启发式算法和遗传算法在生产调度中的应用

根据现代制造企业对生产调度的要求,提出了一种启发式算法和遗传算法相结合的生产调度系统结构。使用启发式规则为各工序分配机器,制定加工计划,调用遗传算法对加工计划进行排序,生成最终调度结果。通过将CLIPS推理机嵌入到系统中,实现了决策规则和程序体的分离,易于规则的修改和进一步扩展,系统更具有柔性。由启发式规则生成遗传算法的部分初始种群,提高了初始种群的质量。通过将任务分解,降低了问题求解的复杂度,并由实例验证了其可行性。     

启发式算法和遗传算法在生产调度中的应用

根据现代制造企业对生产调度的要求,提出了一种启发式算法和遗传算法相结合的生产调度系统结构.使用启发式规则为各工序分配机器,制定加工计划,调用遗传算法对加工计划进行排序,生成最终调度结果.通过将CLIPS推理机嵌入到系统中,实现了决策规则和程序体的分离,易于规则的修改和进一步扩展,系统更具有柔性.由启发式规则生成遗传算法的部分初始种群,提高了初始种群的质量.通过将任务分解,降低了问题求解的复杂度,并由实例验证了其可行性.     

基于改进遗传算法的生产车间多工艺计划调度研究

建立了基于多工艺加工计划的生产调度数学模型,给出了基于改进遗传算法的无辅助加工时间多工艺加工计划调度算法,通过与国外学者提出的算法相比较,证明了该算法的正确性和优越性,实验结果表明,模型是正确的,算法是有效的。     

基于遗传算法的印刷企业生产调度模型的构建

目的:针对网络数字印刷订单多、周期短等特点,利用遗传算法求解印品的生产计划排产问题。方法设定若干印品订单、加工工艺、机器设备以及各工序加工时间,采用多层编码遗传算法进行编程计算,通过MATLAB模拟验证遗传算法用于求解调度问题所得到的效果,获得排产顺序甘特图。结果:通过算法搜索过程可知,全部印品加工总时间在第8次迭代时趋于最小值,并且设计算法收敛较快,运算效率较高。调度人员在正常生产条件下,可以通过甘特图直观地进行生产计划排产,能够使车间在保证交货期的前提下快速而又有条不紊的进行生产,缩短了印刷加工周期,提高了机器利用率和生产效率。结论:遗传算法静态生产调度模型可以有效用于印刷作业的一般排产调度,在遇突发状态时可参与人工配合调整,或者需要提供动态调度解决方案。     

多工艺路线的批量生产调度优化

以优化生产周期为目标,研究了多工艺路线的批量调度问题,提出了一种基于工序优先级的调度算法,并将该算法嵌入到遗传算法中,得到了全局优化的批量调度算法。遗传算法搜索最佳染色体,调度算法把染色体解码为调度。在调度算法中,采用了3种提高生产率的策略,即区分批量启动时间与工序加工时间,在工件到达机床之前做好准备工作;把一批工件分成多个小生产批次,每批次独立加工:一批工件加工部分后就运向后续加工机床,缩小后续机床的等待时间。仿真表明,该调度方法能取得较好结果。     

基于遗传算法的多资源作业车间智能优化调度

提出一种基于遗传算法的调度算法，用于解决作业车间的加工受到机床、操作工人和机器人等多种生产资源制约条件下的优化调度。以生产周期为目标进行的优化调度，将遗传算法和分派规则相结合，通过交叉、交异等遗传操作，得到目标的最优或次优解。最后对算法进行了仿真研究，并给出了算法运行结果，仿真结果表明该算法是可行的。     

不确定可重入定点装配车间集成生产计划与调度

为满足工厂—车间一体化管理需求,研究了不确定可重入定点装配车间生产计划与调度集成优化问题。在分析车间装配特点的基础上,利用期望值描述不确定可重入情况,建立了双层生产计划与调度集成优化随机期望值模型,上层为能力约束的生产计划模型,下层为不确定可重入定点装配车间调度模型。提出了一种具有双层结构的交替迭代式改进遗传算法,上层用精英遗传算法求解生产计划,代入下层后采用基于随机模拟技术的遗传模拟退火算法求解生产调度,然后将调度结果返回上层重新求解新计划,如此不断交替迭代以实现计划与调度的同时优化。通过算例仿真验证了模型及算法的有效性。为制定不确定可重入定点装配车间生产计划与调度提供了一种合理可行的方法。     

