基于粒子群算法的多目标模糊物元优化研究

针对产品设计优化过程中多目标性、模糊性、不确定性等特性,提出基于粒子群算法的多目标模糊物元求解策论.建立了多目标模糊物元优化模型,定义了物元的各个权重,根据某种优化准则,将多目标优化问题转化成了单目标问题的优化.运用粒子群算法作为求解策略,并提出新的改进方法,给出模糊物元多目标优化设计问题的改进自适应粒子群算法(MAPSO)求解过程,并将它与其他方法进行比较,结果显示该算法具有较高的执行效率.     

四主轴头五轴机床多工步加工路径优化

针对四主轴头多工步加工空行程耗时多的问题，基于空行程路径最短原则研究了无碰撞多工步加工路径优化方法。以四主轴头机床为对象确定了关节坐标系，在单面加工空行程规划基础上，建立了多面空行程计算模型和防碰撞多工步路径优化模型。基于同一面优先排序原则，在内层混合粒子群算法(GA-PSO)基础上融合了贪心算法，提出了双层混合粒子群优化算法(GA-PSO)。其中内层算法用于优化单一面上路径轨迹，外层算法用于优化多面间加工顺序。通过内外层优化算法间的不断迭代分层优化空行程，实现了整体多工步路径优化。对双层GA-PSO算法进行了算例分析，与遗传算法相比具有更快的收敛速度和更短的加工路径，最后通过虚拟仿真进一步验证了该路径优化算法的可行性。     

Maklink环境下机器人导航路径的蛙跳多种群粒子群优化

为了减少机器人导航路径长度和优化时间,提出了基于蛙跳多种群粒子群算法的路径规划方法。建立了机器人工作环境的Maklink模型,首先使用MS算法搜索出若干最短路径,然后提出了蛙跳多种群粒子群算法进行路径二次优化。将蛙跳算法的深度搜索思想引入到粒子群算法中,提出了多种群粒子群算法的分群方法、更新策略和合作机制,进而给出了基于蛙跳多种群粒子群算法的机器人导航路径优化方法。经过仿真验证,蛙跳多种群粒子群算法具有最佳的优化效果,最短路径长度比MSCPSO算法减少了3.82%,比PSO算法减少了5.46%;另外,蛙跳多种群粒子群算法的运行时间比MSCPSO算法减少了25.53%,比PSO算法减少了18.79%。     

基于小生境粒子群算法的公差多目标优化设计

为解决产品设计中的公差优化问题,提出一种基于小生境粒子群算法的公差多目标优化方法。以加工成本、质量损失成本和公差敏感性为优化目标,以装配功能要求和加工能力为约束条件,建立了公差多目标优化模型。对标准粒子群算法进行改进,根据小生境数和Pareto优劣性确定孤立粒子,并通过个体历史最优粒子与孤立粒子的变异、选择操作更新粒子的个体历史最优位置;利用Pareto支配数排序更新粒子群的全局最优位置。利用改进的粒子群算法对公差多目标优化模型进行求解,得到分布均匀的Pareto前沿。设计并开发了原型系统,通过实例验证了该方法的有效性。     

基于模糊关联熵的高维多目标流水车间调度优化

针对现有优化方法在求解高维多目标问题上的弊端,将多目标解映射为模糊集,提出利用表征模糊集间关联相似程度的模糊关联熵方法解决多目标优化问题。建立基于模糊关联熵的多目标优化方法,以模糊关联熵系数的大小衡量Pareto解模糊集与理想解模糊集的相似程度,并以该系数作为粒子群优化算法适应度值引导算法进化,建立基于模糊关联熵的多目标粒子群优化算法。实验表明,基于模糊关联熵的粒子群优化算法可以有效解决高维多目标Flow Shop调度问题,算法在优化解和各性能指标上皆优于基于随机权重的粒子群优化算法,特别在求解较大规模问题时,基于此法的粒子群优化算法表现更佳。     

面向多目标拆卸线平衡问题的一种改进粒子群优化算法

为提升粒子群优化算法在解决复杂拆卸线平衡问题时的计算能力,提出一种改进的粒子群优化算法。该算法选取每个粒子运行最优的邻居粒子为粒子每次迭代过程中"个体学习部分"的学习样本。为保证种群多样性,避免算法出现早熟收敛,提出一种粒子间的水平混合变异(均匀分布变异和高斯分布变异),通过变异判定条件,对粒子的位置进行变异更新,提升算法的搜索性能。针对多目标问题,利用基于目标优先顺序的粒子群优化算法,将多个目标问题按优先顺序进行优化。通过拆卸问题的仿真计算比较结果,验证算法的有效性。     

一种新的求解多目标随机需求车辆路径问题的算法

为优化带时间窗的随机需求车辆路径问题,建立了基于模糊满意度的多目标数学规划模型,并提出了一种基于量子进化算法和粒子群算法分段优化的方法求解Pareto解。第一阶段使用量子进化算法获得一定规模和精度的Pareto候选解,提出了概率选择最优解和可变旋转角改进变异算子;第二阶段通过转换将候选解映射到连续空间,利用粒子群算法继续搜索Pareto最优解。引入了节点交换策略进行邻域搜索,避免算法早熟。为保持Pareto解的分散性,提出了一种自适应网格算子。通过对benchmark仿真与非支配排序的遗传算法的比较,验证显示了算法的有效性。     

