一种自适应人工蜂群算法求解U型顺序相依拆卸线平衡问题

产品拆卸过程中零部件之间会相互干扰影响任务作业时间,基于该情形构建了多目标U型SDDLBP优化模型,并提出一种自适应ABC算法。所提算法设计了自适应动态邻域搜索方法,以提高局部开发能力;采用了轮盘赌与锦标赛法结合的分段选择法,以有效评价并选择蜜源进行深度开发;建立了基于当前最优解的变异操作,以提高全局探索能力快速跳出局部最优。最后,通过算例测试和实例分析验证算法的高效性。     

混流装配线平衡问题的多目标优化方法研究

针对混流装配线存在的工序作业多、平衡难度大等问题,以U型布置的混装线为研究对象,兼顾工作站平均负荷和瞬时负荷平衡,在最小化工作站数的基础上均衡了工作站间和工作站内不同产品的作业负荷,建立U型混流装配线多目标平衡优化模型,同时提出目标法解决联合目标中的目标函数兼容性问题。设计并运用改进的自适应遗传算法求解模型,考虑到交叉、变异操作的随机性,在变异阶段加入强制规则,并对新生成的子代个体进行基因冲突检测,以提高可行解的比率。算例研究的结果表明本文所提的多目标优化方法能够较好地解决混装线平衡问题。     

顺序相依拆卸线平衡多目标优化模型及算法研究

拆卸是产品回收过程最关键环节之一,拆卸效率直接影响再制造成本。本文在分析现有模型不足基础上,考虑最小化总拆卸时间,建立多目标顺序相依拆卸线平衡问题优化模型,并提出了一种自适应进化变邻域搜索算法。所提算法引入种群进化机制,并采用一种组合策略构建初始种群,通过锦标赛法选择个体进化;在局部搜索时,设计了邻域结构自适应选择策略,并采用基于交叉的全局学习机制加速跳出局部最优,以提高算法寻优能力。对比实验结果,证实了所提模型的合理性以及算法的高效性。     

第II类双边拆卸线平衡问题建模与优化

报废汽车体积大,废弃物污染大,拆卸过程复杂,将作业任务均衡分配难。为此,本文对工作站数量确定的双边拆卸线平衡问题进行研究,建立问题数学模型,设计一种变邻域蛙跳算法。所提算法在寻优过程中采用变邻域搜索提高族群局部搜索效率;引入个体学习机制加快精英个体进化速度;提出基于二分法的节拍时间调整策略加快对最优节拍的搜索。最后,通过算例对算法性能进行验证并通过实例说明任务在拆卸线上平衡分配的重要性。     

求多目标优化问题Pareto最优解集的方法

主要讨论了无约束多目标优化问题Pareto最优解集的求解方法,其中问题的目标函数是C1连续函数.给出了Pareto最优解集的一个充要条件,定义了α强有效解,并结合区间分析的方法,建立了求解无约束多目标优化问题Pareto最优解集的区间算法,理论分析和数值结果均表明该算法是可靠和有效的.     

考虑帕累托最优解的多目标优化进化算法

大多数现有的进化算法在处理多目标优化问题(multi-objective optimization problem,MOP)时会遇到Pareto最优解稀疏的困难,特别是当决策变量的数目很大时,如旨在从大量候选特征中找出小部分特征的特征选择.为此,提出了一种求解大规模稀疏MOP的进化算法.算法考虑Pareto最优解的稀疏性,提出了一种新的种群初始化策略和遗传算子,以保证解的稀疏性.此外,还设计了一个测试套件来评估该算法在大规模稀疏MOP中的性能,实验结果和应用实例证明了该算法在处理大规模稀疏MOP问题上的优越性.     

改进的NSGA-Ⅱ算法研究风力机叶片多目标优化

将一种采用精英控制策略和动态拥挤方法用于快速非支配排序遗传算法（NSGA-Ⅱ）,并应用到风力机叶片的优化研究中,获得了一种新颖的风力机叶片多目标优化设计方法．作为应用算例,以设计风速下的功率系数最大和叶片质量最小为优化目标,用该方法设计了5 MW大型风力机叶片．优化结果表明,此算法在处理风力机多目标优化问题取得了良好的效果,给出的是一个Pareto最优解集,而不是传统优化方法追求的单个最优解,为风力机多目标优化设计提供新的思路和通用的算法．     

混合模式下U型装配线平衡问题的目标规划求解

装配线平衡对于提高装配效率和降低装配成本都有重要意义。为了满足顾客需求的多样化和减少成本，通常采用混合模式的装配线。本文针对混合模式下U型装配线平衡问题，提出一个目标规划法以求解该问题，量化示例表明所提方法是有效的。     

