基于遗传算法的车间布局多目标优化

在分析单目标优化缺陷的基础上,构建了车间多行布局物流成本和空间利用率多目标组合优化模型.设计了车间多行布局遗传算法,针对自动换行、两行布置和三行布置三种不同布局策略的编码方式、遗传操作和适应度函数进行了研究.以某车间布局为实例,分别在单目标和多目标情况下,通过Matlab编程对三种不同布局策略进行了遗传运算,验证了算法的收敛性、实用性和有效性.该模型及算法对车间进行多目标多行布局具有借鉴意义.     

城市物流配送系统的多目标优化LRP模型研究

建立了准时到达、总成本最低的多目标定位--运输路线安排问题（LRP）的数学模型;此LRP问题包括配送中心的分派和运输路线优化两方面的决策,属于NP难题.在构建模型算法过程中,采用了两阶段法：首先采用启发式算法确定配送中心分派问题;其次,给出各个目标的优先级,根据优先因子建立以准时到达为最高优先级、总成本最低为次优先级的新的数学模型,并运用遗传算法求解优化运输路线问题.     

研发型企业多项目人力资源调度研究——基于蚁群优化的超启发式算法

现阶段,研发型企业的项目处于多项目环境下,为了解决多项目并行时人力资源争夺问题,本文针对该类企业多项目管理中人力资源调度进行优化研究,以考虑项目延期惩罚成本的最小总成本为目标函数,将现实问题抽象建模。基于国内外的研究提出了一种超启发式算法进行求解,该算法将人力资源调度问题分为项目活动分配和人员选择项目活动两个部分,采用蚁群优化作为高层启发式策略搜索低层启发式规则,再进一步根据规则解构造出可行解。最后本研究设计多组仿真实验与启发式规则进行对比,结果表明该算法有较好的搜索性能,为人力资源的调度问题提供了新的解决方案。     

基于遗传算法的作业车间设备布局优化方法

针对作业车间设备布局这类多目标优化问题,在标准遗传算法的基础上,通过在染色体编码、约束处理、选择算子和变异算子设计、适应值计算等方面进行优化改进,提出了一种多目标作业车间设备布局优化算法,最后通过仿真实验验证了该方法的有效性.     

基于聚类的物流节点模型及其自适应蚁群算法

综合考虑物流服务节点区域的空间属性和成本约束,基于物流服务节点波及范围,分析备选服务节点选择过程及其运行成本特征,构建了物流服务节点布局优化模型。将物流服务节点选择映射为一个聚类过程,提出解决物流服务节点选择问题的自适应蚁群聚类算法。以物流系统总成本最低为聚类准则,描述了物流节点布局模型的求解过程,并对服务节点布局参数进行仿真实验,验证模型及算法的鲁棒性和选择效率。     

基于混合启发式算法的设备混合布局问题

构建了基于设备单元布局集成求解的设备混合布局多目标优化模型,提出了遗传免疫蚁群混合启发式算法进行模型求解,该算法设计了带"保险柜"的自适应免疫蚁群算法选择操作,有力地维护了群体的多样性,提高了解的质量。最后,通过算例验证了模型及算法的有效性和优越性。     

基于粒子群优化算法的控制面板布局优化方法研究

针对目前核电站主控制室后备盘台人机界面设计过多依赖人的经验和主观判断从而导致控制面板布局随意性的问题,提出了基于粒子群优化算法的控制面板布局设计优化方法,即先对控制面板上元件的重要性、操作频率、操作顺序和相关性等工效学布局原则分别进行数学描述,并依此构造布局优化目标函数,将布局问题抽象为数学问题,然后采用粒子群优化算法对布局优化目标函数进行求解,以便快速地找到最优布局方案,从而达到布局优化的目的.通过对16个操纵和显示元件进行布局优化计算,证明了该方法能有效地解决后备盘台人机界面布局优化问题.     

新鲜度限制约束下物流配送中心选址-路径优化

目的 满足生鲜产品交付时较高的新鲜度要求,解决多产品、多车型情景下的配送中心选址-路径优化问题。方法 构建考虑碳排放成本和满足客户对产品交付最低新鲜度要求的双层目标规划模型。上层模型以配送中心固定成本、库存管理成本最小化为优化目标,下层模型以车辆固定成本、运输成本、碳排放成本、惩罚成本最小化为优化目标,并结合模型特点,采用两阶段启发式算法进行求解。结果 采用的两阶段启发式算法相对于遗传算法的平均成本解改进率为1.22%,相对于K-means聚类求解算法的平均解改进率为3.03%;两阶段启发式算法相对于遗传算法最优解运算时间的平均提高率为24.8%,相对于传统K-means聚类求解算法的平均提高率为33.0%。结论 经算例对比研究发现,不同新鲜度要求下对配送中心的选址以及车辆路径的安排有显著影响,企业可通过合理规划物流网络和准确评估客户对产品的新鲜度要求等手段实现企业物流成本的降低。     

一种单元制生产方式设备布局问题的研究方法

单元制生产方式是适合于目前多品种、少批量市场需求环境下产生的先进生产制造方式,基于单元制生产方式的设备布局是实现精益生产的重要硬件支撑.对单元式生产方式下的设备布局进行了研究,把该种形式的设备布局分成两个阶段:第一阶段是制造单元的设计,第二阶段是对划定的制造单元进行布局,形成最终的设备布局.分别建立了相应的数学优化模型,通过实例验证了该方法的可行性和有效性.     

可重构制造系统的布局规划技术研究

分析了可重构制造系统的内涵,提出了制造系统重构的三种分类(逻辑型RMS、改进型RMS和创新型RMS)并给出了制造系统重构的流程.在利用UML对制造系统建模的基础上,建立了统一的面向改进型RMS和创新型RMS布局规划的多目标规划数学模型.提出了启发式算法和遗传算法相结合的混合遗传算法,解决了创新型RMS布局规划问题.实例验证了算法的可行性和有效性.