多自动导引车路径规划的诱导蚁群粒子群算法

为有效解决多自动导引车路径规划中的冲突问题,提出一种诱导蚁群粒子群算法。在自动导引车行驶时间计算的基础上,分析了路段冲突、节点冲突问题,建立了多自动导引车路径规划模型。在诱导蚁群粒子群算法的状态转移规则中,增加诱导因子来引导自动导引车规避冲突;将蚁群算法与粒子群算法相融合,对路径与等待时间进行同时优化。不同规模算例的仿真结果表明,该算法能有效避免路段冲突与节点冲突,提高多自动导引车系统运行的安全性与效率。     

粒子群算法参数选择对动压滑动轴承优化设计的影响

建立了以降低润滑油流量为目标的动压滑动轴承优化设计模型,应用粒子群算法对该模型进行优化。研究了粒子群算法中搜索步长、粒子数和迭代次数3个主要参数对动压滑动轴承优化设计结果的影响,提出了确定需要考虑的主要方面,即根据约束条件的数量确定合适的搜索步长、根据优化模型自身特点和约束条件的复杂程度确定合适的粒子数和根据粒子收敛的情况确定合适的迭代次数。算例表明,文中提出的在动压滑动轴承优化设计中对粒子群算法参数的选择是合理的,可以拓展到基于粒子群算法进行优化设计的其他领域。     

基于多目标粒子群算法的可靠性稳健优化设计

采用随机撮动法和粒子群算法对车辆零部件进行可靠性稳健优化设计，利用模糊的多目标粒子群优化算法求出所有满足约束性条件的pareto解集，结合实际情况依据pareto解集确定零部件的规格。实验证明，该方法能迅速有效地获得可靠性稳健设计的信息。     

应用多目标粒子群算法的车辆传动系参数优化仿真研究

利用多目标粒子群算法研究了车辆传动系参数优化问题。首先根据目标车辆的结构搭建了整车模型,通过台架试验对整车模型进行验证;其次以车辆传动系参数作为设计变量,以车辆动力性和经济性作为优化目标,建立多目标优化模型;然后运用多目标粒子群算法对传动系参数进行优化计算,得到Pareto最优解集;最后运用基于信息熵的多属性决策方法,确定了最优传动系参数。研究结果表明:优化后的整车的动力性能和燃油经济性均得到提升,其中燃油经济性提高了4.83%,全负荷0~100 km/h加速性能提升了2.03%。     

车辆前纵梁封板冲压的聚集度自适应粒子群优化

为了提高车辆前纵梁封板的冲压件质量,提出了基于聚集度自适应粒子群算法的冲压工艺优化方法。介绍了前纵梁封板的三维模型、坯料设计结果和冲压成形原理。基于成形极限曲线,以减小冲压件的减薄率、增厚率、回弹量为目标,建立了多目标优化模型。使用复合中心实验法设计了5因素5水平的32组实验,基于Autoform软件获得了实验数据。使用BP神经网络拟合了输入输出间的回归关系,并验证了回归模型的精度。在粒子群算法基础上,依据粒子相似度和种群聚集度,将Levy飞行融入到粒子群算法中,提高粒子多样性和算法优化能力,从而并提出了聚集度自适应粒子群算法。将改进粒子群算法应用于多优化模型求解,改进粒子群算法收敛速度早于传统算法,且改进粒子群算法搜索的目标函数值比传统算法减小了3.71%,说明了改进算法的优越性。经验证,优化后的试制件外观合格,减薄率、增厚率及回弹量均满足质量要求,可以进行批量生产。     

多品种汽车发动机两阶段模糊再制造生产计划

针对多品种发动机再制造生产过程中存在的不确定性因素,以最小化生产成本为目标,基于可信性理论建立了不确定环境下汽车发动机两阶段模糊再制造生产计划模型。该模型考虑多品种产品回收情况下,拆解零件的再制造加工数量、加工成本、新零件采购数量以及市场需求的不确定性对再制造加工生产计划的影响,将生产过程分为两个阶段,并采用补偿函数逼近方法,将具有无限支撑的无限维优化模型转化为有限维优化问题进行求解,设计了基于逼近方法的粒子群算法来求解两阶段模糊生产计划问题。以曲轴飞轮总成为仿真实例,验证了该混合智能优化算法解决两阶段模糊规划问题的有效性和合理性。     

面向订单的混流装配线多目标调度研究

针对面向订单的混流装配线车间组装过程中出现堆叠的问题,对该类生产线特点进行了分析,提出了一种理论调度优化模型及其算法。建立了以车间交货时间的准时度和组件完工的同时度为目标函数的车间多目标调度优化模型;对粒子群算法进行了改进,设计了基于吸引子与自然选择的社会粒子群算法来求解多目标优化模型;研究了粒子群的信息描述方法,提出了兼有工序和工件信息的二维编码,将生产信息转化为编程语言,利用MATLAB进行了编程迭代计算和仿真,并对比分析了标准粒子群算法、社会粒子群算法、混合粒子群算法仿真的适应度值、最优解迭代次数,验证了所提算法的优越性。研究结果表明:该多目标调度优化模型在面向订单的混流装配调度问题方面具备有效性和合理性;所设计的社会粒子群算法寻优速度快,寻优效果好;调度方案机器最低利用率可达72.49%,很好地解决了装配的堆叠问题。     

