一种求解等圆Packing问题的柔性位置选择算法

针对等圆Packing问题,提出一种基于位置选择的构造法。构造法就是将圆形物体逐个置入容器,在这个过程中需要从多个可行位置中选择一个恰当的位置放置圆形物体。所提算法的核心思想是将这一过程看成位置选择过程,并借鉴群智能劳动分工的任务选择实现圆形物体的位置选择。首先给出了格局和可行位置的定义,在此基础上分析了等圆Packing问题的位置选择特性;接着引入群智能劳动分工中的刺激响应原理,将未布局空间的完整度和已布局空间的紧密度分别看作圆形物体选择位置时的刺激和阈值;最后结合群智能劳动分工中的阈值变化规律,设计了自适应阈值调整策略。通过55个代表性算例的数值计算,验证了提出算法的可行性和有效性。     

基于蚁群劳动分工的空间分配方法求解带平衡约束的圆形装填问题

针对以卫星舱布局为背景的具有NP难度的全局优化问题——带平衡约束的圆形装填问题,提出基于蚁群劳动分工的空间分配方法。该方法将圆形装填问题看作空间分配问题,并借鉴蚁群劳动分工的任务分配来实现圆形装填问题的空间分配。通过中心平移策略和允许干涉策略,将带平衡约束的圆形装填问题由多目标带约束优化转化为单目标无约束优化。从空间的角度出发,建立了蚁群劳动分工与圆形装填问题之间的映射关系。引入蚁群劳动分工中的刺激—响应原理,提出了空间分配方法。该方法为圆形待布物定义了4个占位动作,并设计了相应的刺激和阈值,进而通过刺激—响应方式完成问题求解。通过3组共13个代表性算例的计算结果及与其他算法的比较表明,所提方法找到的圆形容器半径多为最优或者次优,且静不平衡量的精度最高。     

面向拉式生产系统的蚁群劳动分工建模及仿真

分析了拉式生产系统中的看板控制策略所存在的局限性,论述了看板控制策略与群集智能中的固定阈值蚁群劳动分工模型之间的相似性,提出将后者引人看板控制策略,以弥补看板控制策略缺乏全局优化能力的不足,实现平衡生产.据此对基本的同定阈值蚁群劳动分工模型进行了改进,建立了多状态蚁群劳动分工模型.通过一个多状态蚁群劳动分工模型执行过程的示例,绐出了其算法实现步骤,进而选取一个典型的生产加工实例,采用该模型进行了计算仿真实验,结果表明了该模型的可行性和有效性.     

改进蚁群算法求解圆排列问题

圆排列问题是典型的NP完全问题,且蚁群算法已成功地解决了许多组合优化的难题.介绍了一种求解圆排列问题的蚁群算法,并通过改变概率、下一个元素的选择方式以及采用分段交换,对求解圆排列问题的蚁群算法进行了优化.提出了一种改进的蚁群算法,并将其应用于求解圆排列问题.仿真实验的结果表明,该方法有效地改善了蚁群算法的搜索时间较长,且易于过早地收敛于非最优解的缺陷.     

基于蚁群算法的选择装配

选择装配是一种由低加工精度零件获得高精度装配件的方法,可归纳为一个组合优化问题,蚁群算法是解决这类问题的有效方法.综合考虑选择装配中的匹配率和匹配精度,提出以综合装配质量指标为选择装配的目标函数.为了求解选择装配的组合优化问题,在蚁群算法的框架内提出一个考虑信息素分布为节点模式的蚁群算法解构造图模型,并详细讨论蚁群算法的实现过程.通过对实例的仿真计算,考证该方法的实效性.     

用GAAA优化多阶段装配过程中的夹具布局

改进了遗传算法与蚁群算法的融合（GAAA）算法,利用它来解决多阶段装配过程中二维刚性零件的夹具布局优化问题,合理选择定位销的位置使得灵敏度指标最小化。通过改变遗传算法的变异算子,变异长度以及交叉、变异在蚁群算法中发生的位置,提高了GAAA的稳定性和收敛性。以汽车侧边装配为例验证了改进算法的有效性,结果表明改进后的GAAA比基本的GAAA和蚁群算法求得的结果要好,且收敛速度更快,稳定性更好。     

求解带区域约束的双边装配线平衡问题的一种改进蚁群算法

双边装配线在汽车、工程机械等大中型装配作业中广为应用.实际装配线布局往往受复杂区域约束,针对带区域约束的双边装配线平衡第一类问题建立数学模型.进而提出求解该问题的一种改进蚁群算法,该算法针对双边装配线问题特点建立构造解方式,综合采用禁忌集合、优先集合与蚁群搜索规则相结合的方法构造出满足区域约束条件的可行解,并采用改进的蚁群综合搜索规则搜寻任务.最后,经大量算例测试对比,验证了所提算法的有效性.     

求解卫星任务调度问题的时间片蚁群算法

为更好地求解卫星任务调度问题,提出一种时间片蚁群算法.在算法中引入任务时间片,使算法可分辨任务在不同时间窗内的执行情况;在任务分配中设计了带偏好的卫星片切割策略,改变了以往的任务分配搜索模式,极大地提高了算法的执行速度.相对于传统的蚁群算法和遗传算法,所提方法在求解卫星任务调度时具有较大优势.     

蚁群算法及灰色理论在制造资源配置中的应用

为了优化网络化制造环境下的制造资源配置问题,提出了一种将灰色关联理论和蚁群算法相结合的资源优化选择求解方式.在该求解方式中,首先根据工艺规划将零件加丁任务分解为按照时间先后排列的工序集;然后在每个工序节点上利用灰色关联理论解决多目标决策问题中的优势,通过多层次灰色关联系数的确定,筛选出一定数量满足要求的候选制造资源,从而缩小问题域的范围;最后利用蚁群算法从运输成本角度出发,寻找零件加工最优的制造资源选择路径,以实现网络化制造中制造资源的优化配置.     

基于改进蚁群算法的FMS工艺路线优化配置

针对基于CON模型的FMS工艺路线优化问题提出了一种改进的蚁群算法.蚁群算法的特点表明它适合于求解FMS工艺路线优化配置这类非线性约束复杂优化问题.本文充分利用了蚁群算法在求解该类问题方面的优势,通过融合了网格法的蚁群算法实现了将蚁群算法用于求解多变量连续函数优化问题.针对蚁群算法自身存在的容易陷入局部最优等问题,提出了引入交叉算子来改进算法的性能.