基于改进人工蜂群算法的废旧产品拆卸规划

废旧产品的拆解回收和再利用对节能减排和资源再生具有重要意义。针对选择性拆解规划(Selective Disassembly Planning,SDP)问题,提出考虑碳排放的废旧产品拆卸规划。构建以回收利润、拆卸时间和减少碳排放为优化目标的SDP模型,采用改进多目标人工蜂群算法(Improved Artificial Multi-objective Bee Colony Algorithm,IMOABC)对该模型进行求解,通过某废旧双离合变速箱的案例验证方法的有效性。

基于遗传蝙蝠算法的选择性拆卸序列规划

针对产品选择性拆卸序列规划问题,提出一种基于遗传蝙蝠算法的产品拆卸序列规划方法.利用Python语言对传统蝙蝠算法进行离散化处理,并在种群更新过程中引入遗传算法的交叉与变异机制,生成遗传蝙蝠算法,以增强解搜索的多样性;在构建适应度函数模型时以拆卸工具的变化次数与拆卸方向的重新定位次数作为评价指标,同时加入零部件的回收收益指标,使适应度函数更加完善.以工业机械臂为实例,利用所提方法进行产品拆卸序列规划求解,对比传统蝙蝠算法以及遗传算法的求解结果,发现在一定的种群数目下,所提方法收敛时间较短;在不同种群数目下,所提方法得到的适应度函数最优值质量较高,从而验证了遗传蝙蝠算法的搜索优越性.

基于改进蛙跳算法的多目标选择性拆卸序列规划方法

为提高产品再制造拆卸效率与收益,提出基于多目标改进蛙跳算法的多目标件选择性拆卸序列规划方法。首先优化拆卸信息建模方法,利用紧固件约束矩阵和结构件约束矩阵,构建产品拆卸信息模型并构造可行解;以拆卸时间最小化和拆卸收益最大化为目标,以多目标件价值为导向构建一种新的多目标选择性序列评价方法,同时构建多目标件选择性拆卸序列规划数学模型。融入Pareto思想构建多目标改进蛙跳算法,提出三段式编码构建青蛙个体,以实现选择性拆卸序列的多样性调节;采用基于快速非支配排序与拥挤度比较思想的改进排序分组策略进行多目标优化蛙群分组;提出基于调节位置的调节序方法对子蛙群局部搜索方式进行离散化处理,并构建新的青蛙个体位置更新公式,同时通过构建青蛙个体更新次劣域增加信息源以实现子群体充分交流;为兼顾信息交互深度和多样,提出一种新的交叉和变异思想构建全局信息交互策略。最后,通过不同规模的拆卸实例,将改进后的多目标蛙跳算法与多目标算法NSGA-Ⅱ和粒子群算法进行多指标对比分析,验证了该算法的可行性与优越性。