基于支持向量机和粒子群算法的稳健优化

针对实际工程中不确定性因素与产品质量特性之间不具有显式函数关系的稳健优化问题时,代理模型的精度成为关键。本文提出一种基于支持向量机代理模型和粒子群算法的稳健优化方法,采用拉丁超立方试验设计采样布点,优化问题的目标性能函数、约束函数的均值和标准差由具有自动参数优化的支持向量机模型替代,采用粒子群优化算法对稳健优化模型进行求解。以典型的两杆结构优化为例,结果表明支持向量机代理模型的综合性能比常用的响应面、BP神经网络和Kriging模型更优越,稳健优化结果比较理想,为复杂产品的不确定性设计优化提供了一种新的思路。     

基于改进粒子群算法的同步器多目标参数优化

为兼顾变速器中同步器更短同步时间和更高寿命的要求,基于牛顿第二定律和粘着磨损理论、M-B分形接触模型分别建立以同步时间和同步器寿命为目标的数学模型,运用理想点法构造评价函数进而建立以二者为目标的多目标参数优化模型,利用层次分析法确定各目标在多目标优化模型中所占权重值,并借助改进粒子群算法对多目标参数优化模型进行优化求解。结果表明:优化后与优化前相比同步时间减少了8%,同步器寿命增加了9%,二者得到较好的改善。改进粒子群算法的使用使同步器性能得到较好的提升,而理想点法的运用有效的避免了多目标优化中大数量级目标支配优化结果的问题。     

3-PRRS并联机构多目标可靠性优化设计

以提高并联机构多目标优化设计结果的可靠性为目的。首先构建3-PRRS并联机构多目标优化设计模型,基于Isight集成Matlab软件,利用试验设计和多目标优化算法进行多目标确定性优化设计。然后分析3-PRRS并联机构在设计制造中所涉及到的随机不确定性因素,基于Isight进行6Sigma可靠性分析以及考虑随机不确定性因素的6Sigma优化,建立一种高效的考虑不确定性的3-PRRS并联机构多目标可靠性优化方法。研究结果表明,考虑不确定因素的多目标优化设计方法得到的最佳设计解可靠度更高,更加符合设计要求。     

考虑节能的改进多目标樽海鞘群算法TFT-LCD面板阵列制程调度问题

TFT-LCD面板生产的阵列制程是可重入混合流水车间调度问题,采用一种改进多目标樽海鞘群算法对其进行优化求解。构建以最大完工时间、总拖期时间和总耗能为优化目标的数学规划模型;针对该问题结构特点,对基本多目标樽海鞘群算法进行了一系列改进操作,包括基于升序排列的随机键编码、PS方法解码、基于Lévy飞行的领导者个体位置更新方式,以及外部档案中非支配个体的变邻域搜索操作,并采用田口方法进行算法参数设置;最后通过对基准算例的数值实验,将改进多目标樽海鞘群算法与基本多目标樽海鞘群算法、多目标粒子群优化算法、快速非支配排序遗传算法进行对比,实验结果表明了改进多目标樽海鞘群算法的有效性。     

基于改进离散粒子群算法的炼钢连铸最优炉次计划

提出了炉次数未知的炼钢连铸一体化生产的组炉模型.对该模型直接求解存在大量不可行解的困难进行分析,提出将该模型转化为伪旅行商问题的方法,并提出采用离散粒子群优化算法求解该问题.针对离散粒子群优化收敛速度和精度低的缺点,提出了一种基于序列倒置的改进离散粒子群优化算法.引入学习选择概率来选择学习粒子,利用运行代数阈值常数确定当前粒子何时向全局最优粒子学习,并通过局部最优子粒子群比决定局部最优子群的规模.讨论了这些参数的选择原则,并给出了相应参考选择范围.实验研究表明,所提模型是合适的,所提改进算法是有效的.     

基于拥挤距离排序的多目标粒子群优化算法及其应用

针对多目标粒子群算法在全局寻优能力和Pareto集多样性上的不足,提出基于拥挤距离排序的多目标粒子群算法.该算法采用精英策略,基于个体拥挤距离降序排列,进行外部种群的缩减和全局最优值的更新,并在内部粒子群中引入小概率变异机制,增强算法的全局寻优能力,控制Pareto最优解的数目,同时保证其收敛性和多样性特征.在电梯曳引性能的多目标优化应用中,证明了该算法对于两目标和三目标优化问题求解的有效性.不同规模实例的运算对比表明,该算法在Pareto前沿的收敛性和多样性方面均优于改进强度Pareto进化算法,且缩短了运算时间,具有较高的效率与鲁棒性.