工位数固定的U型拆卸线部分拆卸平衡问题

为提高工位数固定的U型拆卸线拆卸效率,减少有害部件对操作人员的潜在威胁,针对高价值零部件和有害零部件的拆卸需求,本文提出了工位数固定的U型拆卸线部分拆卸平衡问题,建立了以最小化节拍时间、高危工位数目和负载均衡为目标的优化模型,并设计了改进的变邻域搜索算法进行求解.在编码过程中提出一种基于零部件释放位置的选择策略,以减少前继零部件拆卸顺序对编码的影响;提出最小偏差二分法,有效减少解码的迭代次数;提出瓶颈挤压局部搜索策略,用以优化节拍时间和均衡负载指标.通过与其他算法对比,结果表明改进的变邻域搜索算法求解具有优越性,并且可实现对工位数固定的U型拆卸线部分拆卸平衡问题的高效求解.

优化遗传算法在复合材料加工中的应用研究

针对传统遗传算法在矩形排样问题应用中存在易陷入局部最优、收敛速率低等不足。对传统遗传算法进行研究,在此基础上引入分阶段调整遗传算子策略加强算法的自适应性,改善搜索性能。并提出融合择优选择策略,保证种群整体质量,进一步提升算法收敛速率。将上述优化后的遗传算法与引入启发式搜索和旋转判断策略的最低水平线算法相结合来解决复合材料在热压成型工序的加工问题。在实证中采用H复合材料加工厂相关零件模具数据对上述方法进行了测试。实验结果表明排样效果显著提升。

考虑工时不确定性的混流U型装配线平衡的分布鲁棒优化方法

在以人工装配为主的流水线生产中,工时的不确定性是影响生产节拍的重要因素。考虑到随机优化要求精确的概率分布信息和较高的鲁棒优化保守性,本文针对工时不确定条件下混流U型装配线平衡问题,采用以经验分布为中心、Wasserstein距离为半径的模糊集对工时的不确定性进行描述,并以最小化生产节拍为优化目标,建立装配线平衡问题的分布鲁棒优化模型。为了降低模型的复杂性,利用强对偶理论将模型转换为易于求解的形式;为保证解的鲁棒性,设计了一种鲁棒性指标并将其作为模型的约束条件。针对上述模型,通过设计一种基于区间数的解码方式,并引入自适应交叉和变异概率,给出了一种改进的遗传算法。最后通过标准算例和断路器抽架生产实例进行了数值仿真实验,结果表明相较于随机优化和鲁棒优化方法,所建立模型在降低结果保守性的同时保持较高的鲁棒性,并且针对问题所提出的改进遗传算法具有良好的寻优能力。

轴类零件素线直线度误差评定方法的研究

目前,基于机器视觉检测轴类零件直线度时多采用最小二乘法进行评定。为了得到更精确的素线直线度误差结果,提出基于最小包容条件的约束旋转逼近法、多变异位自适应遗传算法以及包容线搜索算法,并分别对某轴类零件所提取的轮廓数据进行直线度评定实验。结果表明:多变异位自适应遗传算法的评定精度最高,约束旋转逼近法和包容线搜索算法评定结果基本一致,运行速度快,此三种评定方法精度均优于最小二乘法。最后对文献中的数据进行评定与比较,所得结果基本相同,表明三种评定方法可用于视觉检测轴类零件直线度误差时的评定,在实际检测中可以根据检测时间和精度进行选择,具有较高参考价值。

基于Hausdorff距离的2D形状匹配改进算法

在计算机视觉检测中 ,常常需要将两幅图象在空间上配准 ,以便进行后续的检测过程 .该文提出将 Haus-dorff距离作为物体轮廓相似性的测度 ,并用遗传算法进行最佳形状匹配的快速搜索 ,根据遗传搜索的结果再进行一次线性搜索 ,从而提高解的精度 .实验结果证明了该方法能快速、精确地对两幅 2

城市中压配电网联络线优化研究

城市中压配电网联络线优化的过程中,不同的变电站遍历顺序,可能带来不同的联络线优化方案。针对这一问题提出一种全局优化同局部优化相结合的双层优化方法。第一层优化是在整个规划区域内,应用遗传算法搜索可能的变电站的遍历顺序;第二层优化是按照第一层优化确定的遍历顺序,应用网络图论中的最小权匹配算法分别对每一个变电站与其相邻站之间的联络线进行优化。最后以规划区内所有联络线总投资费用最小的方案作为最终的联络方案。根据本文算法开发了相应的软件,通过计算规划实例,得出了满意的联络方案,表明算法有效。

