基于改进蚁群算法的装配序列规划

针对装配序列规划问题,分析了基本蚁群系统的不足,提出了面向装配序列规划的改进蚁群算法,来获得最优或次最优的装配序列.改进蚁群算法中,将装配操作约束作为启发式信息引入状态转移概率中,通过获取零部件之间的装配关系设定可行转移范围.通过信息素残留系数的动态变化和影响转移概率的α、β参数的动态设置,提高了蚁群的收敛速度并有效地避免了其陷入局部最优解.通过实例验证了改进算法的有效性.     

基于混合蛙跳算法的复杂产品装配序列规划

为提高机械产品的装配效率,提出一种基于混合蛙跳算法的产品装配序列规划方法。该方法针对混合蛙跳算法中各个模因组内的最优样本容易出现趋同性的现象,引入遗传算法,提出最优样本的差异性控制策略,以改善种群的差异性。建立了以装配操作稳定性、惩罚函数、装配方向改变次数和装配工具改变次数为装配序列评价指标的适应度函数模型。以一个装配体实例分析该算法的特性,验证了改进混合蛙跳算法的可行性和稳定性,并将该算法与标准混合蛙跳算法和遗传算法相比较,证明了改进混合蛙跳算法更有效。     

基于遗传算法的装配序列规划研究

分析了传统装配序列规划的不足，建立了考虑子装配体稳定性的目标函数，采用带记忆的遗传算法进行装配序列规划；在初始种群生成时，可以输入带专家知识的可行装配序列改善种群的组成成份；在各种群的生成过程中，始终保留所获得的当前最优可行装配序列，确保算法最终收敛到最优或近优解。最后以实例说明该方法的有效性。     

面向装配序列规划的模因算法研究

针对遗传算法在求解装配序列规划问题中收敛速度慢、产生重复解等问题,提出一种基于模因算法的装配序列规划方法。将模因算法中全局搜索与局部搜索相结合动态更新种群的策略引入,采用装配优先约束矩阵和干涉矩阵建立装配规划模型,并以装配单元之间的相异性之和构建适应度函数。在非干涉解空间中进行全局搜索,获得装配规划方案,再通过二叉树中序遍历调序算法将较优方案转化为可行解。通过交叉操作和变异操作后,在可行解空间内进行局部搜索,获得较优解。通过典型柱塞油泵装配规划验证了该算法的可行性和可靠性;并将其与遗传算法进行比较,证明其更有效。     

基于混合蚂蚁算法的网络资源均衡与优化

本文将具有强约束的网络资源均衡与优化问题转化为组合优化的最短路问题,利用遗传算法快速全局的搜索能力,生成初始解,并转化为网络的初始信息素分布.利用蚂蚁算法的正反馈特性,迅速收敛到问题的最优解.仿真表明取得了非常好的效果.     

基于混合算法的反射面天线面板装配序列规划

为了改善反射面天线面板的装配变形,从装配工艺入手,基于蚁群算法和遗传算法,结合传统的天线反射面装配方法,提出一种天线装配序列规划的混合算法。该算法利用蚁群算法快速得到初始种群,随后使用遗传算法对初始种群进行优化,根据所得优化解生成蚁群算法中路径上的信息素,通过加速蚁群算法最优解信息的积累来更快地得到最优解;同时,建立反射面装配的有限元仿真模型,利用该模型及时对得到的最优解(即装配序列)进行面向装配过程的面板装配变形动态仿真,将仿真结果返回算法中,进一步校正算法并得到最优解。以某工程抛物面天线的面板装配为例,验证了所提混合算法的正确性。     

基于遗传算法的产品装配序列规划研究

为解决产品实际装配过程装配序列规划的问题,建立了描述装配过程中零部件间装配关系的几何干涉关系矩阵。设计了以装配换向次数、装配工具更换次数、装配体稳定性和基础件位置为目标函数的遗传算法,并改进了该遗传算法相应的交叉算子、变异算子和适应度函数,以确保算法的有效性。在初始种群生成时,输入由DELMIA软件虚拟拆卸得到的几何可行装配序列,改善种群的组成成份。将该遗传算法应用于某链轮的装配序列规划中,验证了该算法的有效性。     

