混流装配线调度问题的离散粒子群优化解

混流装配线调度问题是JIT生产中的一个重要问题。借鉴二进制遗传算法中的交叉操作过程，对传统的连续型粒子群算法进行改进，使其适用于离散问题的优化处理。然后以丰田公司的汽车组装调度函数作为目标函数，利用改进的离散粒子群算法进行求解。对比分析表明：新算法所得结果优于常用的目标追随法、遗传算法、模拟退火等方法。     

基于车型相似度的装配线排序

通过总结混流装配线排序问题,提出了一种新的装配线排序模型.根据装配车型的关键件不同,引入车型相似度的概念,应用遗传算法解决以最大化相似度总和为目标的混流装配线优化排序问题.经实践中应用,关键件装配更换次数减少了70%.     

多级分销网络设计及库存控制整合优化模型

从供应链集成的角度出发,基于多目标规划,根据排队论探讨了随机性需求下多级分销网络设计与库存控制的整合优化问题,提出了多级分销网络设计和库存控制整合优化的多目标规划模型.针对遗传算法收敛速度慢、易陷入局部最优等缺点,采用了基于并列选择法的遗传-模拟退火算法混合优化策略.实验证明,模拟退火算法提高了遗传算法的全局搜索能力,改善了遗传算法的求解性能.     

基于自适应模拟退火遗传算法的传感器优化配置研究

针对传感器优化配置组合优化问题,提出了一种基于模态置信度准则MAC的优化算法——自适应模拟退火遗传算法。以模态置信度MAC矩阵的最大非对角元的值极小为目标函数,针对满足传感器数量不变的约束条件问题,提出了二重结构编码遗传算法,并将传统的模拟退火算法改良后,作为一个独立的算子置于遗传算法进化过程中;为了避免出现过早收敛的现象,引入了自适应交叉和变异概率。算例结果表明该混合算法对传感器数目与位置同时实现了优化,得到了满足不同精度要求的传感器优化配置方案。     

基于混合动态罚函数改进协同优化算法的船舶结构静动力学优化设计

基于标准协同优化算法,针对已有改进协同优化算法的松弛因子法和罚函数法的缺陷,引入松弛因子构造混合动态罚函数改进协同优化算法,在Isight优化软件中采用了同时具备非支配排序遗传算法和自适应模拟退火算法优点的混合算法优化系统级。将改进的协同优化算法应用到船舶结构的多目标优化设计中,对船舶机舱结构的静力学和动力学特性进行优化,得到最优解并与已有的基于动态罚函数的协同优化算法结果进行比较。优化结果表明,基于混合动态罚函数改进协同优化算法的迭代次数更少,目标值更优且学科间不一致信息更小,对于实际船舶工程上的多目标多学科结构优化有一定应用价值。     

基于遗传模拟退火算法的空袭兵力分配及优化

对遗传模拟退火算法中的交叉、变异操作进行了改进，并实施了最优保留策略，形成了改进遗传模拟退火算法．以突击效果最大化和兵力损失最小化为目标函数，以空袭兵力总量的限制、空袭兵器挂载类型的限制等为约束条件，建立了空袭兵力分配及优化模型．在考虑兵力分配模型特点的基础上，利用改进遗传模拟退火算法求解．通过与多目标数学规划和标准遗传算法优化进行的比较表明，该方法能够有效地解决带约束的多目标优化问题．     

新型多目标遗传算法及其在导弹射击效能优化中的应用

多目标规划是一类重要的优化模型，有着广泛的实际应用，但其求解至今仍是运筹学的一个难点．针对一般约束多目标优化问题，在设计了新的适应度函数和选择算子的基础上，提出一种新型多目标遗传算法．将其应用于导弹对集群目标射击效能优化问题，验证了算法的有效性．     

遗传禁忌搜索算法在混流装配线排序中的应用

针对混流装配线排序问题，提出了一种混合遗传禁忌搜索算法，在每一代遗传演化之后，按一定比例随机选择部分解进行禁总搜索，以提高算法的全局搜索能力和收敛性。通过一个混流装配线排序实验，分别利用遗传算法和遗传禁忌搜索算法进行求解，结果表明遗传禁忌搜索算法具有更好的全局搜索能力和收敛性能。     