基于遗传算法的高压长线路双端故障测距研究

为提高高压长线路故障定位的准确度,提出了一种基于遗传算法的故障定位新方法。该方法基于线路分布参数模型,按照故障线路两端沿线向对端推得的故障点电压幅值相等的原则列写故障测距方程,并通过相量法对电压分布函数的单调性进行分析,得到伪根判别法则的数学表达式;引入遗传算法求解故障测距方程,采用群体搜索和多父体重组策略,自适应和容错能力强且能够保证解群搜索的遍历性和快速性;在一次搜索中算法可求得故障距离的多个解,有利于伪根的判别。ATP仿真结果和实际应用证明了该方法不受过渡阻抗、故障类型及不同步角的影响,计算速度快且精确度高。

基于改进分散搜索的混流装配线排序问题

针对混流装配线生产效率问题,设计了以最小化工作站的闲置与超载时间和最小化总调整变换时间为优化目标的数学模型。为得到高质量且平稳性好的解,提出了适应该模型求解的改进分散搜索算法。该算法首次应用一种基于遗传理论的多样性初始解生成法,不但保证了初始种群的多样性,而且为参考集提供了高质量的初始解。设计了参考集生成更新方法、子集产生方法、子集合并方法和优化解方法等多种机制,既保持了种群的多样性,又寻求到了质量较高的满意解。通过某企业混流装配线实例,验证了所设计算法的有效性。

基于遗传算法的U型生产线平衡

基于 U型布局的生产线是准时化生产系统的一个重要组成部分 ,且生产线的 U型设计是提高劳动生产率 ,减少浪费 ,降低生产成本 ,增加生产线柔性的一种有效方法 .针对 U型生产线的特点 ,设计了一种基于遗传算法的平衡优化方法 ,这种遗传算法以分配作业元素到工作站的先后顺序为问题的编码 ,按照最大分配原则进行译码 ,算法简洁 ,能够适应不同约束条件和优化目标的需要 .通过对经典生产线平衡问题的测试与比较表明 ,这种算法是一种高效的解决

基于分级遗传算法的结构损伤识别方法

提出了一种基于遗传算法的利用不完整振动数据识别结构损伤的新方法 .该方法首先扩展不完整的振型并利用单元能量熵差比确定结构损伤的大致位置 ,然后采用二级搜索策略 ,借助遗传算法确定结构损伤的程度 .数值计算结果表明 ,当可能的损伤区域较大时 。

基于遗传禁忌算法的城市公交线网优化研究

针对城市公共交通线网优化问题,利用遗传禁忌算法进行研究.通过对公交线网优化目标函数和关键约束条件的分析,从乘客利益、企业效益及社会环境的角度出发,以公共交通效率最大化为总目标,建立公交线网优化模型.在分析遗传算法和禁忌搜索算法自身的优势与不足的基础上,提出基于遗传禁忌算法的公交线网优化算法,并将其应用于银川市公共交通线网规划中,结果表明该算法科学合理,可操作性强.

基于波形匹配的高压输电线故障诊断优化算法

准确高效的高压输电线故障诊断对加快故障后系统的恢复、确保系统安全稳定运行具有重要意义.高压输电线故障诊断问题主要包括故障类型识别、故障测距和故障时间识别.文中将该问题描述为优化问题,即将故障诊断问题中待求解的量(如故障距离)和待估计的量(如过渡电阻)作为故障假设里的未知参数,以故障后的实际波形和期望波形的差异度最小作为优化目标,在此基础上构建了包括离散和连续优化变量的混合优化模型,采用启发式优化算法——和声搜索算法来求解这一优化问题,并根据问题的特点对该算法进行了改进.算例表明,所提出的方法是正确的和有效的.

接运公交网络设计的多目标优化模型及遗传变邻域搜索求解算法

为了使接运公交网络更好地为轨道交通车站集散客流服务,将其作为研究对象,提出了接运公交网络的优化方法.考虑接运公交网络服务的需求量与接运公交供给密切相关、接运公交发车时刻与轨道交通车辆到站时刻构成有序衔接,以接运公交服务的乘客量最大化、接运乘客平均成本最小化、运营成本最小化为优化目标,构建了接运公交网络的多目标优化模型.为求解模型,设计了利用产生式方法获得Pareto解集的遗传-变邻域搜索算法.将设计的遗传-变邻域搜索算法与遗传算法、精确算法分别进行比较,通过算例验证了模型与算法的有效性.

