基于改进遗传算法的多目标装配线平衡优化研究

针对离散制造企业装配线再平衡问题,文章提出基于改进遗传算法的多目标装配线平衡优化方法.以最小化生产节拍、最大化产线平衡率和最小化平滑指数为优化目标建立装配线再平衡优化模型,并采用改进的遗传算法对平衡模型进行求解,算法基于任务排序的种群初始化方法,采用两点交叉方法,提高了算法寻优能力.文章最后以青贮机装配线实际案例验证了...     

并行机作业车间等量分批多目标优化调度

为降低并行机作业车间等量分批多目标优化调度问题的复杂度,提高优化效率,提出了一种基于仿真技术和改进非支配排序遗传算法的分步优化方法.建立了一类以完工时间最短和总制造成本最低为优化目标的并行机作业车间等量分批多目标优化调度模型;将各产品进行等量分批,以Witness为仿真平台建立并行机作业车间等量分批生产仿真模型,通过组合仿真优化得到产品理想的等量分批方案,从而将原问题转化为并行机作业车间多目标优化调度问题;设计了一种改进的非支配排序遗传算法,对并行机作业车间多目标优化调度进行求解.通过算例分析验证了该方法的有效性.     

基于遗传算法和仿真分析的混合装配线平衡问题研究

为兼顾混合装配线平均负荷平衡和瞬时负荷平衡,提出了一种综合运用遗传算法和仿真分析的混合装配线平衡问题的求解方法.首先,基于综合作业顺序图和多品种产品在每个作业任务上的平均作业时间,采用遗传算法求解混合装配线平衡问题,其优化目标是均衡各工作站平均作业时间;然后,对遗传算法求解的一组较优解,从瞬时负荷平衡方面进行仿真分析,其优化目标是最大化各工作站利用率;最后,综合两个优化目标确定混合装配线平衡问题的最优解.通过算例分析,验证了求解方法的有效性.     

基于多规则设备分配及工序排序的FJSP多目标集成优化方法

为降低柔性作业车间调度多目标优化的复杂度,提高优化效率,提出一种基于多规则设备分配及工序排序的柔性作业车间调度多目标集成优化方法.建立了一类以完工时间、设备最大负荷、设备总负荷以及制造成本为优化目标的柔性作业车间调度多目标优化模型;针对模型的组合爆炸特点,为降低其复杂度,提出一种将多规则设备分配及工序排序相结合的集成调度思想;为进一步提高求解效率,提出一种面向对象数据处理技术用于处理各实体之间的数据交换;基于改进的非支配排序遗传算法思想,提出了基于多规则设备分配及上序排序的柔性作业车间调度多目标集成优化算法.通过仿真对比与应用验证了所提方法的有效性.     

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。     

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。

     

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。     

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.     

混合装配线平衡与优化的研究

提出混合装配生产线的两种平衡求解方法:理论建模和动态仿真建模。首先以某装配线为研究对象,以使工作站的时间与负载的差距最小为平衡的目标;其次采取改进的Petri网法进行求解,应用仿真软件建立动态模型;最后通过比较,结果表明综合运用这两种方法是求解混合装配线平衡问题较有效的方法。     

基于网格自适应直接搜索和仿真的串行供应链控制策略优化

针对存在多类随机需求及允许订单拆分的多级串行供应链系统,对包括生产策略和配给策略的控制策略进行研究,建立了基于(R,T)库存策略的控制策略优化模型。鉴于求解的复杂性,提出一种基于网格自适应直接搜索与仿真的集成求解方法。集成求解方法中,利用Arena构建的串行供应链系统进行离散事件仿真并返回系统绩效指标;使用MATLAB实现的网络自适应直接搜索,对控制策略优化模型进行优化求解。实验结果表明,与遗传算法相比,所提集成求解方法能有效优化串行供应链系统的控制策略、降低平均总成本,从而验证了该方法的有效性。     

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。     

以下游释放顺序为导向的汽车总装车间重排序

为解决带线性缓冲区的汽车总装车间平准化重排序问题,以最小化产品实际生产率与理想生产率的偏差为目标,建立了整数规划模型。基于以下游车辆释放顺序为导向的思路,提出了求解该问题的3种重排序方法,即分组重排序、滚动重排序和基于蚁群优化算法的重排序。最后采用不同的参数组合设计算例,对所提方法的性能进行验证。结果表明,滚动重排序的性能优于分组重排序,而基于蚁群优化算法的重排序方法表现最佳。     

基于装配关系复杂性测度的多目标混流装配线平衡优化

在混流装配线中,各工作站装配关系复杂性会影响作业效率和工人负荷.基于信息熵对装配关系复杂性进行度量,以最小化生产节拍、装配线平滑指数和装配关系复杂性平滑指数为优化目标,建立多目标混流装配线平衡优化模型,运用第二代非支配排序遗传算法(NSGA 2)设计求解,并结合某企业混流装配线实例验证方法的有效性.研究结果表明该优化方...     

