基于蚁群——遗传混合算法的高级计划与排产系统应用研究

生产管理系统是制造业中最为复杂的系统之一，高级计划与排产（Advanced Planning and Scheduling以下简称APS）是其重点与难点。由于生产的复杂性与不确定性，当前企业的生产计划编制方法虽多但效果不尽人意．特别是中小企业的现行生产计划与排产系统尤是如此。本文以江门某塑胶丝花行业为背景，以生产计划编制为研究对象．以计划编制的优化为主要内容．结合蚁群算法、遗传算法及其混合应用等算法理论与多种数学及智能信息技术方法，对建立一个能有效提高企业生产计划编制水平的APS系统应用进行了研究。

求解Job-shop调度问题的遗传蚁群算法

描述了Job-shop调度问题,研究遗传算法和蚁群算法在解决Job-shop问题中的优点和不足,融合遗传算法和蚁群算法设计了遗传蚁群算法以求解Job-shop调度问题,并对算法进行了仿真实验,通过与遗传算法、蚁群算法及已有的遗传算法和蚁群算法的融合算法结果的对比,验证了该算法的有效性。

用GAAA优化多阶段装配过程中的夹具布局

改进了遗传算法与蚁群算法的融合(GAAA)算法,利用它来解决多阶段装配过程中二维刚性零件的夹具布局优化问题,合理选择定位销的位置使得灵敏度指标最小化。通过改变遗传算法的变异算子,变异长度以及交叉、变异在蚁群算法中发生的位置,提高了GAAA的稳定性和收敛性。以汽车侧边装配为例验证了改进算法的有效性,结果表明改进后的GAAA比基本的GAAA和蚁群算法求得的结果要好,且收敛速度更快,稳定性更好。