基于遗传禁忌算法的双资源约束下并行生产线调度研究

并行生产线调度问题兼有并行机器和流程车间调度问题的特点,是一类新型的调度问题。在考虑遗传算法早熟收敛特性和禁忌搜索法自适应优点的基础上,将遗传算法和禁忌搜索法结合起来,提出了基于遗传算法和禁忌搜索算法的双资源并行作业车间的调度优化问题算法,即考虑到了产品的调度受到机器、工人等资源制约的影响,对算法中种群的构造,适应度计算,遗传操作等方面进行了研究,最后给出了实例仿真和结论。

多目标U型拆卸线平衡问题的Pareto蚁群遗传算法

针对传统方法求解多目标U型拆卸线平衡问题的不足,提出了一种基于Pareto解集的多目标蚁群遗传算法.在构造初始解阶段,以协同考虑最大作业时间、最小拆卸成本差作为蚂蚁的启发式信息;通过蚁群算法搜索可行拆卸序列,并根据多目标之间的支配关系得到Pareto解集;将蚁群算法的Pareto非劣解作为遗传操作的个体,进而将遗传操作的结果正反馈于最优拆卸路径上信息素的积累,并采用拥挤距离作为蚂蚁全局信息素更新策略,可以平衡多目标对信息素的影响,使算法快速获得较优解.将所提算法应用于52项拆卸任务算例和某打印机拆卸线实例,在算例验证中,通过对比Pareto蚁群算法,所提算法求得的8个非劣解在3个评价指标上性能分别提高了50.43%、3.25%、14.10%,在实例应用中所提算法求得8种可选平衡方案,从而验证了所提算法的有效性、优越性和实用性.

舰载机多机直接机务准备优化研究

针对舰载机多机直接机务准备人员众多、不易组织等问题,在分析单机单保障组直接机务准备具体工作内容的基础上,得到了可能产生时间冲突以及互相影响安全的工作内容,依据多机直接机务准备流程特点,建立了舰载机多机多保障组直接机务准备混合流水车间调度数学模型。求解该模型方面,针对遗传算法易早熟的缺点,引入和声搜索算法(HS)的相关概念与小生境遗传算法(NGA)动态结合,提出了一种动态小生境遗传和声算法(DNGAHS)。仿真结果表明,动态小生境遗传和声算法在解的质量上优于经典遗传算法,新算法在求解舰载机多机直接机务准备流程优化方面具有可行性和优越性。

基于网络传输增益-匹配经济指数的配电物联网载波通信匹配优化方法

在配电物联网的主从网络传输模式下,结合配电物联网的实际拓扑结构,提出一种基于网络传输增益-匹配经济指数(WP-NMEI)的配电物联网载波通信匹配优化方法。首先利用传输线理论及局部反射理论,推导主从网络模式下各载波设备间的匹配关系,验证了各从载波机间功率的可协调性;然后综合考虑网络传输增益与匹配经济指数之间的协调平衡,将配电物联网区域划分方法建模为非线性多约束条件下,基于WP-NMEI的0~1整数规划问题;利用改进遗传算法求得配电物联网中继节点设立的最优解,将一个大的复杂配电物联网划分为若干个小的阻抗匹配区域网;最后在每个阻抗匹配区域网内使用粒子群智能算法进行匹配协调,避免网络模式下多通信节点间的功率浪费和阻抗失配问题。该方法匹配优化速度快,可移植性强,理论推导、仿真验证及实验室测试结果表明了该方法的可行性与有效性。

利用禁忌遗传和原子特性实现信号稀疏分解

阻碍信号稀疏分解运用于信号处理产业化的主要原因,是由于信号的稀疏分解的计算量十分巨大。利用基于Matching Pursui(tMP)方法实现的信号稀疏分解算法,采用遗传算法(GA)和禁忌搜索(TS)相结合,快速寻找MP过程中每一步分解的最佳原子,最后再利用原子的特性进一步的优化。实验结果表明,该算法提高了信号每一步MP分解中寻找最佳原子的能力,并由此提高了信号稀疏分解的速度。

基于GA-SA的混合U型装配线平衡

在JIT生产系统中 ,混合U型装配线是一种能够满足市场多样化需求的柔性系统 ,文章综合考虑作业元素的分配和产品的投产排序两个因素 ,建立了混合U型装配线的平衡模型 ,给出了人工智能算法的平衡方法 。

POKD-tree:一种有效的SIFT图像特征点匹配方法

为解决SIFT算法计算复杂,且算法效率不高的问题,提出了POKD-tree算法(分区优化kd树搜索算法)。首先,利用SIFT算法提取图像的特征点,以图像特征点集在X和Y方向中跨度最大的方向为分区直线的方向,计算图像特征点集的质心,用通过质心的分区直线来进行图像分区;采用欧式距离对图像进行特征点匹配,首先进行对应搜索匹配,同时为了解决分区误差,在进行对应搜索之后再进行交叉搜索。通过实验证明,POKD-tree算法在匹配的效率上要优于BBF算法和RKD-tree算法。