供应商参与下的产品方案多目标优化与多属性决策规划方法

针对现有供应商参与下的产品方案规划方法在零部件优化和供应商评价等两方面所存在的局限性,提出零部件多目标优化和供应商模糊动态多属性决策评价相集成的二阶段规划方法。建立以产品零部件组合方案的质量、成本和交货期等为目标的数学优化模型,以Epsilon策略和主导性约束处理机制对强度Pareto多目标进化算法进行适应性改进后用于对该优化模型进行求解并获得有限数量的Pareto最优解。引入傅里叶级数对伯努利预测模型的误差进行修正来提高预测精度,将修正的伯努利预测模型和模糊动态多属性决策模型相结合用于对Pareto最优解中包含的各零部件供应商进行评价,进而确定出各零部件的最佳供应商和最终的产品规划方案。以供应商参与下的空分设备研发过程作为实例,进行数值仿真计算,结果表明所提出方法具有可行性与有效性。     

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%。     

基于改进型粒子群优化算法的配电网规划

配电网规划是一个多峰值优化的复杂问题。粒子群算法是一种实现容易、精度高、收敛快的并行算法,可以有效优化各种目标函数。本文基于配电网规划的特点,以配电网最小线路损耗为目标函数,提出改进型粒子群优化算法。仿真结果表明,优化算法提高配电网运行的经济性,改进型算法收敛快和搜索能力强。     

多目标批量生产柔性作业车间优化调度

研究批量生产中以生产周期、最大提前/最大拖后时间、生产成本以及设备利用率指标(机床总负荷和机床最大负荷)为调度目标的柔性作业车间优化调度问题。提出批量生产优化调度策略,建立多目标优化调度模型,结合多种群粒子群搜索与遗传算法的优点提出具有倾向性粒子群搜索的多种群混合算法,以提高搜索效率和搜索质量。仿真结果表明,该模型及算法较目前国内外现有方法更为有效和合理。最后,从现实生产实际出发给出多目标批量生产柔性调度算例,结果可行,可对生产实践起到一定的指导作用。     

火箭贮箱管路自动布局及优化设计方法

针对火箭贮箱管路设计效率低且依赖人工经验的问题，提出一种基于改进快速扩展随机树(RRT)算法和粒子群(PSO)算法的管路自动布局及优化设计方法。利用RRT算法进行管路路径规划，并建立管路的初始控制点模型；由于规划过程中无法考虑流阻和制造能力等工程要求，在此基础上，考虑管路的折弯角度、折弯半径及长度等几何参数对流阻的影响，以最小流阻作为优化目标，建立管路的优化模型，采用PSO算法对管路进行优化；最后以火箭贮箱的箱间段管路为对象，通过仿真验证所提方法的有效性。     

基于多目标种群协同算法的板坯入库优化

针对钢铁企业板坯入库决策问题,基于出库次序A型约束、分散性约束和垛位限高约束等构建了以板坯综合匹配度、垛位利用度和库存均衡度为目标函数的多目标入库决策优化模型。提出一种多目标种群协同粒子群优化算法,并设计了局部搜索策略以提高外部归档集中Pareto解的多样性,同时利用Pareto最优解改进粒子速度更新方式,达到多种群协同优化的目的。仿真实验证明,该算法可以更好地解决多目标板坯入库优化问题。     

花粉授粉机制在改进粒子群算法研究

针对柔性作业中多目标优化问题,首先构建多目标任务满意度数学模型,该模型以最小加工时间、最低制造成本和最短运输时间为目标,去量纲操作后利用几何平均法求解综合满意度评价值。然后,提出一种改进的粒子群算法(LFPSO),该算法为平衡算法全局和局部搜索能力,惯性权重采用幂函数自适应调节,为改变粒子群前期的搜索性能,在惯性权重中加入了Logistic混沌映射丰富粒子多样性,为平衡全局搜索能力与局部搜索能力,引入花粉授粉机制作为全局搜索阈值。最后,将LFPSO算法与其他算法进行仿真对比,结果验证了LFPSO算法具有良好的性能及解决柔性作业多目标优化问题的有效性。     

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CPSO-LSSVM的多传感器数据融合

文中提出了一种新的基于混沌算法优化的粒子群(CPSO)算法,该算法在种群初始化时应用混沌算法优化粒子的初始位置,扩大粒子的有效搜索范围,在陷入局部最优时应用混沌算法遍历整个搜索空间,跳出局部最优.仿真实验证明该算法寻优性能优于当前其他PSO算法.利用CPSO对LSSVM的参数进行优化选择,建立多传感器数据融合模型.将该模型应用于压力的检测,实验证明了该方法优于当前其他主要方法.     