基于改进蚁群算法的装配序列规划研究

装配序列规划能解决装配过程中所出现的速度和质量问题,降低生产成本。通过考虑装配影响因素,对装配体零件之间关系进行数学建模,提出一种解决该问题的改进蚁群算法。算法提出用加强装配关系矩阵来表示零件之间存在的强约束关系;用加强随机状态转移规则,使蚂蚁能更快地寻找到最优或者近优解;完善信息素更新规则,使算法能更好的利用正反馈机制。通过实例证明,该改进型算法能实际有效地解决装配序列规划问题。     

遗传帝国竞争混合算法在装配序列规划中的研究与应用

为了提高复杂产品的装配效率，对遗传帝国竞争混合算法进行了研究与改进，给出了混合算法的融合策略，以解决虚拟装配中的装配序列规划问题。建立考虑装配序列可行性、装配序列稳定性、装配重定向性以及装配聚合性四个评价指标的适应度函数，以适应度函数值最低为目标利用混合算法进行迭代。以某乘用车后桥减速器为实例进行试验，验证了混合算法在求解装配序列规划问题的可行性，并同单一的遗传算法、帝国竞争算法及粒子群算法进行比较，验证了混合算法在求解装配序列规划问题上的优越性。     

微小卫星的自适应蚁群算法装配序列规划

介绍了复杂的卫星零件装配通过构造装配矩阵将改进蚁群算法用于生成装配序列的方法.但是蚁群算法容易陷入局部最优,为了避免算法陷入局部最优或者停滞,运用自适应伪随机比率选择规则,通过信息素的局部和全局更新,帮助"蚁群"快速的寻找全局最优解,最后通过实例验证了算法的实用性.     

基于最大-最小蚁群系统的装配序列规划

提出一种结合了蚁群系统与最大-最小蚂蚁系统优点的装配序列规划(Assembly sequence planning, ASP)方法。对近十年基于蚁群优化的ASP文献中采用的优化指标、装配信息模型、实例零件数等进行综述和比较。为提高序列的装配效率区分度,研究方向性、并行性、连续性、稳定性和辅助行程等5项指标的自动量化方法,将其融入到蚁群优化多目标启发式函数和适应值函数中。为提高对最优序列的搜索能力,以装配几何可行性为基础,从蚂蚁数量的确定、最大-最小信息素的界定、初始零件分配位置的绩效考核机制以及对并行零件组强制优化机制等方面,设计针对性解决方案,提出基于最大-最小蚁群系统的ASP算法。开发基于Siemens NX的装配规划系统AutoAssem。以阀门为实例,验证了算法内部各项优化措施的有效性,同时与优先规则筛选法、遗传算法及粒子群算法进行比较,分析该算法在运行效率和序列性能方面的优势。     

基于混合优化算法的装配线平衡问题

为求解给定装配线生产节拍、最大化装配效率的装配线平衡问题,根据装配线的特点和平衡优化需求,分析了装配作业顺序、站位数量等因素对装配线站位内作业分配的影响,综合考虑装配线平衡率和平滑系数,建立了装配线平衡问题数学模型,并设计了一种结合遗传算法(Genetic Algorithm,GA)、蚁群算法(Ant Colony Optimization algorithm,ACO)的混合优化算法进行求解。采用遗传算法进行快速随机的全局搜索,并生成信息素矩阵初始分布,利用蚁群算法进行精确求解。最后通过标准案例测试,证明了该混合优化算法具有更高的优化效率,同时验证了算法的可行性和有效性。     