基于多目标萤火虫算法的可调节产品族优化设计

在多平台可调节产品族优化设计下,针对无先验信息时产品族共性与差异性合理平衡的复杂性,提出以共性最大及平均性能损失最小的可调节产品族多目标约束优化模型。借鉴“非支配排序＋拥挤度排序”思想,对传统的萤火虫亮度比较操作及亮度更新操作方法进行改进,提出一种适用于求解多目标约束优化模型的改进型萤火虫算法;构造具有共性可变能力的双层结构人工萤火虫个体表达模式,用于求解可调节产品族优化模型。通用电动机产品族优化设计案例的仿真实验,验证了所提模型和算法的有效性。     

面向成本的双边装配线平衡和员工分配

员工工资是装配成本中的重要组成部分,如何实现工资支出最小化得到越来越多的关注。同时在实际生产中,员工技能的差异也导致对相同操作不同的加工效率,进一步导致了员工最优化分配问题。针对面向成本的双边装配线平衡和员工分配问题,构建了最小化员工成本的数学模型,同步考虑装配线负载均衡,形成多目标的优化模型。提出一种改进的重启模拟退火算法,设计了新的邻域结构和重启机制。在邻域结构中,设计了3种邻域结构;在重启机制中,根据聚集距离优先选择较离散的个体,以获得分布性更好的帕累托解集。最后对7组随机生成的实例进行求解,将重启模拟退火算法与快速非支配排序遗传算法进行对比,验证所提算法的高性能。     

非同步混装线负荷平衡与投产排序集成优化方法

为了提高非同步混流装配线的生产效率,提出了一种负荷平衡和投产排序的集成优化方法.首先通过综合优先图,将多品种装配线平衡问题转变成单品种平衡问题;通过设计组合优先启发式方法,以最小化生产节拍为目标,生成平衡方案;在平衡方案基础上,按照生产需求,采用考虑有限缓冲区容量的NEH(Nawaz-Enscore-Ham)算法,获得...     

基于混合遗传算法的混合装配线排序问题研究

为使混合装配线有效运作,研究了混合装配线的生产排序问题。以装配线上各种零部件消耗速率均匀化和最小生产循环周期最短为优化目标,描述了多目标排序问题,并建立了优化模型。针对基本遗传算法在求解排序问题时的早熟收敛问题,提出一种改进混合遗传算法。该算法借助模拟退火算法思想对适应度尺度进行调整,使遗传进化初期削弱种群中个体适应度差异,而在遗传进化后期强化种群中个体适应度差异,以提高对最优解的搜索能力。同时,根据个体适应度自动调整遗传操作参数,既保存了种群中的优良个体,又不失个体的多样性。最后通过案例分析验证了算法的有效性。     

混流轿车总装配线的动态规划与仿真优化研究

为设计合理的轿车总装线和提高生产效率,分析了其总装工艺流程及特点.建立装配线负荷平衡的数学模型及在3种不同阶段时的目标函数,确定了设计参数的上下界限并分析了各种启发式求解算法.采用最小生产循环来研究混流装配线的产品投产排序问题,建立了基于闭环工位时间移动窗口的最小化装配线空闲与超载时间和准时生产环境下零部件消耗速率均匀化的目标函数,并分析了3种优化算法.在数字化工厂软件eM-Power的平台上建立了轿车总装车间的底盘工段与分装工段部分工位的仿真对象模型及控制逻辑.最后,进行了生产评估并验证了所建模型的有效性.     

基于NSGAⅡ的齿轮减速器多目标优化研究

为了解决工程设计中有离散变量、多约束的多目标优化问题,对改进的非占优排序遗传算法(NSGAⅡ)进行了研究,通过基于拥挤距离的非占优排序,提出了离散变量和多约束的处理方法,利用Matlab软件编写了NSGAⅡ的多目标优化程序,并以二级减速器多目标优化设计为例,建立了多目标优化数学模型,运用NSGAⅡ算法求解得到了帕累托最优解集,根据模糊集合理论的有关方法选取了最优解,与传统方法得到的结果相比,体积、失效概率和传动误差都有不同程度的降低。研究结果表明,修改后的NSGAⅡ能用于有效地求解有离散变量、多约束的多目标优化设计问题。