多脉冲异面交会对接转移轨道的优化

针对三维空间交会对接中的异面非圆轨道转移规划问题,提出了一种基于粒子群算法(PSO)的多脉冲异面交会对接能量最优的转移轨道优化算法。该算法以二体动力学方程及脉冲变轨理论构造空间多脉冲异面交会对接优化模型;通过引入Lambert算法处理终端约束条件,减少未知变量的个数从而简化问题。然后,将追踪飞行器变轨过程中脉冲的作用时刻、方向、大小设计成待优化变量,以交会对接过程中消耗能量、终端约束条件等为目标函数,基于PSO优化了最省燃料转移轨道。在MATLAB中对四脉冲交会对接问题进行了仿真测试,并与相同初始条件下,采用Lambert算法的双脉冲交会对接仿真结果进行了对比。结果显示:在本文所给算例条件下,采用PSO优化的四脉冲交会对接过程所需速度增量为4.4243km/s,而采用Lambert算法的双脉冲对接过程所需速度增量为11.2691km/s,前者节省了60%的能量。数据表明,设计方案有效节省了燃料消耗,从而证明了设计方法的有效性。     

基于改进粒子群优化算法的复合材料可靠性优化设计

提出了一种可用于求解非线性约束优化问题的改进粒子群算法,并将其用于求解复合材料可靠性优化设计。在满足层合结构系统可靠度的情况下,以总厚度最小为目标函数,对复合材料的纤维方向角和厚度进行优化设计。结果表明,改进粒子群算法不但具备基本算法的简单易实现、需调整参数少的特性,而且能够在确保全局收敛性的基础上,快速搜索到高质量的优化解,对复合材料层合结构的可靠性优化设计十分有效。     

Intelligent Optimization Methods for the Design of an Overhead Travelling Crane

In design optimization of crane metal structures, present approaches are based on simple models and mixed variables, which are difficult to use in practice and usually lead to failure of optimized results for rounding variables. Crane metal structure optimal design(CMSOD) belongs to a constrained nonlinear optimization problem with discrete variables. A novel algorithm combining ant colony algorithm with a mutation-based local search(ACAM) is developed and used for a real CMSOD for the first time. In the algorithm model, the encoded mode of continuous array elements is introduced. This not only avoids the need to round optimization design variables during mixed variable optimization, but also facilitates the construction of heuristic information, and the storage and update of the ant colony pheromone. Together with the proposed ACAM, a genetic algorithm(GA) and particle swarm optimization(PSO) are used to optimize the metal structure of a crane. The optimization results show that the convergence speed of ACAM is approximately 20% of that of the GA and around 11% of that of the PSO. The objective function value given by ACAM is 22.23% less than the practical design value, a reduction of 16.42% over the GA and 3.27% over the PSO. The developed ACAM is an effective intelligent method for CMSOD and superior to other methods.     

Robust Collaborative Optimization Method Based on Dual-response Surface

A novel method for robust collaborative design of complex products based on dual-response surface (DRS-RCO) is proposed to solve multidisciplinary design optimization (MDO) problems under uncertainty. Collaborative optimization (CO) which decomposes the whole system into a double-level nonlinear optimization problem is widely Accepted as an efficient method to solve MDO problems. In order to improve the quality of complex product in design process, robust collaborative optimization (RCO) is developed to solve those problems under uncertain conditions. RCO does opfmiTation on the linear sum of mean and standard deviation of objective function and gets an optimal solution with high robustnmess. Response surfaces method is an important way to do approximation in robust design. DRS-RCO is an improved RCO method in which dual-response surface replaces system uncertainty analysis module of CO. The dual-response surface is the approximate model of mean and standard deviation of objective function respectively. In DRS-RCO, All the information of subsystems is included in dual-response surfaces. As an additional item, the standard deviation of objective function is added to the subsystem optimization. This item guarantee both the mean and standard deviation of this subsystem is reaching the minima at the same time. Finally, a test problem with two coupled subsystems is conducted to verify the feasibility and effectiveness of DRS-RCO.     

