基于多目标混合殖民竞争算法的设备维护与车间调度集成优化

在制定调度计划时考虑设备预防性维护可以提高设备利用率和资产效率。首先,依据实际制造车间生产环境,在每台机器的可靠度降低到阈值的时候安排预防性维护,建立柔性作业车间设备预防性维护与调度集成优化的数学模型,以最小化最大完工时间、总生产成本和平均总维修成本为目标。然后,提出一种多目标混合殖民竞争算法求解该模型,设计相应的编码、解码、殖民国家同化过程以及多目标混合殖民竞争算法的流程,并采用改进加权TOPSIS方法在获得的Pareto解集中选择满意解,以达到提高设备的可靠性、按期交货和节省成本的目的。最后通过具体实例验证提出策略的可行性和有效性。

基于多目标殖民竞争算法的随机型双边装配线

针对随机型双边装配线平衡问题所特有的操作方位约束、位置约束、区域约束和同步约束,以最大化线效率、最小化平滑指数和最小化单位产品总成本为目标,构建了考虑多约束、多目标的数学模型。提出了一种新型的多目标混合殖民竞争算法求解该模型,设计了相应的帝国初始化、帝国内的同化、殖民竞争等操作,并将殖民竞争算法的全局搜索能力与延迟接受爬山算法的局部搜索能力有机结合,以更快获得更优的Pareto解。通过具体实例测试,并将结果与当前文献和快速非支配排序遗传算法进行比较,验证了所提算法的可行性和有效性。

基于绿色生产的混合流水车间调度问题研究

针对绿色可持续发展问题,通过量化绿色指标评价方法,构建最小化最大完工时间、碳排放和噪声的多目标混合流水车间调度模型,并提出一种混合离散多目标帝国竞争算法(hybrid discrete multi-objective imperial competition algorithm,HDMICA)对模型进行求解。采用基于混沌反向学习策略的种群初始化方式提高初始化种群的多样性;基于本文模型设计3种有效的局部搜索策略以提升算法局部搜索能力;通过实验验证所提算法的有效性及优越性。

炼油厂原油选购多目标优化

为保证原油加工装置的平稳生产和取得好的经济效益,大多数炼油厂会通过控制混合性质同时选购几种原油进行混炼.原油选购优化现已成为提高炼油厂经济效益的重要手段.以炼油厂原油选购利润最大以及混合原油与目标原油的性质相对偏差最小作为目标,建立了一个多目标原油选购优化混合整数非线性规划模型.在多目标列队竞争算法(MOLCA)的基础上,改进了目标值的排序方式,并加入变异算子,提出了一种改进的多目标列队竞争算法(IMOLCA).利用IMOLCA优化求解该模型,可以得到两优化目标最优解集的Pareto前沿.通过实例分析,验证了模型和算法的有效性.计算得到的方案可为炼油厂原油选购提供参考.