基于改进型遗传算法的混流U型装配线第二类平衡问题

针对最小化生产节拍的第二类混流U型装配线平衡问题, 构建了混合整数规划模型, 并设计了改进型遗传算法求解. 在遗传算法的解码过程中, 采用3种搜索方式将工序分配到工作站, 比较了3种搜索方式下的工作站时间, 并参照期望生产节拍值筛选出最优的工作站分配方式, 再根据分配方式的寻优情况判断是否自动更新期望生产节拍值. 通过大量的标准算例, 证明了改进型遗传算法的有效性. 最后, 结合实际案例分析, 再次验证了混合整数规划模型和改进型遗传算法的有效性.     

考虑工时不确定性的混流U型装配线平衡的分布鲁棒优化方法

在以人工装配为主的流水线生产中,工时的不确定性是影响生产节拍的重要因素。考虑到随机优化要求精确的概率分布信息和较高的鲁棒优化保守性,本文针对工时不确定条件下混流U型装配线平衡问题,采用以经验分布为中心、Wasserstein距离为半径的模糊集对工时的不确定性进行描述,并以最小化生产节拍为优化目标,建立装配线平衡问题的分布鲁棒优化模型。为了降低模型的复杂性,利用强对偶理论将模型转换为易于求解的形式;为保证解的鲁棒性,设计了一种鲁棒性指标并将其作为模型的约束条件。针对上述模型,通过设计一种基于区间数的解码方式,并引入自适应交叉和变异概率,给出了一种改进的遗传算法。最后通过标准算例和断路器抽架生产实例进行了数值仿真实验,结果表明相较于随机优化和鲁棒优化方法,所建立模型在降低结果保守性的同时保持较高的鲁棒性,并且针对问题所提出的改进遗传算法具有良好的寻优能力。     

改进智能水滴算法求解多目标混流装配线平衡问题

针对第Ⅰ类混流装配线平衡问题,为了更大限度地提高装配线效率,设计一种基于改进智能水滴算法的多目标混流装配线模型.该模型通过在选择工位的同时考虑启发式因素与土壤值来提高装配效率,在处理产品切换引起的负荷变化的同时,能够很好地优化装配线的工位数、平滑指数和操作关联度.通过使用帕累托分层对传统的智能水滴算法进行修改,从而达到一个帕累托集以实现目标的优化.利用若干个装配线问题的标杆算例对提出的算法进行测试并进行指标分析,实验结果显示与其他算法相比,本研究算法计算出的结果更优,非支配解比例、解集分布性等指标更好.     

混流装配线平衡和排序问题研究综述

系统地总结了现有的混装线平衡和排序的主要研究内容,从混装线平衡、混装线排序及混装线平衡与排序的集成三个方面对现有了研究进展与研究方法进行了分析和总结,并对一些特殊形式的混装线进行了分析.最后提出了混装线平衡与排序问题需要进一步研究的几个方向.     

基于蚁群算法求解混流装配线传送带中断问题

将可扩展X-．作域概念引入混流装配线中的传送带中断问题,研究了该问题的相关性质：装配线中断发生的充分必要条件,目标函数的边界等．在此基础上,设计了约束集一蚁群算法求解环型油漆车身缓冲区约束下,以传送带中断时间最短为目标的汽车制造排程问题 算例验证了文中解决策略的优越性,同时显示了物料流平准化对传送带中断的影响．     

基于有向网络理论的 U 型装配线平衡问题研究

针对制造企业的复杂装配线工作站优化设计和生产柔性化要求,提出基于有向 网络理论的解决办法． 首先结合装配线平衡问题简单算例,说明装配流水线作业流程图满 足有向图特征,并用矩阵表示,将复杂网络图信息转换为可计算的数据信息,实现了流水 装配线平衡的计算机计算与程序设计． 其次以 29 个节点装配流程为例,在满足作业元素 的时间、流水节拍以及作业元素优先关系的约束条件下,以装配线时间损失率最小为优化 目标,建立装配线平衡问题的数学模型． 最后利用有向图网络理论计算装配线平衡问题和 U 型装配线设计,平衡率达到93． 81%,验证了有向网络图理论求解生产线平衡问题的合 理性和有效性,并实现了计算机程序计算． 本研究为制造企业大型流水线设备自动化设计 提供了一种新方法．     

求解随机型双边装配线平衡问题的混合回溯搜索优化算法

针对现实生产中普遍存在的操作时间为随机的双边装配线平衡问题,提出一种混合回溯搜索优化算法。该算法将变邻域搜索算法的局部搜索能力融入到回溯搜索优化算法的全局搜索中,从而实现广度搜索和深度搜索的平衡。运用基于随机键的编码将用于求解连续问题的回溯搜索优化算法应用于离散组合优化问题,同时提出一种基于均衡双边负载的边选择策略和减少工位空闲时间的任务选择策略的解码方法,并将该方法同另外4种解码方法进行对比,以验证其优越性。标杆算例测试表明,所提出的算法具有可行性和有效性。     

混流装配线平衡问题与规划方法研究

针对客户需求变化、产品设计不断升级演进、装配技术与设备更新等迫使装配线再次调整与演进平衡的问题,综述了现有装配平衡/演进平衡的主要内容及研究进展。首先从混流装配线平衡、混流装配线再平衡两方面总结了混流装配线研究进展与平衡规划方法;其次,对混流装配线平衡问题的分类和通用解决方法进行了归纳与总结;最后,在以上研究分析的基础上提出了产品演进驱动下装配线平衡的进一步研究方向。     

改进的鲸鱼优化算法及其在烧结配料中的应用

针对标准鲸鱼优化算法(WOA)易早熟的缺点,提出一种改进的鲸鱼算法.设计一种基于指数函数的收敛因子以协调WOA算法的探索与开发能力,提出基于旋转操作的精英学习算法来提高算法的局部寻优能力,并采用自适应变异操作以减少算法陷入局部最优的概率.通过10个标准测试函数验证改进的鲸鱼算法IWOA的有效性.研究结果表明:IWOA具...     