粒子群算法在工程优化设计中的应用

将粒子群算法与惩罚函数法相结合,建构一种离散粒子群算法,解决工程上非线性约束离散变量优化设计问题。为实现离散变量与连续变量的转化,构造了相应的扩张函数,提出惩罚因子的确定策略。通过容器设计算例验证,粒子群算法方法优于文献所列方法。应用粒子群算法、惩罚函数法及所提出的策略对波纹管工程实例进行优化设计,其单位重量下整体波纹管的补偿量比在用产品提高了79.96%,与理论解接近,进一步证明了离散粒子群算法及策略在处理工程非线性约束离散优化设计问题时的有效性,其为工程上类似优化设计提供借鉴。     

粒子群优化算法及其在结构优化设计中的应用

介绍了粒子群优化算法的原理和实现方法,分析了该算法的主要参数对搜索方向的影响。将粒子群优化算 法与遗传算法在优化过程和搜索技术方面进行了对比。利用粒子群优化算法与遗传算法分别对测试函数和桁架结 构优化设计问题进行求解,将两种算法的计算结果进行了对比。计算结果表明在满足相同的计算精度的前提下,粒 子群优化算法的效率更高,利用粒子群优化算法可求解机翼结构优化设计问题,因此,粒子群算法是一种有效的优 化方法,适用于大型复杂结构优化设计。     

基于粒子群算法的并联机构结构参数优化设计

介绍了粒子群优化算法的原理和实现方法，分析了该算法的主要参数对搜索性能的影响，井把粒子群算法用于六自由度的并联机构的参数优化设计中，取得了较好的效果，试验证明，粒子群算法是一种有效的优化方法，适用于大型复杂结构的优化设计。     

基于水平集方法的结构可靠性拓扑优化

基于水平集方法,建立以水平集函数为优化变量、结构柔度极小化为目标、具有可靠性约束的结构拓扑优化模型,并提出一种基于可靠性的结构拓扑优化算法。首先,采用计算效率高的一次二阶矩法进行可靠性分析,编制计算可靠性指标的最优化方法。然后,根据结构可靠性指标的几何意义,优化求解符合可靠性约束的随机变量。将修正后的随机变量作为确定性变量进行结构拓扑优化设计,使基于可靠性的结构拓扑优化模型转为常规的结构拓扑优化模型,采用稳定、高效的水平集方法进行结构拓扑优化。最后以悬臂梁结构的可靠性拓扑优化为例,说明文中所提算法的简便性与有效性。     

空心传动轴的可靠性稳健优化设计

在以单目标为主要型式的普通可靠性优化设计模型的基础上，考虑把可靠性灵敏度也作为一个目标函数融入到可靠性优化设计中，建立起空心传动轴的多目标可靠性稳健优化设计模型。并结合实例说明可靠性稳健优化设计方法比传统设计方法更实用。     

改进的粒子群算法在可靠性优化设计中的应用

针对粒子群优化算法在处理约束问题时产生的不可行解,引用基于多级罚函数的约束处理方法。为了改进罚函数粒子群算法易早熟、后期收敛慢、易陷入局部最优解的缺点,提出了动态改变惩罚系数的改进粒子群算法。应用于几个经典的测试函数,都在较少的迭代次数内得到了高精度的优化解,验证了算法的有效性。以某一机械零部件的可靠性优化为例,建立了基于改进粒子群算法的可靠性优化设计模型。结果表明:该方法能快速有效地解决可靠性优化设计问题,计算结果明显优于常规的多级罚函数法。     

基于微粒群的约束优化

针对微粒群算法在处理约束优化问题时,难以兼顾约束与优化之间关系的问题,提出了一种泛学习微粒群算法(ULPSO),通过引入微粒不可行历史最优,使得微粒的学习更具多样性和有效性,增强了算法的搜索智能.通过对常用的13个基准函敷的测试对比分析,表明该算法求解约束优化问题的计算具有快速性、稳定性和有效性.