带运输的混合流水车间调度问题的改进遗传算法

为实现分布式制造环境中上下游工序和机器间的协同生产,研究了带有运输的混合流水车间调度问题。以包含加工时间、运输时间和加工等待时间的完工时间最小为目标,建立了带有运输约束的混合流水车间调度模型,基于Q-learning设计了改进的遗传算法(QGA)求解该模型。在该算法中,首先基于工件序号设计编码和遗传算子等遗传操作;然后根据种群适应度函数构建种群的状态集合,以交叉概率和变异概率的取值作为动作,以最佳个体适应度和种群平均适应度作为奖励;最后采用Q-learning对交叉和变异参数进行智能调整,提高算法的收敛速度与全局搜索能力。仿真实验结果表明,与改进的遗传算法(GA-TS)相比,本文QGA的最大完工时间平均减少了2.0%,收敛速度提升了18.1%。

基于动态混合遗传算法的配送路径优化

随着越来越多的突发性卫生事件爆发,人们对应急医疗物资的需求量与日俱增,但应急医疗物资配送效率低下等问题依旧存在。文中研究建立多配送点配送模型,该模型对多个应急医疗物资配送中心到多个配送点的配送路径进行有效地优化,并在计算过程中考虑客户时间窗与交通拥堵情况,达到提高客户满意度、节约成本、减少配送过程中所产生的碳排放量的目标,如同此类问题都归类为VRP问题(车辆路径规划问题)。在该模型的计算过程中采用动态混合遗传算法(DHGA),在改进的遗传算法中加入大规模领域搜索算法,解决遗传算法求解精确度过低、易陷入局部最优循环的缺点。最后将计算结果与传统遗传算法(GA)、粒子群算法(ACO)以及蚁群算法(ACO)进行对比,结果表明该算法相对于其他算法的各项指标都得到明显提升。

基于改进遗传算法的混合流水车间批量调度问题求解

针对多品种小批量混流生产模式中生产计划调度复杂的特点,提出解决批量问题的等量分批策略,实现工件在不同工序上同时加工,缩减机器等待时间;以最大完工时间为优化目标,建立混合流水车间批量调度问题数学模型;设计求解模型的改进遗传算法,使用NEH启发式算法和随机生成结合的方式生成优质初始解,采用二元锦标赛进行选择操作,采用二元交叉法进行交叉操作,采用插入变异生成新个体,并使用贪婪插入的领域搜索算法进行局部搜索,解码时采用“子批优先+先空闲先加工”策略。发动机连杆生产案例应用结果表明,混合流水车间批量调度问题模型与改进的遗传算法正确有效。

混合遗传算法下电动汽车充电桩容量测试方法

由于接入电动汽车充电桩的负荷增多,导致充电线路过载,增加能量损耗,使得电网安全风险增高。为解决上述问题,提出基于混合遗传的电动汽车充电桩容量测试方法。分析车辆运行机制、电池特征、充电方式等因素对充电桩容量的影响,计算车辆充电定点需求与路径需求,设置合理的约束条件;将充电桩容量看作一个满足多个约束条件的可行空间,在满足发电容量、功率平衡、潮流平衡、电压稳定等约束条件下,构建容量测试模型;针对遗传算法收敛速度慢的缺陷,使用粒子群算法对其改进,通过个体寻优过程求解模型,获得测试值。实验结果表明,所提方法在峰荷、腰荷和基荷场景下的测量结果与真实值基本一致,且测量耗时低于6s,算法收敛速度快。

作业车间调度的多工序精确联动邻域结构混合进化算法

针对作业车间调度问题,以最小化最大完工时间为优化目标,提出一种基于多工序精确联动邻域结构的混合进化算法。从理论上给出了关键块中工序无效移动的判定条件,据此设计了3对工序精确联动的邻域结构。为避免算法过早收敛,引入基于邻域惩罚的交叉父本匹配选择算子与基于动态惩罚阈值的种群更新策略。通过与其他先进算法在车间调度问题基准算例上进行对比实验,验证了所提算法的有效性与稳定性。

基于粒子群-遗传混合算法的深沟球轴承优化设计

为了提高深沟球轴承的服役性能,提出一种基于粒子群-遗传混合算法的优化设计方法。其以额定动载荷和额定静载荷为目标函数,以滚动体直径、节圆直径、滚动体数目和内外圈滚道沟曲率半径系数为设计变量,基于粒子群算法,引入罚函数和遗传交叉、变异操作,解决带约束优化问题求解和局部最优问题。并以6206型轴承为算例,对优化后的轴承进行应力分析和敏感度分析。结果表明,所提出算法的收敛性能较好、优化能力较强、运算速度较快,优化后的深沟球轴承接触应力下降了31.7%,从而验证了所提出方法的有效性。

