基于随机权重多目标遗传算法的多目标动态单元构建方法

考虑多变的市场需求环境下单元生产系统在多个计划期具有多个目标的动态构建决策问题。通过对单元生产构建过程中的总费用、设备负载与能力之间最大偏差以及零部件跨单元移动的总次数3个目标进行权衡,建立了非线性多目标动态单元构建的数学模型。采用自适应小生境技术、惩罚技术、双轮盘赌法和精华选择策略,提出了基于精华保留策略的随机权重多目标遗传算法求解该组合优化问题。结合实例对模型和算法进行了仿真分析,结果显示了算法对解决多目标动态单元构建问题的有效性。

基于分散搜索的多目标动态单元构建方法

研究市场需求变化的情况下生产单元内部配置可调整的多周期多目标动态单元构建方法.考虑单元构建费用、设备利用率和跨单元移动数目,提出了动态单元构建方法的非线性多目标数学规划模型.为有效求解该模型,开发了一种分散搜索算法.该算法利用多样性初始解产生方法、全局判断方法、参考集更新方法和解改进方法等实现了生产单元的动态构建.对大规模的单元构建实例进行仿真分析,通过与基准算法进行比较,验证了模型与算法的有效性.

基于模糊需求与机器产能的动态单元构建与布局问题

针对动态单元构建与布局问题中产品需求与机器产能的不确定性,综合考虑多行布局和柔性单元外形等因素,建立了基于模糊需求和机器产能的基本问题模型。考虑以分段线性隶属函数表示模糊目标函数和约束条件,将原问题转化为最大化决策问题,以确定在给定约束下最大程度地满足模糊目标函数的设计方案。提出一种基于结构化编码的分散搜索算法,该算法采用带轮盘赌选择算子的子集合并方法提高新解的质量,并利用动态参考集更新方法加快收敛速度。通过对比该算法与LINGO和模拟退火算法在不同规模问题下所得的结果,验证了模型的正确性与算法的有效性。

基于MPSO的动态多路径单元构建物流成本优化研究

基于产品动态需求,建立了以单元内和单元间物料搬运、加工制造、库存转包、延期惩罚等各项总物流成本为目标的单元构建模型.运用改进粒子群优化算法(MPSO)进行求解,设计了结构化的编码方式,以提高搜索全局最优解的效率.通过算例仿真验证了模型的正确性和算法的可靠性.

曲面等值分割中的界点跟踪方法

面向任意输入条件的曲面等值分割方法具有通用性,但已有方法未对其界点跟踪环节进行深入探讨.为此,提出曲面等值分割中的界点跟踪算法.首先,通过循环选择当前网格单元的出入界点,构建后继网格单元,并设为当前网格单元来跟踪界点;其次,对算法中的关键技术——网格单元动态构建方法以及基于界边生长趋势预测的网格单元出入界点选择方法进行介绍;最后,针对坐标、可加工性、法向量、高斯曲率和平均曲率等面点属性设计5个分割条件集,并进行实例测试.当网格单元均仅有2个界点时,该方法与已有方法的分割精度相同;当存在网格单元有2个以上界点时,该方法的平均界点误差比已有方法降低91.78%.实验结果表明,该方法适用于更复杂的分割问题,且具有较高的分割精度和鲁棒性.

Improved PSO for integrating dynamic cell formation and layout problems

To decrease the impact of shorter product life cycles,dynamic cell formation problems(CFPs)and cell layout problems(CLPs)were simultaneously optimized.First,CFPs and CLPs were formally described.Due to the changes of product demands and the lim it of machine capacity,the existing layout needed to be rearranged to a high degree.Secondly,a mathematical model was established for the objective function of minimizing the total costs.Thirdly,a novel dynamic multi-swarm particle swarm optimization(DMS-PSO)algorithm based on the communication learning strategy(CLS)was developed.Toavoid falling into local optimum and slow convergence,each swarm shared their optimal locations before regrouping.Finally,simulation experiments were conducted under different conditions.Numerical results indicate that the proposed algorithm has better stability and it converges faster than other existing algorithms.