异搜索过程提高遗传算法的局部搜索能力,同时采取MWKR优先规则优化初始种群。对作业车间调度问题进行仿真研究,结果表明该算法能找到问题的最优解,是可行和有效的。     

混合遗传算法在机器人路径规划中的应用

针对传统智能算法在多障碍物环境下求解路径时存在忽视路径安全性，易陷入局部最优解等问题，提出一种融合粒子群算法(PSO)、遗传算法(GA)和人工势场法(APF)的混合遗传算法(PA-GA)。首先，改进障碍物参数和算法的适应度函数，引入防碰撞距离与安全距离，保证路径安全性；其次，通过动态调整粒子群算法中的惯性权重增强粒子的搜索能力，加快算法收敛；然后，引入分群策略、等级交叉策略和人工势场法来改进遗传算法的交叉变异操作，依靠自适应调整交叉变异概率加快收敛速度；最后，将改进后的算法融合，保证混合算法在全局和局部的寻优能力。仿真结果显示，PA-GA算法具备了较强的寻优能力，且路径检索结果更好，收敛速率也更快。     

基于递阶优化的电器装配线作业调度研究和应用

针对电器装配车间的特点,将装配线的作业调度分为车间管理决策层和车间装配单元执行层,建立了基于递阶优化理论的装配线作业调度模型.模型上层为车间管理层,以控制成本最低为决策目标;下层为N个平行的装配单元,以在满足车间层设备能力和资源配置约束的基础上,以完工时间最短为目标进行优化.并引入遗传算法对模型进行求解,通过实例验证了该模型的有效性和可行性,解决了车间管理层与车间层之间成本和能力利用平衡问题,实现了电器装配车间作业调度的自动化与优化.     

基于Flexsim仿真技术的混合装配线平衡优化

在制造企业装配过程中,混流装配能够提高物料利用率,满足顾客个性化需求,提高企业竞争能力。以某企业的一条混流装配线为例进行了研究,利用Flexsim仿真软件建立车间系统加工流程模型,对混流装配线进行仿真,进行平衡设计。通过对仿真输出数据的分析,得出装配线的"瓶颈"工位。最后为该装配线提出改进方案,并进行优化仿真,通过对改进前后方案仿真结果的对比分析,验证了改进方案的可行性。     

基于自适应遗传算法混合Flow-shop的调度与仿真

通过对柔性制造系统中混合流水车间生产调度问题的分析和研究,开发了基于遗传算法的生产调度方法,调度目标为最小化工件的最大完工时间。采用了一套新的染色体编码方法以保证个体的合法性与计算的方便性,设计了相应的交叉和变异操作算子,并生成最优的排序计划。仿真结果表明,改进后的顺序自适应交叉遗传算法更能有效地解决混合流水车间调度问题,并采用VB软件编程实现了调度过程的动态仿真。     

数控机床与机器人一体化车间多目标优化布局

为降低一体化生产车间的物流运输费用和减少设备占用面积,提出了组合变异多种群遗传算法的设备布局优化方法。对数控机床与机器人的一体化车间设备布局问题进行了抽象,以物流费用最少和占用面积最小为目标,建立了车间设备布局问题的优化模型。根据交叉和变异参数对算法的影响,通过设置不同算法参数实现不同搜索策略倾向;为了深化局部搜索能力,给出了随机数调节的组合变异策略,从而提出了组合变异多种群遗传算法的模型求解方法。经验证,组合变异多种群遗传算法的搜索能力强于标准遗传算法;加入机器人后,工件物流费用减少了15.85%,对设备的包络长度减少了6.64%,说明了机器人加入生产车间的经济性与合理性。