基于PetriNets和混合遗传算法的双资源JSP动态优化调度

以带有控制器的Petri网为建模工具对柔性生产调度中的离散事件建模,利用遗传算法和模拟退火算法获得调度结果,并通过Petri网进行控制.用于解决作业车间的加工受到机床、操作工人等生产资源制约条件下的优化调度.以生产周期为目标进行的优化调度,将遗传算法和模拟退火相结合.通过多种交叉、变异、概率更新选择、再分配策略等遗传和模拟操作,得到目标的最优或次优解.对算法进行了仿真研究,仿真结果表明该算法是有效性.     

基于MAZAK柔性制造线的粒子群与免疫算法研究

将免疫遗传算法运用到柔性生产中能够极大地改进遗传算法的缺点,提高收敛效果。在此基础上提出了粒子群算法,并与免疫遗传算法进行对比,分析最优结果;将其应用到车间调度中能极大地提高调度路径的优化。运用仿真将克隆免疫算法的调度结果与粒子群算法的调度结果对比,以获得较优的结果。     

作业车间多工艺路线批量作业计划优化

提出一种基于遗传算法的作业计划算法,用于解决作业车间的中小批量多工艺加工作业计划的优化问题。在作业计划算法中,提出了一种将工件的子批数量和加工工序包容在一起的染色体编码方法,使得子批数量的确定和子批加工顺序的安排能够被同时优化。以生产周期为目标优化作业计划,将遗传算法和分派规则相结合,通过交叉、变异等遗传操作,得到目标的最优或次优解。最后对算法进行了仿真研究,并给出了算法运行结果,仿真结果表明该算法是可行的。     

一种改进遗传算法及在结构优化设计中的应用

针对简单遗传算法中的线性适应度、恒定交叉与变异概率等不能动态地适应整个寻优过程，提出采用非线性适应度与自适应交叉、变异概率的改进遗传算法。以典型的遗传算法测试函数验证改进遗传算法的有效性与可行性，最后将改进遗传算法用于离散变量桁架结构优化设计，计算结果表明改进遗传算法是可行、有效的。     

基于遗传算法的工艺路线决策与优化

在已有的工艺路线决策优化研究的基础上,分析了工艺知识的特点,确定了基于特征的工艺知识表达方法,根据工艺知识间的约束关系,构建基于工艺约束的工艺路线决策空间,提高遗传算法的搜索能力。针对工艺路线决策的不确定性,建立了多目标优化函数,将遗传算法应用于工艺路线决策过程中。通过设计合理的基因编码规则、适应度函数、交叉、变异算法优化工艺路线。通过实例,介绍了利用遗传算法进行工艺路线决策和优化的过程。     

遗传算法在机械优化设计中的应用

遗传算法是一种自适应启发式全局搜索算法,具有传统算法不可比拟的优点,更易于求解各种优化问题。在不断改进、不断成熟的过程中,遗传算法得到了广泛的应用,其中在机械优化设计领域得到了大量应用。通过遗传算法工具箱及针对基本遗传算法进行改进后的遗传算法两个方面,论述了遗传算法在机械优化设计中具有的优势,介绍了近年来在相关领域中成功应用的一些典型范例。并对遗传算法在机械优化设计中的发展及前景作了必要的讨论。     

基于小生境技术的改进遗传算法研究

将标准遗传算法用于最优化问题时存在早熟收敛和后期收敛速度缓慢的现象。本文扼要分析了遗传算法的运行机制，提出一种基于小生境技术的改进遗传算法，应用种群中最佳个体的马尔可夫链模型从理论上论证了该技术维持种群多样度的有效性。对复杂函数的遗传优化仿真实验数据表明，改进的遗传算法不但具有良好的全局收敛可靠性，而且具有快的收敛速度。     