基于混合遗传算法的皮革产业固废运输路径优化研究

皮革产业形成的固废含有部分对环境、人体等存在一定负面影响的物质,这类固废的运输方式极为关键。本文构建了一种基本的皮革产业固废运输路径模型,通过引入混合遗传算法对该模型中的皮革产业固废运输路径进行优化,以案例的形式对这一模型的可行性进行验证,旨在为皮革产业废弃物的运输工作提供借鉴。

求解最小支配集问题的禁忌遗传混合算法

将最小支配集问题转换为一系列判定问题k支配集问题,并提出一种禁忌遗传混合算法对k-DS问题进行求解。此算法将禁忌搜索算法和遗传算法两种启发式算法结合起来,互补不足。高效的邻域结构保证了算法的运行效率,禁忌策略防止算法过早陷入局部最优陷阱,遗传算法框架进一步增强了算法的疏散性。经过与现有求解最小支配集算法的结果进行分析比较,禁忌遗传混合算法的结果较其它算法更优。

基于混合遗传算法的堆垛机路径优化研究

针对自动化立体仓库中堆垛机运行路径杂乱的问题,研究了一种基于遗传算法和蚁群算法相结合的混合遗传算法。设计和构建了立体仓库的整体运行模型,并对仓库中的运行区域进行了划分,实现了区域的合理分配。通过新的混合遗传算法,实现了对堆垛机控制算法的优化。通过实验计算,证明了在利用混合遗传算法控制堆垛机存取货物时,堆垛机行走的路程要比使用遗传算法时更加优秀,混合遗传算法能够将路径优化7%左右,因此混合遗传算法满足优化条件。

基于混合遗传算法的暖通空调热能动力参数识别研究

【目的】针对现有的暖通空调热能动力参数识别方法存在识别结果R-squared值较小,无法满足识别精度要求的问题,提出了基于混合遗传算法的暖通空调热能动力参数识别研究。【方法】首先对暖通空调热能多自由度动力振动正问题进行精细积分求解。然后利用混合遗传算法,建立反问题目标函数,并完成精英搜索。最后利用流体网络方程,完成暖通空调热能动力参数的辨识。【结果】通过对比实验,证明所提方法得到的结果R-squared值更接近1,说明该方法的暖通空调热能动力参数识别精度更高,方法性能更理想。【结论】该方法能够为暖通空调系统优化、节能减排、故障诊断、智能控制等提供更可靠的基础依据。

基于多目标规划和混合遗传算法的上海临空可变车道集群控制优化研究

针对上海临空早晚高峰时段区域交通问题,分别构建广顺北路、协和路、福泉路和金钟路单条道路优化模型及基于多目标规划和混合遗传算法的临空区域路网可变车道集群控制及信号配时优化模型。从通行效率和环境排放效益2个维度进行量化对比。结果表明,可变车道集群控制及信号配时优化后早高峰改善比例大于晚高峰,路网通行效率及环境排放效益优化幅度分别达17.46%和20.53%。可变车道集群优化效果较单车道显著且稳定性高,更有利于路网通行效率的整体提升。研究结论可为城市可变车道集群的智能化管控提供理论支撑与借鉴。

基于混合变邻域遗传算法的柔性车间调度研究

针对柔性作业车间调度的问题,以最大完工时间为目标建立数学模型,提出一种混合变邻域遗传算法。采用三种初始化方法保证初始解的质量,用遗传算法进行初步搜索,将搜索的结果通过迭代贪婪策略进一步搜索,以提高解的质量,再对关键路径进行邻域搜索,设计“跨机器工序搜索邻域”、“同机器工序搜索邻域”、“次优工序搜索邻域”三种邻域结构,加强局部搜索能力。引入迭代贪婪策略和改进的邻域结构可显著提高算法的稳定性与迭代速度。通过对国际通用的柔性作业车间调度基准算例进行测试,实验结果表明所提改进算法能够有效求解柔性作业车间调度问题。

改进遗传算法搜索动态订单下车辆路径最优问题

滚动周期策略是当前学者利用优化算法解决动态车辆路径规划(dynamic vehicle routing planning,DVRP)问题的主要研究策略。预优化算法是基于遗传算法(genetic algorithm,GA)进行改进。GA易早熟和易陷入局部最优的特点,使解的质量往往不能达到最好。针对此问题,在GA算法上提出了贪婪重构策略进行改进。贪婪重构遗传算法(greedy reconstruction genetic algorithm,GRGA)随机剔除每条路径固定数量的客户点,利用贪婪重构策略依次将剔除点插入到各个路径,保留成本最低的解,摒弃了完全随机的策略原则,使解可以跳出局部最优。在每次迭代之后利用变邻域下降搜索算法(variable neighborhood descent,VND)进行深度搜索,完成一次迭代。最后进行三组测试,第一组是在统一平台上采用Solomon数据集测试算法效果,第二组是把预优化改进算法与对比算法得到的数据分别进行保存,利用控制变量法在动态调度周期使用一种动态调度优化算法,分别对每个预优化算法形成的初始路径进行调度,测试改进算法的有效性,第三组是采用实际案例测试预优化算法的效果。

