基于禁忌粒子群算法的混流装配线排序研究

为了更好地解决开放式作业域的混流装配线排序问题,建立了以最小化超载时间与平顺化零部件消耗为优化目标的混流装配线排序问题数学模型,并提出了一种禁忌粒子群算法求解该排序问题。针对标准粒子群算法在算法后期搜索精度不足以及容易陷入局部最优不能跳出的缺陷,引入了禁忌搜索算法建立了对最优微粒的重搜索机制来提高算法跳出局部最优的能力,同时给出了禁忌算法中候选解、禁忌表长度、禁忌对象、藐视准则的设置方法,并采用了随机权重的惯性权重更新方式来平衡算法的全局和局部搜索能力,最后建立了禁忌粒子群的算法流程。通过比较禁忌粒子群算法与遗传算法的实例计算结果,验证了禁忌粒子群算法在求解开放式作业域的混流装配线排序问题中的有效性和优越性。     

基于改进遗传算法的混流装配线的优化设计

兼顾混流装配线的负荷平衡和投产排序两个方面,建立了以最小化闲置与超载时间之和为优化目标的优化模型,优化目标包括了一次投产循环中,各工位上最后一个产品可能引起的超载时间,从而有效地保证了混流装配线装配过程的连续性。设计了一种引入小生境技术的改进遗传算法,对混流装配线进行了协同优化设计。实例研究表明:引入小生境技术的改进遗传算法在收敛速度和收敛可靠性方面均优于简单遗传算法和保留最佳个体的简单遗传算法;在给定等长工作站个数的情况下,混流装配线的闲置与超载时间之和随各工作站长度的增加而减小,最后趋于收敛。     

基于多目标殖民竞争算法的随机型双边装配线

针对随机型双边装配线平衡问题所特有的操作方位约束、位置约束、区域约束和同步约束,以最大化线效率、最小化平滑指数和最小化单位产品总成本为目标,构建了考虑多约束、多目标的数学模型。提出了一种新型的多目标混合殖民竞争算法求解该模型,设计了相应的帝国初始化、帝国内的同化、殖民竞争等操作,并将殖民竞争算法的全局搜索能力与延迟接受爬山算法的局部搜索能力有机结合,以更快获得更优的Pareto解。通过具体实例测试,并将结果与当前文献和快速非支配排序遗传算法进行比较,验证了所提算法的可行性和有效性。     

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。     

基于改进分散搜索的混流装配线排序问题

针对混流装配线生产效率问题,设计了以最小化工作站的闲置与超载时间和最小化总调整变换时间为优化目标的数学模型.为得到高质量且平稳性好的解,提出了适应该模型求解的改进分散搜索算法.该算法首次应用一种基于遗传理论的多样性初始解生成法,不但保证了初始种群的多样性,而且为参考集提供了高质量的初始解.设计了参考集生成更新方法、子集产生方法、子集合并方法和优化解方法等多种机制,既保持了种群的多样性,又寻求到了质量较高的满意解.通过某企业混流装配线实例,验证了所设计算法的有效性.     

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。     

以成本优化为平台的混流装配线排序

随着客户需求的日益多样化,混流装配线在工业生产中得到越来越多的应用.为了降低混流装配线的闲置和超载现象带来的成本浪费,在分析混流装配线的闲置和超载成本的基础上,提出一种最小化闲置和超载成本的排序模型,并应用粒子群算法来进行优化.优化综合考虑了粒子群算法中惯性权值的关键作用,给出了一种模糊自适应的惯性权值调整方法.最后将优化模型及算法应用到具体的混流装配线,验证了该方法的有效性.这种排序方法可以降低企业的生产成本,从而提高企业的效益,在企业内具有实际的应用价值.     

物料不齐套引起的混流装配线重排序问题

针对混流装配线由于物料不齐套导致将要执行的生产排序性能恶化或不可行的问题,为保证从初始排序过渡到重排序时生产准备过程的稳定性,提出基于最小化排序偏差指标的混流装配线重排序模型。采用非支配遗传算法进行求解,为避免当前周期的能力剩余和下一周期能力不足等问题,保证生产线的整体排序性能和充分利用当前周期的装配能力,采用两周期联合优化策略和基于装配能力的分解策略。针对某空调混流装配线实例,采用所提方法求解物料不齐套引起的重排序,得到性能良好的非支配Pareto解集,并与企业现有的启发式规则的重排序结果进行比较,表明所提方法能够有效解决物料不齐套对装配线排序性能的影响。     

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。     

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。     

考虑能耗的多目标拆卸线平衡优化与层次分析法决策

针对拆卸过程中能耗浪费和负荷不均衡现象,以最小化拆卸能耗、工作站数目、平滑指数、危害指数和需求指数为优化目标,建立了多目标拆卸线平衡模型。结合拆卸线平衡问题的特点,设计了一种基于Pareto的离散果蝇算法,在嗅觉搜索阶段,采用单点变异操作;在视觉搜索阶段,筛选最优邻域解以更新个体;为了增加算法的全局寻优能力,用两点交叉操作执行全局协作机制。为了提高收敛效果,采用精英保留策略对外部档案中的非劣解进行维护。通过求解不同规模的拆卸算例,并与现有多种算法进行对比,验证了所提算法的有效性。以27项任务的某型电视机为拆卸实例,通过所提算法求得12个非劣解,采用层次分析法对Pareto解集进行排序,筛选最满意解,结果表明了所提方法和模型的可行性和有效性。     

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...     