简单直线和U型装配线平衡中的改进阶位法

针对简单直线和U型装配线平衡问题,提出了改进阶位法.依据产品加工的作业元素时间和优先关系,综合考虑作业元素的时间阶位值和位置阶位值,求得综合阶位值.运用改进阶位法对装配线平衡问题求解,得到简单直线、单U型和双U型装配线的生产线平衡结果.结合算例1,对简单直线和U型装配线平衡效果与分枝定界法的结果进行了比较,改进阶位法的结果优于分枝定界法;结合实验算例2,验证了改进阶位法平衡效果好于时间阶位法,因此,改进阶位法是求解装配线平衡问题的有效方法.     

多目标混流装配计划排序问题

在总结混流装配线排序问题的优化目标基础上,给出了一种混流装配线排序多目标优化模型.采用一种染色体映射的策略,有效地解决了遗传算法中染色体变化后难以保证主生产计划约束的问题.对比计算的结果表明:多目标计划排序不仅能有效保证基于生产负荷平衡的目标和基于物流平顺化的目标的要求,同时还能减少装配中品种切换频繁的问题.     

求解混流装配线调度的疫苗共生克隆选择算法

针对混流装配线的多目标调度优化问题,提出了一种疫苗协同进化的多目标免疫克隆选择优化算法.设计了疫苗种群及其相关操作,使其跟抗体种群相互影响并协同进化,提高了算法的性能;针对调度优化问题的离散性,选择同时从抗体的基因型和表现型评价抗体亲和度;依据抗体质量和进化代数,设计了自适应变异率;在每次迭代过程中,通过多次局部寻优加快算法收敛速度.最后通过两组实例仿真,与另3种多目标优化算法进行比较,结果证明该算法可得到更好的计算结果.     

U型渡槽参数化有限元建模与智能优化设计研究

为推动U型渡槽的结构优化设计更好地向智能化、自动化发展,建立了一套结合参数化有限元分析程序及智能优化算法程序的结构优化设计系统。基于自主研发的大型有限元通用程序HSNAP,开发了参数化建模程序模块,实现了渡槽三维设计模型的参数化描述;结合多核并行技术,编制了并行化鲸鱼优化算法程序进行优化计算。结合某灌区U型渡槽工程,以混凝土用量最低为优化目标,采用所提出的结构优化设计系统对渡槽结构尺寸参数进行优化,分析结果表明,与原设计方案相比,优化方案能够满足结构的安全要求,并具有显著的经济效益。     

基于工位约束快速启发式算法的混合装配线分段优化

基于目前许多混合装配线多为人工装配的特点,对混合装配线改造问题进行了研究.在现有搭积木模型快速启发式算法的基础上进行改进,建立了带盒子约束可重叠搭建的积木塔模型,制定了新的搭建规则,在此基础上提出了一种适用于对原有混合装配线进行改造的带有工位约束的启发式算法;并针对混合装配线提出了分段优化的策略,将大规模问题分解为小规模问题进行研究,提高了算法的求解速度.算例验证了带工位约束启发式算法的可行性及有效性.     

基于混合鲸鱼优化算法的鲁棒多用户检测

针对冲击噪声环境下多用户检测误码率高的问题,提出一种基于混合鲸鱼优化的鲁棒多用户检测算法。该算法首先利用基于非线性控制策略的改进鲸鱼优化算法,加速寻优算法迭代过程的收敛;再利用自适应差分进化算法丰富算法种群个体信息,增强优化算法的全局收敛性;同时将适应度较好的个体信息保存到集合中,以保证下一次迭代寻优方向的可靠性,最终实现对最优解位置的快速解算。仿真结果表明,基于本文算法设计的多用户检测器相比采用遗传算法、差分进化算法,以及鲸鱼优化算法的多用户检测器寻优迭代次数更少,且误码率低。     

基于GA-PSO的多目标混流装配线排序研究

为求解生产调度中的多目标混流装配线排序问题,提出一种将遗传算法与粒子群算法相结合的混合算法——GA-PSO算法.为更好地评价个体,提出一种引入个体的Pareto分级和拥挤距离的适应度函数.针对标准PSO算法求解排序问题的不足,提出了一种将实数映射成离散值的方法.在算法的历次迭代中,早期通过遗传算法全局搜索优势扩大搜索范...     

基于均匀设计的一种多目标最优化并行算法

算法把均匀设计方法用于确定一组带权极大模评价函数的权系数,通过独特选取目标函数多组权系数,使这组评价函数的搜索方向在目标函数空间中均匀指向有效界面,并且用并行算法计算多目标最优化问题的有效解。无论多目标最优化是凸或非凸问题,该算法均能找到一个均匀分布的有效解集 。数值实验结果表明该算法十分有效。     

基于Iterative映射和非线性拟合的鲸鱼优化算法

为解决鲸鱼优化算法中收敛速度慢和寻优精度低等问题,提出一种基于Iterative映射和非线性拟合的鲸鱼优化算法（NWOA）。首先,该算法利用了Iterative映射对鲸鱼种群初始化,保证初始种群的多样性;其次,采用非线性拟合的策略对收敛因子和惯性权重进行改进,以平衡算法的全局勘测能力和局部开发能力。通过对13种函数进行仿真实验,从均方差和平均值的角度分析,改进后算法寻优精度显著提高,且稳定性较强。实验结果表明NWOA与传统的鲸鱼优化算法相比,收敛速度明显加快。