改进鲸鱼优化算法及其在混流U型装配线平衡问题的应用

为提高鲸鱼优化算法的寻优效果和求解稳定性,通过改进算法的种群初始化、局部搜索、越界处理方法和收敛因子,提出了一种改进的鲸鱼优化算法。采用基于切割法的均匀设计种群初始化方法,改善算法初始种群的均匀性;通过引入基于NEWUOA算法的局部搜索算子,提高算法的局部搜索能力;在算法的越界处理方面,提出一种基于环形区间和随机波动的方式,降低算法陷入局部最优的可能;引入了非线性收敛因子和自适用权重,均衡算法的局部和全局搜索,并进一步增强搜索的精细度。通过7个单模态、多模态以及固定维度的基准测试函数进行了数值仿真实验,验证了改进的鲸鱼优化算法相较于遗传算法、鲸鱼优化算法以及其他改进的鲸鱼优化算法,在寻优效果和求解稳定性方面具有优越性。针对混流U型装配线平衡问题,考虑最小化装配线的节拍时间,将改进的鲸鱼优化算法用于问题求解;在解码阶段,设计一种基于阈值的解码方法,优化工序的分配过程;最后计算了21个混流装配线算例,结果表明,改进的鲸鱼优化算法在20个算例中求得了更优解,相较于其他算法,节拍时间平均降低3.02%。

混合EDA求解绿色机器人U型装配线平衡问题

针对带序相关约束的绿色机器人第2类U型装配线问题(GRSDUALBP-2),建立了以同时最小化节拍时间和能耗为优化目标的数学模型,并提出一种混合分布估计算法(HEDA)进行求解。首先,在算法编码解码阶段考虑工序与机器人分配的协同优化,设计一种操作分配规则以提高解码效率;然后,在算法优化阶段采用基于概率模型的分布估计算法(EDA),以有效积累和学习优质解信息,并设计3种邻域策略以进一步提高算法局部搜索性能;最后,通过仿真实验与算法对比,验证了HEDA是求解GRSDUALBP-2的有效算法。

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。

基于随机机会约束规划的U型装配线平衡优化

为减少因操作工时波动引起的生产效率损失或生产秩序中断,针对随机工时下第二类U型装配线平衡问题,提出基于物流运输特性的U型装配优先关系约束条件,以保证入口和出口线上的物流顺行;以线效率高和稳定性强为目标,建立了双目标随机机会约束规划模型。由于该模型具有随机、多目标、非线性等属性,通过对随机机会约束的确定型等价处理、对双目标的归一化处理、对非线性约束的线性化处理,将原模型转换为混合整数线性规划模型,并用GAMS/Cplex进行求解。实验结果表明,在操作工时包含随机性时,所提出的随机机会约束规划模型及确定型线性化处理方法,可以较小的效率损失换取生产稳定性的显著提升。

运用改进蚁群算法求解直线型和U型装配线平衡问题

针对直线型和U型装配线第一类平衡问题,提出一种基于最优成分信息素更新规则的改进蚁群算法。算法在任务和工作站之间释放信息素,综合利用多种优先权规则作为启发式信息,在解构造中加入下界检查,在全局信息素更新中仅对本次迭代最优解中的最优成分释放信息素,既保留了最优解信息,又增加了探索更优解可能。仿真对比实验表明了该算法的有效性。

基于能力因子的某轻型飞机U型装配线平衡

为了解决某轻型飞机第Ⅱ类U型装配线平衡问题与生产实际存在偏差的问题,提出了基于能力因子的Memetic算法。给出能力因子的定义和取值方法,从符合生产实际的角度研究了装配线平衡问题。以装配线节拍的最小化和各工位间负载的优化为目标,建立了某轻型飞机U型装配线的多目标、多类约束数学模型,并详细描述了约束条件。以某轻型飞机装配线为对象进行了优化计算,通过比较考虑能力因子的Memetic算法和普通Memetic算法的求解结果,验证了考虑能力因子的Memetic算法的实用性和有效性。

多重资源约束下的多目标U型装配线平衡

为处理因设备故障、订单变化等引起的任务量波动或生产中断问题,在关键工序设置多个并行可选设备、在生产子线设置助理,以保证装配线的生产率。针对该类问题,构建随机工时下基于资源分配的成本、效率双目标U型装配线平衡模型,并采用Benders分解法,将问题分解为设备和助理分配主问题、工序分配子问题,以降低模型求解的复杂度。提出基于Benders分解的快速非支配遗传算法,通过三层编码及解码来适应多决策变量;采用非回溯的Pareto层级构造和拥挤距离,实现种群评价与选择;提出基于概率的层次化遗传操作,以扩充邻域结构、增强寻优能力、避免局部优化。通过非支配解比率、Pareto前沿解收敛性和个体间距度量指标分析所提算法、多目标遗传算法和非支配排序遗传算法,证明算法获得了逼近Pareto最优前沿的非支配解集,且具有良好的收敛性和分布性。

融合学习效应和加强约束的混合模型U型装配线平衡

基于U型线的物流运输特性,提出一种新的位置编码及解析方式,来建构起能满足优先约束关系的工位与位置间的关系;基于该编码表示决策变量,描述出在装配生产过程存在的学习效应和加强约束;以工位最小化为目标,建立基于混合整型非线性规划的U型装配线平衡模型;把学习效应表达式离散化、将非线性模型线性化,降低了模型的计算复杂度,以快速有效求解。算例结果表明,所建模型可有效解决融合了学习效应和加强约束的第一类、混合模型U型装配线平衡问题。

