不确定需求下的单向环形设备动态布局方法

针对现有单向环形设备布局方法不考虑需求变化的影响,导致所得方案在不确定需求下造成零件运输次数增多等问题,提出一种考虑不确定需求下的单向环形设备动态布局方法。以产品重载入运输成本和设备重布局费用综合最小化为优化目标建立数学模型,并提出一种改进遗传光学算法。在算法中,根据问题特点设计多阶段随机键编码和多阶段排序解码策略,采用阶段内和阶段间交叉算子,并在原遗传光学算法基础上,增加莱维飞行以提高算法寻优能力。通过实例计算,验证了所提算法的有效性,结果表明所提动态布局方法相比静态布局方法可节约68.73%的成本。

不确定需求下的设备动态布局方法

针对现有车间设备动态布局方法存在的不足,在考虑产品需求不确定性对布局性能稳定性影响的基础上,提出了一种结合模糊理论与改进遗传算法的不等面积设备动态布局方法。分析了产品需求不确定性及其随时间变化特性,引入了三角模糊数描述不确定产品需求;通过分析各生产阶段间的设备重组过程,将动态布局转化为数个静态布局,构建了基于柔性区域结构的不确定需求动态布局模型。结合三角模糊数运算及排序方法与自适应局部搜索机制提出了改进遗传算法,以物料搬运及设备重组费用总和为优化目标,解决不确定需求下的不等面积设备动态布局问题。通过算例测试和实例分析,验证了所提方法的有效性和实用性。

基于NSGA-II的多目标设备动态布局方法

对多个计划期内需求可预测的车间动态设备布局问题进行了研究.针对这一多目标、多约束的问题,以物流搬运和重布局费用之和、非物流关系以及面积利用率作为优化目标,将动态布局问题转化为重布局过程和多个子计划期的静态布局问题,构建了针对不等面积设备的动态多期布局问题的连续型多目标优化模型.采用带精英策略的非支配遗传算法(Non-dominated Sorting Genetic Algorithm II,NSGA-II)进行求解,克服了传统加权法求解多目标问题时加权系数难以确定和无法保证多目标同时优化的缺点,求解得到Pareto解集,供决策者根据企业实际情况优中选优.通过实例验证了本方法的有效性.

基于遗传算法的动态连续型设备布局方法

在企业未来产品需求可预测的情况下,对具有多个计划期的车间内动态设备布局问题进行了研究。将动态设备布局中设备重置费用简化为设备移动成本与产能损失成本,结合静态设备布局问题连续模型以及动态设备布局问题离散模型的研究方法,构建了针对不等面积设备的动态多期布局问题的连续模型,并设计了改进型的遗传算法对模型进行了求解。此算法具有新颖的编码策略以及自适应选择交叉算子,具有良好的寻优能力。最后通过对一个3×8动态连续型设备布局问题的实例验证,证明了模型与方法的可行性。

基于单亲遗传算法的动态设备布局仿真研究

针对柔性生产环境下的设备布局问题,提出了一种基于单亲遗传算法原理的启发式算法.发展了一种新颖的适用于动态设备布局的遗传换位操作算子,并提出在单期布局编码子串上应用换位概率的策略,增加了种群的多样性.Matlab编程实现算法,通过大量仿真模拟并与其他算法进行比较分析,证实了所提出方法的有效性.提出的算法在问题规模不大时可以迅速而准确的获得优化解,在问题规模较大时也能在较短时间(与其他算法相比)获得满意解,因此具有较好的综合性能.

海工装备生产车间可重构制造单元动态布局方法

为满足海工装备品种多、批量小的生产特点,具有多个可重构制造单元的海工装备生产车间需要及时做出布局调整。针对此问题,将改进非支配排序的遗传算法-II(NSGA-II)应用于车间的设备动态布局优化过程,结果显示,求得的Pareto前沿具有良好的分布性。建立了相应的求解数学模型,并用Matlab软件进行求解。结合实例采用仿真软件对求解的布局结果建立仿真模型,并进行仿真分析,为设备布局的选用和改进提供决策依据。

一种多行设备动态布置的方法

在简单分析比较4种基于启发式算法求解动态设备布局方法的基础上,提出了一种基于单亲遗传算法的相应遗传策略,发展了一种新颖的适用于动态设备布局的遗传换位操作算子,并提出在单期上应用换位概率的策略,大大增加了种群的多样性,明显提高了算法的性能。最后进行了仿真研究,并用提出的时间增长率和相对精度收敛率指标进行了综合分析。