结合支配强度的NSGA-Ⅱ的柔性车间低碳调度

针对加工辅助环节对传统柔性车间低碳调度的影响这一问题,以最大完工时间、碳排放及机器负载为目标,建立考虑机床上下料调整状态的柔性车间低碳调度模型,利用加权归一法进行量纲的统一;针对非支配排序遗传算法(Non-dominated Sorting Genetic Algorithm-Ⅱ,NSGA-Ⅱ)在解决高维多变量、复杂Pareto边界及复杂非线性多目标问题时存在无法识别非支配解、拥挤度公式不合理、计算效率低下及解集质量较差等问题,提出一种基于支配强度的改进NSGA-Ⅱ算法(Improved NSGA-Ⅱ algorithm based on Dominant Strength, INSGA-Ⅱ-DS)对该模型进行求解：将支配强度引入非支配排序,采用新型拥挤度算子与基于外部档案集的自适应精英保留策略;设计了一种变邻域搜索策略,扩大了邻域搜索范围,增强了算法的局部搜索能力。并运用实例数据对INSGA-Ⅱ-DS性能进行验证,结果表明,改进算法求解效率更高,解集质量更优。     

带模糊预约时间的车辆路径问题的多目标禁忌搜索算法

为优化具有模糊预约时间的车辆路径问题,应用模糊事件给出了车队服务满意度的一个新的度量方法和求最大满意度的计算方法.建立了多目标数学规划模型,并提出多目标禁忌搜索算法求解Pareto最优解.采用随机车辆配载方法生成初始解放入候选解池中,提出插人可行邻域和2-Opt可行邻域进行邻域搜索.对池中的Pareto解进行并行的禁忌搜索得到局部Pareto解再注人池中,最后求得一组Pareto解.通过Solomon的benchmark算例,与非支配排序遗传算法Ⅱ进行对比实验,说明了所提算法的优越性.     

一种基于改进NSGA-Ⅱ的多目标绿色柔性作业车间调度方法

针对多目标绿色柔性作业车间调度问题,建立了以最小化最大完工时间、总负荷和总能耗为优化目标的多目标优化模型,提出了一种带有自适应交叉变异算子和学习机制的改进NSGA-Ⅱ多目标优化算法。该算法通过机器和工序的两级编码机制,使用基于全局、局部和随机选择的非支配排序选择策略得到初始种群;采用具有自适应算子的混合交叉变异策略进行迭代,提高算法的全局搜索能力;引入分布函数来改进精英保留策略提高种群的多样性;通过学习机制进行邻域搜索提高算法的局部搜索能力。最后,采用基准测试算例Brandimarte以及Kacem数据集对算法进行测试,结果表明采用改进的NSGA-Ⅱ算法求解多目标绿色柔性作业车间调度问题具有求解精度高、收敛速度快以及解集多样性好的优点。     

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。     

基于改进NSGA-Ⅱ算法的多目标云制造服务组合优化研究

为了提高云制造服务组合寻优质量，提出一种基于改进NSGA-Ⅱ算法的多目标云制造服务组合优化方法。首先改进支配强度的概念来快速确定非支配解集中个体的优劣，然后对NSGA-Ⅱ算法应用不同的局部搜索策略，在算法前期加强对优秀个体的搜索以加速收敛，算法后期对稀疏个体融合邻域搜索与模拟退火算法来增加种群的多样性。最后结合企业实际案例，验证了优选模型的有效性和算法的可行性。     

基于改进NSGA-Ⅱ算法的发动机活塞机构优化设计

为提高发动机活塞机构的运动性能,提出了以最小跟踪误差和传动角与直角的偏差最小为优化目标,建立发动机活塞机构多目标优化模型,引入NSGA-Ⅱ算法对活塞机构进行多目标优化。为提高NSGA-Ⅱ算法的种群的多样性和搜索能力,对交叉算子和变异算子进行改进,应用NSGA-Ⅱ算法与改进算法对发动机活塞机构优化问题进行求解,分别得到各自的Pareto解集,并通过逼近理想解排序法选出最优解进行对比。通过实验对比表明,改进算法的Pareto解集分别更均匀、收敛速度快、跟踪误差更小,能为发动机活塞机构的优化设计提供参考依据。     

基于候鸟优化算法的阻塞流水车间调度问题

针对以最小化总流程时间为目标的阻塞流水车间调度问题,提出一种有效的候鸟优化算法。采用最小最大算法产生初始鸟群中的领飞鸟,并以领飞鸟的邻域解作为初始鸟群中的其他个体,保证了初始鸟群的质量和多样性。通过最优插入+最优交换操作产生鸟群的邻域解,使算法能更快地搜索到高质量的解。基于迭代贪婪算法的毁坏和构造操作的局部搜索策略进一步增强了算法的局部寻优能力,使算法在集中搜索和分散搜索之间达到更合理的平衡。通过求解经典的Taillard基准算例验证了所提算法的高效性和鲁棒性。     

基于柔性靠泊的港口疏船调度多目标优化及最优解选择

针对集装箱码头大量船舶压港后的疏船调度需求,以船舶平均等待靠泊时间最短和港口加班作业成本最低为目标,构建了基于柔性靠泊的港口疏船调度多目标优化模型.采用嵌入邻域搜索规则的自适应粒子群算法进行求解,并基于得到的Pareto非劣解集,通过挖掘Pareto前沿分布的特点,以同时兼顾船公司和港口各方利益的无偏向概念,求出令船方和港口方均可接受的最优解.以大连港集装箱码头的实际案例为背景,验证了所建模型和求解算法的可行性.经过与常规粒子群算法和NSGA-Ⅱ对比,证明改进后的粒子群优化算法能够在更短时间内获得结果更好的最优解,且具有良好的稳定性.     

多目标不完全拆卸线平衡问题的建模与优化

针对实际生产中在满足约束条件下仅考虑拆卸需求零件和危害零件的特点,以工作站数目、空闲时间均衡指标和拆卸成本为优化目标,构建了不完全拆卸线平衡问题多目标模型。基于解的离散性和优化目标的多重性,提出一种Pareto解集思想的变邻域-粒子群融合算法。该算法通过建立拆卸任务和粒子群迭代搜索的对应关系,将变邻域搜索作为局部搜索策略,同时引入Pareto解集思想、拥挤距离机制处理多目标问题,以保证求解结果的多样性;通过Hyper-volume指标解决了多目标优化难以评价算法收敛性能及Pareto解集优劣等问题。采用所提算法求解不同规模完全拆卸线平衡问题测试算例,其中不同搜索深度的对比试验表明了变动搜索深度能很好地兼顾求解质量和求解效率,不同算法的对比试验表明了所提算法的优越性。最后,将所提模型与求解方法应用至某打印机不完全拆卸线的设计中。     

多目标产品配置优化研究

针对多目标产品配置优化问题,考虑实例关系和个性化等约束,构建了以性能、成本和交货期为目标的产品配置模型。设计了一种改进的非支配排序遗传算法(Non-Dominated Sorting Genetic AlgorithmⅡ,NSGA-Ⅱ)进行配置模型求解,并根据顾客偏好推荐配置方案。该算法采用动态罚函数处理约束问题,采用自适应交叉和变异概率提高算法收敛速度,对变异操作结果进行模拟退火操作,避免了算法陷入局部最优解,并针对多目标问题改进了Metropolis准则。通过算法验证与实例应用,证明本模型有效可行,改进NSGA-Ⅱ算法在配置问题求解上优于NSGA-Ⅱ算法。