基于有向网络的双U型装配线平衡实验与分析

针对产品的流水装配线组织设计和装配线平衡问题,提出有向网络新方法。在实验室现有直线型装配线上对产品(车模)进行产品结构分析,并对流水装配进行组织设计,获得了各工序时间和紧前关系,但产线平衡率不高。为提高生产效率,对产品的装配过程建立了数学模型。利用有向加权网络理论计算了模型中优先关系权重,实现了计算机程序计算,并用启发式算法对四驱车模型装配工序重新分配,设计双U型装配线。将U型装配线与现有直线型装配线进行了比较,平衡率提高了9.4%,验证了模型和算法的有效性和优越性,有向网络理论提高了运算效率,并为计算大型装配线平衡问题提供了新的方法。

第2类U型装配线平衡问题的双阶段蚁群算法

针对电子、汽车等行业中普遍存在的第2类U型装配线平衡问题(UALBP-2),提出了一种双阶段蚁群算法。强调全局搜索的第一阶段算法利用探路蚁,根据操作选择和分配策略以及迭代压缩机制快速得到问题的较优解,减小搜索空间;注重局部搜索的第二阶段算法利用搜索蚁,根据所提的信息素减小更新策略在包含最优解且不断减小的搜索空间中搜索各工位的不同精英负载,基于精英复制策略利用精英蚁将其组合为问题的可行解。对18个标杆算例的33个实例的求解结果验证了所提算法的有效性和稳定性。

改进遗传算法求解大规模混流U型装配线问题

针对大规模混流U型装配线平衡问题,提出一种基于多级随机分配编码的改进遗传算法。算法在编码阶段考虑操作间优先关系,采用多级随机分配编码方式,将大规模混流U型装配线问题转化成中规模或小规模混流U型装配线问题。该编码通过避免不可行随机解的产生,在编码阶段提高可行解的比率。同时,采用基于层级的单点交叉方法,在保证可行性的前提下,提高种群的多样性。算法在降低计算复杂度的同时也能准确求出问题较优解。对比实验结果表明所提出的算法能快速有效求解大规模混流U型装配线平衡问题。

基于行为研究的U型装配线仿真

为了寻找较优的U型装配线上工人之间的合作策略,利用仿真的方法研究了人的行为对柔性生产线生产效率的影响。对某U型装配线进行了实体建模。从工作逻辑和合作逻辑两方面引入生产效率的影响因素,在工作逻辑中主要考虑失误、疲劳和工作进度对个人操作速度的影响,在合作逻辑中主要考虑合作的必要条件以及合作策略对生产效率的影响。采用正交试验方法进行试验设计,通过仿真分析了工作逻辑和合作逻辑对U型装配线生产效率的影响,并在给定因素水平的前提下给出较优的合作策略。

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.

基于粒子群算法的U型装配线平衡问题研究

针对给定节拍最小化工作站数的第一类U型装配线平衡问题,提出了一种改进的粒子群算法。由于粒子群算法不能直接用于求解离散空间的组合优化问题,故文章采用基于优先权的粒子群算法来求解,通过对任务赋以的权重的大小来选择任务,并具体说明了粒子速度和位置的更新。最后,对大量测试问题集进行了验证,说明了算法的有效性。

联合U型装配线的平衡

联合 U型装配线是准时化生产系统中实现少人化的一种设备布置方式。针对动态规划算法求解联合 U型装配线平衡问题的局限性 ,提出了一种改进的启发式算法——动态阶位算法。实例表明 ,动态阶位算法计算效率高 ,对装配优先关系图中作业元素个数和优先矩阵的密度没有任何限制 ,平衡的结果等同于最优化结果 ,可以解决动态规划算法所不能求解的单一优先图中作业元素个数超过 2 2个且具有稀疏优先矩阵的联合

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.

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.

基于情绪模型的U型装配线工人合作仿真

针对合作对U型装配线生产效率的影响展开研究。利用贝叶斯网络理论和模糊逻辑推理进行了合作中的情绪建模,给出了引发情绪的各种事件的评价方法,在此基础上建立了基于合作的工人行为模型;从管理层可控的角度出发对合作策略进行了设计;利用正交试验设计对合作策略进行了仿真分析,根据分析结果对现有合作策略进行了优化,并对其进行了仿真验证。研究表明,良好的合作策略能够有效提高U型柔性装配线的生产效率。

利用Petri网求解U型装配线平衡问题

提出了一种基于Petri网的启发式算法用于求解第一类U型装配线平衡问题,算法利用Petri网的可达分析和托肯的移动来决定可分配的作业元素,并按照最小化工作站空闲时间原则从前向后和从后向前两个方向同时分派作业元素到工作站。算法编程简单,可用于快速求解大规模问题。通过对大量问题集的测试验证,说明了算法的有效性。

基于改进遗传算法的U型装配线平衡问题求解模型

为求解U型装配线平衡type-2问题,本文以装配线效率最大化和工作站工作负荷绝对偏差最小化为优化目标,构建U型装配线平衡模型,并提出改进遗传算法。本文采用基于优先级的编码解码方法,保证在遵循工序优先级关系的前提下,实现基因的多样性,避免无效基因的产生,减轻计算量。本文所提出的基于位置的映射交叉也能在不影响解码的情况下产生有效新个体。实验算例表明,本文所提改进遗传算法有效且比一般遗传算法具有更好的求解质量和求解效率。实际案例验证表明,本文提出的模型算法可以提高S公司U型装配线产能和效率。