正交-遗传试验算法的分析与应用

为了解决并联机器人机构的优化设计问题,提出一种基于正交试验设计法和遗传算法的优化方法。在简要讨论正交试验设计法和遗传算法的基本原理基础上,对两种方法的寻优算法、各个参数的对应关系作了比较分析,探讨了用正交表构造遗传算法中初始种群的方法。提出一种适用于设计变量多且适应度函数难求的“一代”正交-遗传试验法的思路和方法。将该方法应用于一种新型四自由度并联机器人机构的结构优化设计,得出以机构全域条件数为目标函数的机构结构优化尺寸方案。实例证明这种优化方法行之有效。     

混流无等待总装分装流水线任务排序研究

为解决混流产品在无等待多条流水线生产条件下,由于产品生产节拍不一致导致总装分装系统中生产连续性较差的问题,研究总装分装任务排序优化方法,实现在保证批量生产、部件齐套供应前提下,使订单能够按期交货.以最小化总加工时间、最小化总提前/拖期和产品转换惩罚为优化目标,建立了优化数学模型,并设计了改进多种群蚁群算法求解该优化模型.以某机床厂某月生产任务为例进行仿真实验,与多种群蚁群算法、传统蚁群算法对比,验证了该算法性能较好.并与现行的调度方法进行对比,验证了该任务排序方法在混流节拍不一致的多条装配线生产上,能够有效地缩短产品生产周期、降低生产成本,提高订单的准时交付率.     

几种优化算法在浅海匹配场反演中的性能比较

在分析模拟退火算法、遗传算法、差异进化算法、下山单纯形差异进化算法的优化机理的基础上,定量比较了上述算法在浅海匹配场反演中的效率差异。模拟退火算法与遗传算法只使用目标函数值信息在参数空间搜索全局最优值,效率低且易受参数间耦合的影响。差异进化算法使用种群中个体间的距离与方位信息在参数空间中搜索全局最优值,优化效率随着优化过程的进行而下降。下山单纯形差异进化算法将下山单纯形算法融入差异进化算法,增强了差异进化算法的寻优能力,混合算法对目标函数梯度信息敏感的特性使得这一算法具有较强的解耦能力。浅海匹配场反演仿真算例从最优参数反演结果、最终目标函数值、反演时间等方面检验了上述算法的反演效率。     

可靠性优化的一种新的算法

建立了可靠性冗余优化模型,提出了一种基于粒子群优化算法的可靠性优化的新方法,该方法结合了遗传算法的思想。实例结果表明,粒子群算法比模拟退火算法和遗传算法效果好。     

免疫粒子群算法在混流装配线排序中的应用

混流装配线上的产品投产排序是影响装配线生产效率的重要因素.建立以最小化装配线总闲置—超载成本为优化目标的装配线排序模型,采用粒子群算法来解决混流装配线的投产排序问题.考虑到基本粒子群算法易陷入局部最优解的问题,引入免疫算法思想对其进行改进,根据抗体亲和性与浓度值的计算,及时进行粒子的替换以维持种群的多样性,防止粒子过早...     

基于改进遗传算法的三维单箱装箱问题研究

集装箱装箱问题属于NP(Non-Deterministic Polynomial)问题,为提高集装箱的空间利用率,降低物流配送的成本,合理的装箱方案是必不可少的。针对三维单箱装箱问题,提出一种基于改进遗传算法的人工智能算法,用来实现所建立的优化模型。结合实际装箱问题,分析装箱问题的约束条件,建立数学优化模型,通过将目标函数作为适应度函数和遗传操作中采用排序选择法、部分匹配交叉来实现对传统遗传算法的改进。最后,通过MATLAB编程实现该优化模型的求解,实现了集装箱装载效率的提高。     

