混流装配排序问题的改进人工蜂群优化

为解决离散的混流装配线作业排序问题,提出一种基于人工蜂群优化算法的改进算法。采用NEH启发式方法优化初始种群质量;在雇佣蜂算法中建立了变邻域区域搜索机制并嵌入模拟退火算法,提高了算法的搜索精度与广度;提出一种最优控制策略,通过限制最优解群体的成长速度,有效降低了种群相似度,提高了算法的全局搜索性能。实验方面,算法参数通过标准算例仿真对比设定,并采用Benchmark标准算例对所提算法与标准人工蜂群优化算法、遗传算法、混合遗传算法、改进粒子群优化等算法进行了对比。通过一个混流排序实例的仿真,对比证明了算法在求解混流装配线排序问题上的有效性。     

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。     

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。     

基于改进粒子群优化算法的混流装配线演进平衡

随着产品需求的多样化、装配工艺及技术进步、设备更新等动态变化,装配线平衡方案需不断调整,甚至重新规划与演进平衡。为了探究上述因素对混流装配线演进平衡的影响,提出了实现装配线演进平衡的方法,建立了以最小化装配线的生产节拍、站间平滑指数、演进平衡调整成本为优化目标的混流装配线演进平衡数学模型,并通过改进粒子群优化算法进行优化。在该算法中,为增加粒子的多样性和搜索能力,克服传统粒子群优化算法快速收敛等问题,以粒子进化的成功率来更新算法中的惯性因子,将群体中非最优粒子中的有利信息迁移到群体中的最优粒子上,从而加快算法的搜索速度。结合某企业的生产实例验证了该方法的有效性和可行性。     

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。     

基于混合粒子群算法求解装配线第二类平衡问题

阐述了装配线平衡问题类型及其平衡求解的相关算法,给出了装配线第二类平衡问题的数学描述。在分析用标准粒子群优化算法求解装配线第二类平衡问题的缺陷基础上,利用粒子群优化算法所具有的全局搜索能力和高搜索效率以及模拟退火算法所具有的局部搜索能力,提出了采用粒子群和模拟退火的混合算法求解第二类平衡问题的方法,并给出了求解流程。应用实例证明,用混合粒子群优化算法比标准粒子群优化算法求解第二类平衡问题能获得更优的结果。     

求解多目标混流装配线平衡问题的VPS-PSO算法

为了更有效地减少工作站数目、提高装配线效率,提出了一种基于多目标混流装配线平衡问题的方法。针对混流装配线平衡问题,采用工作站损失指数、装配线损失效率和平滑指数的评价指标作为混流装配线平衡优化问题的适应度函数,在给定节拍和装配优先顺序的前提下建立多目标优化模型。提出一种基于变种群策略的改进粒子群(VPS-PSO)算法能有效地维持种群的多样性,提高粒子群算法的全局搜索寻优能力。案例表明,该算法相对于PSO算法具有更好的寻优能力和求解效率,可以更高效地得到合理的装配线平衡方案。     

求解作业车间调度问题的广义粒子群优化算法

为克服传统粒子群优化算法在解决组合优化问题上的局限性，分析了其优化机理，并在此基础上提出了广义粒子群优化模型。按照此模型提出了一种求解作业车间调度问题的广义粒子群优化算法。在本算法中，利用遗传算法中的交叉操作作为粒子间的信息交换策略，利用遗传算法中的变异操作作为粒子的随机搜索策略，而粒子的局部搜索策略则采用禁忌搜索来实现。为了控制粒子的局部搜索以及向全局最优解的收敛，迭代过程中交叉概率以及禁忌搜索的最大步长都是动态变化的。实验结果表明，本算法可有效地求解作业车间调度问题，验证了广义粒子群优化模型的合理性。     

基于改进粒子群算法求解第二类装配线平衡问题

阐述了装配线平衡问题的种类以及平衡问题的相关解法,给出了第二类装配线平衡问题的数学模型.采用基于优先权重的编码方式对粒子位置进行编码,通过粒子的位置和作业顺序图设计相应的解码算法,确保粒子在解码后总是可行的作业序列,提高了算法效率.针对标准粒子群算法求解装配线平衡问题时可能陷入局部最优的不足而引入了速度罚值,以提高粒子群算法的全局搜索能力.通过算例比较,说明改进粒子群具有更强的全局寻优能力;同时经过对经典算例的测试,验证了改进后的粒子群算法具有可行性以及有效性.     

混合遗传算法在汽车混流装配线平衡中的应用研究

为实现汽车流水装配线各工位任务均衡,分析了汽车总装工艺流程和作业特点。根据装配线平衡问题的不同求解参数和约束条件,建立了3类装配线平衡问题数学模型。以遗传算法为基础,融入模拟退火算法来提高局部搜索效率,提出了混合遗传模拟退火算法。按作业元素分配到工位的先后顺序,用序列编码方案将混合遗传模拟退火算法应用到混流装配线平衡实例中。计算结果表明,该算法求解装配线平衡问题优于传统启发式算法。