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。

     

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IWD算法的多目标混合品种装配线平衡问题

为简化混合装配平衡问题的求解,进而提高装配线的生产效率,在兼顾产品切换引起负荷波动的基础上,综合工作站数、工作负荷平衡和任务关联度三个优化目标,提出一种求解多目标混合品种装配线平衡问题的改进型IWD(intelligent water drop)算法。对IWD算法的节点转移规则进行改进,加入最大概率引导规则和随机搜索规则;采用Pareto占优的方式对解进行分层以获得前沿解集,并根据分层结果给每个粒子提供一个启发值,依据启发值实施全局更新,增加算法的全局搜索能力;通过测试各种标准问题,验证了改进型IWD算法比遗传算法的求解速度更快、效率更高。     

采用遗传算法的混流装配线平衡多目标优化

针对混流装配线操作人数已知、生产节拍待定情况下的平衡问题,研究了混流装配线第二类平衡问题的优化方法,以均衡各工作站的加权平均负荷、最小化生产节拍为优化目标,建立了求解加权平均负荷与生产节拍加权和的数学模型,并运用遗传算法对其进行求解.各优化目标数量级的统一,简化了算法求解过程,在保证解的有效性的同时提高了算法求解效率.算例分析验证了算法的有效性.     

面向大规模定制的混流装配线平衡研究

为解决面向大规模定制的混流装配线的平衡问题,分析了这一类装配线的特点,并综合考虑工作站的数量、工作站的负荷及装配线效率三个因素,提出了面向大规模定制的混流装配线的平衡模型和优化装配线平衡的混合遗传算法.该算法将模拟退火算法和遗传算法相结合,采用了交叉概率和变异概率的自适应重构策略,有效避免了算法的早熟,增强了算法全局寻优能力.实例仿真计算表明,该算法比标准的遗传算法和模拟退火算法具有更高的求解质量和求解效率.     

基于混合粒子群算法的混流装配线投产顺序研究及仿真

针对混流装配线投产顺序的优化问题,提出两个目标函数.针于这种多目标优化问题,提出了一种混合粒子群算法.该算法结合最优解评估选取方法和遗传算法编码和交叉的思想,对粒子的全局极值和个体极值的选取做了改进.给出发动机混流装配线的一个实例,用该算法求投产顺序,按照求得的投产顺序在AutoMod仿真平台上建立仿真模型.通过仿真运行,证明了该算法求解混流装配线投产顺序的有效性以及AutoMod仿真混流装配线投产顺序的可行性.     

基于Pareto优化的离散自由搜索算法求解多目标柔性作业车间调度问题

针对多目标柔性作业车间调度问题搜索空间的离散性和求解算法的收敛性,提出一种基于Pareto优化的离散自由搜索算法来求解多目标柔性作业车间调度问题。在建立基于Markov链数学模型的基础上,证明了算法以概率1收敛;引入首达最优解期望时间来分析算法收敛速度,并分析了算法时间复杂度。采用基于工序排序和机器分配的个体表达方式,在多目标柔性作业车间离散域,利用自由搜索算法在邻域小步幅精确搜索和在全局空间大步幅勘测进行寻优;通过自由搜索算法自适应赋予个体各异辨别能力和Pareto优化概念来比较个体优劣性,不仅保留优化个体,而且使个体寻优方向沿多目标柔性作业车间调度问题Pareto前沿逼近。通过对搜索过程中产生的伪调度方案进行可行性判定,以确保调度方案可行。采用10×10FJSP和8×8FJSP问题的实例进行寻优测试,验证了所提算法的可行性和有效性。     

求解拆卸线平衡问题的一种变邻域搜索算法

针对拆卸线平衡问题特点,建立以最小化工作站数、平滑指数、危害指数和需求指数为优化目标的多目标数学模型,进而提出一种改进的变邻域搜索算法求解该问题。所提算法采用了一种启发式方法产生初始解,并构造了3种邻域结构,扩大算法搜索范围。采用初始解集进行局部搜索,搜索过程使用一步改进策略,并引入禁忌表方法,提高算法全局寻优能力。通过对大量不同规模测试问题进行算法实验,并与现有方法对比,结果表明,所提变邻域搜索算法在求解效率与求解质量上具有优越性。