基于SA算法的行星齿轮减速器离散变量优化设计

考虑制造工艺要求,将所有设计变量均视为离散变量,包括一般离散变量和伪离散变量,并就这两种情况下状态产生函数的设计原理进行深入研究,解决了将模拟退火算法用于离散变量函数优化的关键技术问题,介绍了一种基于模拟退火算法的离散变量函数优化的新方法。行星齿轮传动中各齿轮的齿数受传动比条件、同轴条件和装配条件的限制而不能任意取值,齿轮的模数也要受国家标准的制约只能取一些离散值,用以数学规划理论为基础的经典约束优化方法求解效果很差,用基于模拟退火算法的离散变量优化设计方法则可以方便快捷地获得满足各方面要求的最优设计方案。     

求解矩形布局问题的自适应算法

矩形布局问题属于NP-Hard问题,其求解算法多为启发式算法。该文侧重于构造布局求解算法中定位函数(规则)的优化,将模拟退火算法的思想融入到遗传算法中,提出了求解矩形布局问题的自适应算法,其利用自适应交叉、变异及接收劣质解的概率等方法对定位函数中各参数进行优化。算法通过两种方式确定初始种群的数目,具有较强的适应性。在算法搜索的后期,利用差异性较大的个体进行交叉操作,从而保持种群的多样性。最后通过实例证明了该算法能够很好的应用于矩形布局问题的求解。     

基于改进NSGA-Ⅱ的仿人机器人上楼梯运动规划方法

针对当前仿人机器人运动优化算法多采用对能耗、稳定性及速度等单目标优化而存在一定的局限性的问题,提出了一种基于多目标优化的仿人机器人上楼梯运动优化方法.针对NSGA-Ⅱ——经典的带精英策略的非支配排序遗传算法(NSGA)的快速非支配排序效率较低的问题,提出了一种基于自调整二叉搜索树的改进NSGA-Ⅱ方法,并采用改进的NSGA-Ⅱ算法实现了仿人机器人上楼梯运动参数优化.通过仿真和实际实验对比了优化前后仿人机器人的能耗和稳定性.实验表明,采用这种方法能克服单目标优化的缺点,在同时满足多个目标需求的同时有效地实现仿人机器人上楼梯.     

考虑运输时间的绿色作业车间调度问题研究

针对制造车间能量消耗大、利用率低的现状,以作业车间为研究对象,建立了一种AGV (automated guided vehicle)运输与加工资源集成调度的模型。首先,通过考虑机器间利用AGV运输工件所需的时间与对应的能耗构建了车间总能耗和完工时间的多目标优化模型,并设置权重系数来调节优化目标的偏好。其次,提出了一种融入模拟退火搜索策略的分布估计算法对模型进行求解。该算法主要是利用分布估计算法全局搜索能力快和模拟退火算法突跳性强的特点构建的一种新的混合算法。同时设计新的退火函数来进一步提高算法深度搜索能力。最后,通过实例验证所提算法的可行性和模型节能的有效性。     

铺设角度与铺层顺序对层合板稳定性的影响

以层合板结构的临界屈曲载荷系数最大化为优化目标,基于改进型模拟退火算法对层合板结构铺设角度和铺层顺序进行优化。由于层合板结构的铺层角度是离散变量,模拟退火算法适合求解离散变量的优化问题。利用模拟退火算法优化层合板铺层,在算法内采用并行计算、引入记忆功能同时设置双阈值终止准则,有效地提高了优化过程的收敛速度,同时避免优化过程中出现局部最优解。以临界屈曲载荷系数作为目标函数,选取复合材料层合板的铺设角度顺序为设计变量,采用改进的模拟退火算法得出复合材料层合板的最优铺设角度以及铺层顺序。     

多生产线且多节点环境下的订单选择模型

由于有限资源的约束,企业经常拒绝接受一些不能保证能按时交付的订单。因为延迟交付带来的惩罚往往使这些订单无利可图,其罚金一般与延期时间长度相关。Slotnick等人提出的延迟惩罚订单选择模型是优化决策此类问题的常用模型。本文将原模型由单节点扩展到较复杂的多节点且多生产线应用环境下,给出了相应的订单选择模型。并设计了多维交替优化的模拟退火算法来同时优化选择和排序两个维度,给出了详细的算法步骤。然后对模拟数据进行了仿真算例求解,验证算法的求解效果和计算效率。同时对比了两种不同订单排序策略,算例结果也表明：跨生产线的混合订单排序方式能比传统的订单不跨线同步方式获得更好的目标收益。