求解复杂混合流水车间调度的改进NSGAII算法

针对砂型铸造车间调度问题中同时存在单机处理、并行处理与批处理的情形,构建复杂混合流水车间调度问题并提出一种改进非支配排序遗传算法求解上述问题。首先,以最小化最大完工时间和总能量消耗为优化目标建立线性规划模型,针对工序特征提出启发式解码规则。其次,提出了基于非支配的交叉对象匹配机制提升可行解的多样性,提出了基于区域中心的贪婪变邻域搜索机制提升可行解质量。最后,对改进算法进行了仿真,证明了算法的有效性。

基于改进遗传算法的舾装件托盘多载具协同拣选方法

为提升舾装件托盘的拣选效率,建立拣选过程的数学模型,提出一种基于改进遗传算法(Improved Genetic Algorithm, IGA)的舾装件托盘多载具协同拣选方法。针对遗传算法(Genetic Algorithm, GA)流程与实际拣选过程的差异,改进GA的初始化过程和染色体交叉方式,并对变异过程进行更贴近实际生产的修改。针对GA难以得到全局最优解的问题,采用变邻域搜索(Variable Neighborhood Search, VNS)策略降低陷入局部最优解的可能性。采用实例计算验证该算法的有效性,可优化传统舾装件托盘拣选方法。

基于改进遗传算法的垃圾分类回收选址-路径优化研究

本文主要针对垃圾回收选址-路径问题进行研究,加入了垃圾分类。建立了考虑垃圾分类的垃圾回收中转站选址-路径模型,最小化物流总成本。根据问题模型特点,设计了改进遗传算法来对问题进行求解。采用自适应交叉、变异算子、变邻域算法以及精英保存策略来对算法进行改进。

基于混合遗传算法的通信网络任务调度优化方法

为解决传统任务调度方法受到网络拥塞影响,导致任务调度效果不佳的问题,提出了一种基于混合遗传算法的通信网络任务调度优化方法。首先根据编码方式,对种群进行初始化处理,并将其分配到初始解转换中,设计适应度函数,采用序列交叉法按编码方式重新分配任务资源。然后构建通信网络任务调度优化模型,通过竞争临时簇头、簇内成员上传、临时簇头上传等步骤实现簇间节点间交互。最后构建综合适应度函数,评估分类属性权重,通过循环迭代控制,实现对通信网络任务的均衡调度。由实验结果可知,该方法任务拟合结果与实际拟合效果一致,最终拟合通信量为320bits,最短调度时间为55s,具有良好调度效果。

非线性问题的求解及优化研究--基于遗传算法和混合遗传算法的分析

遗传算法(GA)是模拟生物在自然环境中的遗传和进化过程而形成的一种自适应全局优化概率算法,然而在GA求解过程中,往往会出现早熟现象。基于GA传统算法,结合最速下降法和惩罚函数方法,提出求解非线性优化问题的混合遗传算法(HGA)。在无约束优化和约束优化两类问题中分别使用基于最速下降法的SHGA、基于惩罚函数法的PHGA进行求解。通过数值算例验证,表明HGA在非线性优化问题中比GA传统算法具有更快的收敛速度以及更好的最优解。

基于混合遗传算法的非线性问题求解及优化研究

遗传算法(GA)是模拟生物在自然环境中的遗传和进化过程而形成的一种自适应全局优化概率算法,然而在GA求解过程耗时较长,易出现早熟现象导致结果准确度低。根据GA传统算法与结合最速下降法和惩罚函数方法,提出求解非线性优化问题的混合遗传算法(HGA)。在无约束优化问题和约束优化两类问题中分别使用基于最速下降法的SHGA、基于惩罚函数法的(PHGA)进行求解。通过数值算例验证,表明HGA在非线性优化问题中比GA传统算法具有更快的收敛速度以及更好的最优解。

基于混合遗传算法的城市固体废弃物运输路径优化研究

针对城市固体废弃物运输成本不确定的特点,文章在车辆路径问题的基础上对带时间窗的城市固体废弃物运输问题进行研究。考虑到遗传算法存在局部搜索能力不足的缺陷,在遗传算法的基础上结合变邻域搜索算法的思想提出了混合遗传算法。(1)采用三种邻域搜索算子用于改进遗传算法的变异算子;(2)采用模拟退火算法中的Metropolis判别法则来更新邻域搜索最优解;(3)采用自适应交叉变异概率和最优个体保留策略提高算法的运算效率。采用Solomen算例中的7个标准例题对算法性能进行测试,实验结果表明,混合遗传算法能够求得质量更高的解。最后通过算例来验证该模型的可行性,在满足时间窗和载重约束下缩短行驶距离。