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。

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%。

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.

基于遗传算法的直线型和U型混流装配线平衡问题研究

针对混流装配线上不同产品作业时间差异导致的工作站瞬时负荷不均衡问题,提出了一种改进的直线型和U型混流装配线多目标平衡方法,并以装配线平衡率、平滑指数作为平衡效果的评价指标。综合考虑工序分配约束、工作站约束、优先关系约束和节拍约束等约束条件,同时兼顾工作站数最小和各工作站内不同品种产品负荷均衡2个目标函数,分别建立直线型和U型混流装配线多目标平衡优化模型。采用遗传算法作为优化算法,并在变异环节加入强制规则,使得变异过程能够朝着规定方向进行,以提高可行解的比例。最后通过对比算例分析结果,表明所提方法能够快速有效求解直线型和U型混流装配线平衡问题,可以为企业在直线型和U型混流装配线规划阶段制定平衡方案提供参考。

汽车混流装配线物料配送的现状、问题与对策探讨

文章以D公司汽车总装车间为例,以解决该车间为实现混流生产在上线物料配送中的实际问题为研究目标,对其物料配送的现状和影响因素进行分析,提出物料配送环节中所存在的问题,并提出优化对策。