灾情巡视问题的蚁群两目标优化算法研究

分析目前灾情巡视问题求解方法存在的缺陷,归纳出灾情巡视问题两目标优化模型.针对灾情巡视问题模型特点,引入蚁群算法和多目标优化理论,提出两个灾情巡视问题的蚁群两目标优化算法:算法1将灾情巡视问题的道路网络转化为完全图,增加m-1个(m为巡视组数)虚拟巡视起点,将灾情巡视两目标优化问题转化为单旅行商两目标优化问题,然后使用蚁群算法和多目标优化理论进行迭代求解.算法2使用一只蚂蚁寻找一个子回路,m个子回路构成一个灾情巡视可行方案,采用罚函数法和多目标优化理论构建增广两目标优化评价函数,使用g组,共g×m只蚂蚁共同协作来发现灾情巡视问题的最优解.算法特点:①算法1将灾情巡视两目标优化问题转化为单旅行商两目标优化问题,可以充分利用已有蚁群算法求解单旅行商问题的研究成果;②两个算法引入蚁群算法,提高了算法效率;③两个算法克服目前灾情巡视问题的求解方法不严密性缺陷;④两目标优化算法可以为用户提供多个满足约束条件的Pareto组合解,扩大了用户选择范围,增强了算法的适用性.算法测试表明:灾情巡视问题的蚁群两目标优化算法是完全可行和有效的.     

多目标最优化的一种积分型实现算法

在文[1]中给出了求解多目标最优化的一种积分总极值的概念性算法．本文利用数论中的一致分布佳点集列，较为简便的得出了多目标最优化的积分总极值的实现算法和算法终止准则．并经过有关函数数值计算表明该算法是有效的，可用来求解多目标最优化问题的有效解．     

多目标线性规划的一种交互式单纯形算法

本文基于分析有效极点解的有效变量的特点以及在有效点处各个目标函数的数值来得到改进的搜索方向的研究思想,提出了求解目标函数和约束均为线性的多目标线性规划问题的一种交互式算法。该方法可以保证每一步得到的解均为有效极点解,且根据决策者的偏好不断得到改进,直至最终得到满意的最终解。     

平面上端点受约束的一种随机点配线

对于平面上有限个随机点,推导了配一条端点受直线段约束的直线的最优选址的公式算法.其中目标函数是加权距离平方和的数学期望.     

基于种群分类排序的约束优化遗传算法

针对约束优化问题,提出了一类将种群中的个体分类排序的思想.算法的特点在于:先将种群中的解分为可行解和不可行解两类,然后分别按照不同的标准排序.由于很多约束优化问题的最优解位于可行域的边界上或附近,所以排序时并不认为可行解一定优于不可行解.基于此分类排队思想,特别设计了只允许同等级个体进行交叉的新的交叉算子,称之为同等级交叉算子,以及基于一维搜索的变异算子.算法同时采用了保证固定比例不可行解的自适应策略.4个标准测试函数的数值仿真结果验证了算法的有效性.     

主通道位置不固定的设施布局问题多目标优化模型及算法

以物流中心设施布局问题为对象,提出了考虑出入口及主通道位置不固定情况下的设施布局问题的多目标优化模型并设计了其改进的遗传算法。首先,以物料搬运成本最小、活动关系密切度最大和面积利用率最大为目标,构建了考虑出入口位置不固定条件下的具有I型主通道的设施布局多目标优化数学模型。然后,设计了一种改进的遗传算法,包括:改进的编码、解码方法,追加了解码修正操作,基于惩罚函数策略的适应度函数等。实例测试表明,本算法的执行效率高而且结果稳定,优化效果好,布局结果紧凑适用。     

煤炭码头船货匹配下泊位动态分配多目标优化模型及算法

本文针对输出型煤炭码头船货匹配下泊位动态分配问题,构建了堆场-取装线-泊位-船舶联合分配优化数学模型,并设计了采用仿真推演策略解码的遗传算法求解。首先,综合考虑船舶、泊位、堆场、取装线、煤种、航道开放时间和装船作业规则等要素,以船舶在港时间最短和作业效率最大为目标建立了相应的多约束多目标优化模型。然后,综合多目标优化、遗传算法以及仿真推演技术,设计了相应的遗传算法求解,包括:组合式编码、采用仿真推演策略的解码方法,追加了具有合法性检查的染色体生成算法,设计了采用多种策略的遗传操作等。最后实例表明,本算法的执行效率高而且优化效果好。     

周期列车运行图的多目标模型及基于Job-shop的遗传算法研究

计算机编制客运专线周期列车运行图问题已成为国内外研究的热点问题之一.在充分研究国内外周期与非周期列车运行图的规划理论与方法的基础上,构建了我国客运专线周期列车运行图的多目标模型,并将之转化为具有优先级结构的单目标模型;然后结合运行图的数学本质与周期性,设计了基于Job-shop的遗传算法,弥补了国外基于PESP理论所开发的周期列车运行图的算法不足.最后结合京津客运专线实例来验证算法的有效性.