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,...     

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.     

基于蚁群算法求解混流装配线传送带中断问题

将可扩展工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-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．     

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.     

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。     

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.     

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型装配线的启发式平衡方法

随着现代生产管理中准时制（JIT）生产方式的应用,越来越多的装配线采用U型布局,该文探讨U型装配线的平衡问题,用解决传统直线型装配线平衡问题的启发式方法来解决U型装配线平衡问题,给出了U型装配线的启发式平衡方法的算法模型及其算例。结果表明,所建立的算法模型计算方法准确简单,能够快速搜寻最满意解,且对U型装配线平衡的其它相关问题作了进一步的探讨。     

解决混合装配线平衡问题的多目标遗传算法研究

混合装配线平衡问题是近期研究的热点,而工人的合理分配则是解决该类问题的关键.将解决混合模型装配线平衡问题扩展到基于工人分配的装配线平衡问题,包括任务的分配和工人的分配两个子问题.采用基于随机密钥的编码方法和先进的适应特定染色体结构和MALB-WA问题特点的遗传算子来解决该问题,最后通过数值实验验证该方法的性能.结果表明,该方法提高了解的质量,同时其收敛性优于其他现有的GA算法.     

基于智能算法的装配线平衡问题研究

为提高汽车发动机装配线的柔性程度,提出多目标混合整数线性规划模型.该模型考虑平衡问题的三个目标,即产品的节拍时间最小、将相同的工序尽可能放到同一个工作站、不同工作站间的工作负载均衡最大;采用粒子群算法进行装配线平衡优化.试验结果表明本文提出的多目标混合整数线性规划模型可以帮助决策者协调装配线的布局,实现生产效率的最大化.     

双边装配线平衡的启发式算法

针对目前研究较少的双边装配线平衡问题,分析、研究了双边装配线平衡的特点,建立了问题的数学模型,并提出一种有效的启发式算法.在该算法中,采用基于位置的任务分配策略,运用多个启发式规则,如具有操作方位约束的任务将被优先分配,来进行任务的选择与分配;通过综合考虑E型任务在装配线双边的状况,确定其分配的具体方位,最大化E型任务的调节作用.大量实例运算结果表明,该算法具有较好的性能.     

基于改进鲸鱼优化算法的GBDT回归预测模型

针对梯度提升决策树（gradient boosting decision tree, GBDT）参数难以选择的问题, 提出一种基于改进鲸鱼优化算法（improved whale optimization algorithm, IWOA）的GBDT回归预测算法. 首先, 提出一种改进的鲸鱼优化算法, 利用混沌映射初始化种群提高种群多样性, 引入惯性权重与差分进化算法中的变异交叉策略解决迭代后期易陷入局部最优的问题; 其次, 利用IWOA对GBDT的关键参数寻优, 避免参数选择的盲目性, 提高回归预测模型的泛化能力; 最后, 建立IWOA-GBDT回归预测模型, 并利用UCI数据集对模型进行验证. 实验结果表明, 相比于决策树、 支持向量机、 Adaboost和GBDT算法, 该模型算法具有更好的拟合效果, 并有一定的实用价值.     

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.     

基于自适应调整权重和搜索策略的鲸鱼优化算法

针对鲸鱼优化算法(WOA)收敛速度慢、收敛精度低、易陷入局部最优的问题,提出一种基于自适应调整权重和搜索策略的鲸鱼优化算法(AWOA).设计一种随着鲸鱼种群变化情况而自适应调整权重的方法,提高了算法的收敛速度; 设计一种自适应调整搜索策略,提高了算法跳出局部最优的能力.利用23个标准测试函数,分别针对高维和低维问题进行测试,仿真结果表明,AWOA在收敛精度和收敛速度方面总体上明显优于其他多种改进的鲸鱼优化算法.     

基于改进动态因子的鲸鱼优化算法

为了实现鲸鱼优化算法的种群多样性、减小计算复杂度,构造具有搜索上下界的初始种群。进一步,设计动态收敛因子和动态权重因子,以提高算法的收敛速度和计算精度,在此基础上,提出基于改进动态因子的鲸鱼优化算法并证明了其收敛性,分析了其复杂度。为了验证新算法优化性能和普适性,将改进的鲸鱼优化算法与其他优化算法进行比较,并将其应用到无人机路径规划中。结果表明：基于改进动态因子的鲸鱼优化算法相比于其他优化算法有更好的收敛精度和更快的收敛速度。可见,基于改进动态因子的鲸鱼优化算法性能更好,能更高效的完成任务。