基于模糊基函数网络和自适应最小二乘算法的外圆纵向磨削表面粗糙度的预测

建立了外圆纵向磨削表面粗糙度的模糊基函数网络（FBFN）预测模型，网络的训练采用自适应最小二乘算法（ALS）。ALS将最小二乘算法和遗传算法相结合，能够自主学习，不用人为干预，FBFN和粗糙度的分析模型相结合，只需少量实验数据便可完成网络的训练，自动产生模糊规则，确定隐含层的节点数。仿真和实验结果表明，FBFN网络结构非常适合粗糙度的预测和控制，采用ALS学习方法比BP算法、传统的遗传算法和正交二乘法等能产生更好的结果。     

New knowledge-based genetic algorithm for excavator boom structural optimization

Due to the insufficiency of utilizing knowledge to guide the complex optimal searching, existing genetic algorithms fail to effectively solve excavator boom structural optimization problem. To improve the optimization efficiency and quality, a new knowledge-based real-coded genetic algorithm is proposed. A dual evolution mechanism combining knowledge evolution with genetic algorithm is established to extract, handle and utilize the shallow and deep implicit constraint knowledge to guide the optimal searching of genetic algorithm circularly. Based on this dual evolution mechanism, knowledge evolution and population evolution can be connected by knowledge influence operators to improve the conflgurability of knowledge and genetic operators. Then, the new knowledge-based selection operator, crossover operator and mutation operator are proposed to integrate the optimal process knowledge and domain culture to guide the excavator boom structural optimization. Eight kinds of testing algorithms, which include different genetic operators, arc taken as examples to solve the structural optimization of a medium-sized excavator boom. By comparing the results of optimization, it is shown that the algorithm including all the new knowledge-based genetic operators can more remarkably improve the evolutionary rate and searching ability than other testing algorithms, which demonstrates the effectiveness of knowledge for guiding optimal searching. The proposed knowledge-based genetic algorithm by combining multi-level knowledge evolution with numerical optimization provides a new effective method for solving the complex engineering optimization problem.     

基于免疫遗传算法的不规则件排样优化问题求解

基于遗传算法难以保持群体的多样性及存在易早熟、效率低的缺陷,提出免疫遗传算法应用于不规则零件排样的优化方法。该算法在遗传算法的全局随机搜索基础上,借鉴了人工免疫系统中的免疫记忆和浓度机制。通过疫苗接种实现种群个体中基因位的局部调整优化,并将其优良个体保存于免疫记忆库中,提高了算法的搜索速度。同时浓度机制保证了遗传交叉和变异过程中生成下代种群个体的多样性,扩大了搜索空间,更利于最优解的获取。该方法在开发的不规则件排样系统中进行了实算求解,通过与标准遗传算法的实验结果比对,板材的利用效率得到显著提高。     

优化过程知识引导的挖掘机动臂结构优化设计新策略

针对现有智能优化算法求解挖掘机动臂结构优化问题效率低、易陷入局部最优等问题,提出一种优化过程知识挖掘、处理和利用策略.构建基于任务知识指导的优化过程知识挖掘、处理和利用机制,探讨了运用优化过程知识引导遗传算法数值优化搜索的途径,并建立群体成员分组的知识利用算子以及选择、交叉、变异操作的知识利用算子.以中型液压挖掘机动臂结构优化任务为例,以所构建的知识利用算子引导遗传算法的数值优化搜索,通过与现有遗传算法进行对比,表明优化过程知识的利用可以有效提高优化效率并改善优化效果.     

遗传参数自适应调整算法及其在液压动力系统优化控制中的应用

针对固定参数的遗传算法容易陷入过早收敛,进入局部最优状态等问题,建立了交叉概率及变异概率的模糊逻辑控制器以实现遗传算法策略性参数的自适应调整,从而提高优化算法的收敛速度及获得全局解的能力。运用常规优化方法及改进优化算法对永磁电机驱动的液压系统流量进行优化控制和对比,仿真和实验结果表明：采用遗传参数自适应调整算法优化控制器,可使系统在典型工况下,保持良好的控制性能,并且具有高于常规优化方法的控制精度和鲁棒性。