混合人工蜂群算法在混流装配线排序中的应用

为更好地解决混流汽车装配线排序问题,建立了以最小化总调整时间和最小化超载时间与空闲时间为优化目标的典型混流装配线排序数学模型,提出一种求解该模型的混合人工蜂群算法。针对标准人工蜂群算法不能解决离散问题的缺陷,引入禁忌搜索算法重新设计了蜂群的邻域搜索算法,设置了算法邻域搜索的动态参数,设计了禁忌搜索算法在人工蜂群算法中的嵌入策略;为保证算法的全局收敛性,采用基于跟随蜂的精英保留策略,给出了侦查蜂和跟随蜂的食物源更新方法。通过比较混合人工蜂群算法与遗传算法和标准人工蜂群算法对不同规模算例的计算结果,验证了所提算法在求解混流装配线排序问题中的优越性。

基于多目标猫群算法的混流装配线排序问题

针对现实混流装配线上各工作站内设备闲置/超载的成本不同的问题,在传统的最小化闲置/辅助工作总成本目标的基础上,考虑不同工作站内设备闲置/超载成本的差异,建立了以改进的最小化工作站闲置/超载总成本、产品变化率和产品切换总时间为目标的多目标优化模型,并设计一种改进多目标猫群优化算法进行求解。提出一种基于线性混合比率的猫行为模式选择方法,以提高算法前期的全局搜索能力和后期的局部寻优能力;提出能生成分布广泛的候选个体、基于多样化搜寻算子的改进搜寻模式,拓展算法的搜索空间,提高算法的全局搜索能力。运用基准实例对所提算法与第二代非支配排序遗传算法、多目标粒子群算法、第二代强度Pareto进化算法进行比较,结果表明所提算法在解的收敛性、分布性和Pareto解的搜索能力上均具有优势。将该算法用于求解某实例企业的混流装配线排序问题,为车间调度人员的决策提供了多样化的选择,且优于车间已有方法的求解结果。

基于禁忌粒子群算法的混流装配线排序研究

为了更好地解决开放式作业域的混流装配线排序问题,建立了以最小化超载时间与平顺化零部件消耗为优化目标的混流装配线排序问题数学模型,并提出了一种禁忌粒子群算法求解该排序问题。针对标准粒子群算法在算法后期搜索精度不足以及容易陷入局部最优不能跳出的缺陷,引入了禁忌搜索算法建立了对最优微粒的重搜索机制来提高算法跳出局部最优的能力,同时给出了禁忌算法中候选解、禁忌表长度、禁忌对象、藐视准则的设置方法,并采用了随机权重的惯性权重更新方式来平衡算法的全局和局部搜索能力,最后建立了禁忌粒子群的算法流程。通过比较禁忌粒子群算法与遗传算法的实例计算结果,验证了禁忌粒子群算法在求解开放式作业域的混流装配线排序问题中的有效性和优越性。

考虑产品切换的客车混流装配线排序问题

针对主客观因素交互影响下混合装配线的排序问题,建立以最小化工作站堵塞时间与最小化产品切换次数为目标的交互排序模型,并依据客车在实际加工过程中的传统排序方案与模型所得排序方案的结果进行对比分析。模型构建从客观因素出发,优化堵塞时间即“重构”作业框架,以达到对负荷高峰时期进行削峰处理的目的,并进一步在主观因素层面上,考虑线上操作者的作业惯性,降低线上操作者对频繁切换产品的出错率,保持较高熟练度时操作的方便与流畅性。引入主客观优化评价算法对模型进行计算,决策出最优任务调度方案。对比分析结果表明,模型获得的最优排序改善了装配线的生产堵塞时间,同时兼顾主观因素主导下的产品切换频率问题,对于节省装配过程中有限的时间资源和释放有限的空间资源具有很大的作用。

基于Memetic算法的混流装配线排序问题研究

混流装配生产是实现多品种、小批量、JIT生产的有效策略之一。为使混流装配线能有效运作,根据企业实际需求,建立了以零部件消耗速率均匀化与最大加工周期最短为目标的混流装配线多目标排序优化模型,并设计了Memetic算法进行求解。采用遗传算法作为全局搜索策略,扩大了解的搜索空间;引入禁忌搜索策略,提高了算法邻域探索能力。通过应用实例,对比验证了所设计Memetic算法在求解混流装配线排序问题上的有效性。

基于改进离散微粒群优化算法的混流装配线多目标排序

产品投产排序是混流装配线有效运作的关键,它是标准微粒群算法无法直接应用的离散空间问题。提出改进离散微粒群优化算法来解决混流装配线多目标排序问题。提出了适应离散编码的粒子位置编码方式,有效避免了不可行解的产生,提高算法效率。引入了动态参数及自适应逃逸机制增强了粒子的多样性和搜索性能。分析了装配线参数变化对目标函数和相应投产序列的影响,并确定出了能够获得最优解的合理参数范围。提出评价指标对改进离散微粒群优化算法与基本离散微粒群优化算法进行了对比,对实际混流装配线的仿真实验表明提出的改进微粒群优化算法可以直接应用于离散排序问题,是一种高效的混流装配线排序算法。改进微粒群优化算法与遗传算法的仿真实验对比显示了提出方法在混流装配线排序问题中的优越性。

混流装配排序问题的改进人工蜂群优化

为解决离散的混流装配线作业排序问题,提出一种基于人工蜂群优化算法的改进算法。采用NEH启发式方法优化初始种群质量;在雇佣蜂算法中建立了变邻域区域搜索机制并嵌入模拟退火算法,提高了算法的搜索精度与广度;提出一种最优控制策略,通过限制最优解群体的成长速度,有效降低了种群相似度,提高了算法的全局搜索性能。实验方面,算法参数通过标准算例仿真对比设定,并采用Benchmark标准算例对所提算法与标准人工蜂群优化算法、遗传算法、混合遗传算法、改进粒子群优化等算法进行了对比。通过一个混流排序实例的仿真,对比证明了算法在求解混流装配线排序问题上的有效性。

基于GA&SA的混流装配线平衡系统的研究与实现

在对柔性生产环境下的多品种混流装配线设计问题进行分析的基础上,结合4种不同型号的保险杠的装配工艺,提出结合当量节拍、可变装配站与固定工作站的设计技术,设计以装配线过载和闲置成本最低为目标的投产排序模型,并开发一个面向对象的投产排序系统,运用SA&GA混合算法对模型进行求解,得出最佳投产排序解决方案。

基于空间蚁群算法的混流装配线组批排序方法

针对混流装配线按工作日历调度过程中,组批生产导致订单准时交付率差、加班时间长,以及缺料等干扰因素导致完工周期延长等问题,以零部件配套、按工作日历组批为约束,最小化完工周期、提前/拖期时间以及加班时间为多目标,建立工件排序数学优化模型。验证以完工周期最短为目标的流水线工件最优排序亦具有V型特征。提出空间蚁群权重设计方法,将蚂蚁沿不同的权重向量寻优,提高算法的全局搜索能力;并根据当前Pareto解在各权重子空间的分布情况动态调整各子空间的蚂蚁数量,避免陷入局部最优。通过与文献算法对比,验证空间蚁群算法具有良好的优化性能,并通过实例验证了排序方法的有效性。