面向航天器舱体的智能装配系统研究

针对航天器舱体的装配,运用计算智能、人类智能和机器智能构建了一个智能装配系统。采用蚁群算法对舱体内零件的装配顺序进行了规划和优化,降低了复杂结构体的装配规划难度。采用混和现实技术给出了虚拟装配验证和训练的解决方案,从视觉、信息和操作三个方面来提高装配的人机交互效率;基于视觉的装配质量检测方法可为检查人员提供有效的提示信息,协助检查人员快速发现多余物,减小遗漏多余物的几率。     

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。     

基于A*

针对二维栅格地图下,移动机器人以最短路径遍历所有目标点的路径规划问题,提出一种基于启发信息扩展节点的 A*     

Microrobot based micro-assembly sequence planning with hybrid ant colony algorithm

Robot-based assembly sequence planning plays an important role in product design and has been widely researched in the macro world. But in the micro world, the characteristics of microrobot-based assembly, such as complexity and scaling effects, make the assembly problems much more difficult and seldom researched. In this paper, the microrobot-based micro-assembly sequence planning problem is discussed. The problem is transferred as a combinatorial optimization problem with several matrixes, such as the moving wedge matrix, the microrobot performance matrix, and the sensing matrix. Furthermore, the geometrical and visibility constraints of assembly sequence and evaluation criteria for optimization are given. A particle swarm optimization (PSO) algorithm modified ant colony optimization (ACO) algorithm, called a hybrid PS-ACO, is devised to solve the problem efficiently. The combination of local search and global search of PSO is introduced into the ACO algorithm, which can balance the exploration and exploitation performances of searches. The experimental results have shown that the PS-ACO can solve the micro-assembly sequence planning problem with better convergence performance and optimizing efficiency than basic ACO and GA.     

遗传蚁群算法在软件测试用例生成中的应用

针对传统软件测试方法工作量大,测试过程重复性高等缺点,提出了一种新的软件测试用例生成方法。该方法基于蚁群算法和遗传算法,利用遗传算法与蚁群算法提取每组软件测试程序特征值,再经过选择、交叉和变异操作,获得软件测试用例的组合。实验结果证明：该算法具有隐性并行性和全局寻优能力,可在不降低速度的情况下提高软件测试用例生成的精度。     

A max–min ant colony system for assembly sequence planning

An improved ant colony optimization (ACO)-based assembly sequence planning (ASP) method for complex products that combines the advantages of ant colony system (ACS) and max–min ant system (MMAS) and integrates some optimization measures is proposed. The optimization criteria, assembly information models, and components number in case study that reported in the literatures of ACO-based ASP during the past 10 years are reviewed and compared. To reduce tedious manual input of parameters and identify the best sequence easily, the optimization criteria such as directionality, parallelism, continuity, stability, and auxiliary stroke are automatically quantified and integrated into the multi-objective heuristic and fitness functions. On the precondition of geometric feasibility based on interference matrix, several strategies of ACS and MMAS are combined in a max–min ant colony system (MMACS) to improve the convergence speed and sequence quality. Several optimization measures are integrated into the system, among which the performance appraisal method transfers the computing resource from the worst ant to the better one, and the group method makes up the deficiency of solely depending on heuristic searching for all parallel parts in each group. An assembly planning system “AutoAssem” is developed based on Siemens NX, and the effectiveness of each optimization measure is testified through case study. Compared with the methods of priority rules screening, genetic algorithm, and particle swarm optimization, MMACS is verified to have superiority in efficiency and sequence performance.     

复杂环境下的装配路径求解与优化

针对三维复杂环境下的装配路径规划问题,运用栅格法建立了规划空间模型,基于蚁群算法求解出了一条避开障碍物的初始路径;对求解得到的装配初始路径,提出采用二分法插值优化方法缩短装配路径长度,在规划过程中采用目标零件与障碍物的轴向包围盒进行避障。对装配路径的求解及优化进行了实例测试,获得了一条无碰撞的最短的平滑路径,验证了算法的有效性和可行性。