基于多目标粒子群算法的柔性作业车间调度优化方法

针对柔性作业车间的多目标调度问题,构建了以制造工期、加工成本及提前/拖期惩罚值为目标函数的柔性作业车间调度模型,提出基于密集距离排序的自适应多目标粒子群算法.采用精英策略保留进化过程中的优势个体,基于个体密集距离降序排列进行外部种群的缩减和全局最优值的更新,并引入小概率的变异机制以增强解的多样性和算法的全局寻优能力.最...     

面向大批量定制的设计重用策略与应用

针对设计重用如何以低成本满足多样化个性化客户需求问题,结合大批量定制"减少产品内部多样化、提高产品外部多样化"的思路,提出了"多视图、多层次、多粒度"的设计重用模型(MVMLMG-DRM).该模型综合考虑了产品设计中的使用性和经济性两方面.研究了大批量定制模式下的设计重用策略,通过在设计重用中实施产品族、模块化、标准化、系列化、通用化等方法,在满足使用性能的基础上保障了多样化个性化需求环境下所开发产品的经济性,为实现大批量定制打下了基础.最后,开发了应用系统实例.     

基于差异演化算法的动压滑动轴承多目标优化

为研究流体动压轴承的多目标优化问题,提出一种改进多目标差异演化算法.该算法在选择差分向量时,对产生差分向量的两个个体比较其优劣,用非支配解减去支配解,引导个体向非劣解进化,提高算法的收敛速度;其次提出了种群修剪策略,消除进化后期种群中相同个体引起的种群全局搜索能力下降的缺点,以提升算法的全局寻优能力.通过与其它算法的比较,发现该算法能有效避免“早熟”收敛,具有较好的收敛速度和多样性.工程实例求解结果表明了算法的工程可行性.     

基于蜂群进化机制的产品配置技术研究

分析了蜂群进化机制给产品配置带来的启示,提出了基于蜂群进化机制的产品配置模型;采用新定制产品与历史实例的需求相似度评价实现选择算子,确定蜂王和雄蜂;通过构件遍历实现交叉算子,完成蜂王和雄蜂的构件继承;提出了约束有向图的概念,探讨了基于约束有向图拓扑排序算法的变异算子,解决定制件的差异性配置问题;通过构造评价基元,实现对产品配置结果的适应度评价。以桥式起重机产品配置为例,证明了所提方法的有效性和先进性。     

面向服务的网络化协同制造资源多目标重组优化调度

针对网络化协同制造资源重组优化调度所存在的问题,综合考虑影响网络化协同制造资源重组优化调度的4个主要因素:最小化生产作业时间、最小化生产作业成本、最优化生产加工质量、最优化资源服务质量,建立了网络化协同制造资源多目标优化调度的数学模型。提出了一种基于Pareto多目标免疫遗传算法的网络化协同制造资源重组优化调度方法,该算法综合运用了小生境技术、群体排序技术和精英保留策略,并对遗传算子进行改进,自适应地调整交叉和变异算子,结合免疫算法的免疫选择淘汰了相似个体,保证了种群多样性,避免了早熟现象的发生。免疫记忆对近似最优解进行动态邻域搜索,提高了算法的局部搜索能力。实例仿真表明了该算法的有效性。     

基于实例推理的个性化产品评价方法

通过建立个性化产品评价问题的形式化描述,给出了基于实例推理的评价模型与算法,运用模糊数学实现了实例库的自主聚类分组,提出了经验赋权规则约束下的数学赋权法为每一个组别建立动态权重,采用了加权的欧几里德距离解决相似实例的检索问题,在相似实例的基础上进行修正得到最终评价结果.最后以桥式起重机产品的评价为例,给出了详细的实现步骤,证明了该方法的有效性.     

3D打印技术个性化定制创新设计模式研究

3D打印技术是面向个性化定制生产模式发展的新兴产业,以低成本、产品多样化、零交付及设计空间无限等优势颠覆了传统规模集中制造模式。通过分析3D打印在个性化需求中的发展前景和优势,探讨3D打印技术和个性化需求的概念融合,提出了一种基于3D打印和个性化定制创新的商业模式。     

基于TRIZ进化理论的产品创新设计

提出了基于不同视角的产品创新设计过程统一模型,并将TRIZ进化理论集成到产品创新解的产生环节.利用TRIZ进化理论,确定产品进化较差的进化路线,预测未来技术的可能结构状态,指导设计者沿着正确的方向产生创新解,实现了产品的快速创新设计.通过实例分析,表明该方法在实际产品设计过程中的可操作性和有效性.     

基于Pareto遗传算法的切削用量优化

针对计算机辅助工艺规划中的切削用量决策问题,提出了一种基于Pareto遗传算法的切削用量优化算法。首先,以切削速度和进给量为优化变量,以切削效率和刀具耐用度为优化目标,通过对约束条件的分析,建立多目标优化模型。其次,改进选择算子,设置非劣解集以保存进化过程中用竞争法构造产生的Pareto最优解,从而保证算法的搜索方向;建立基于小生境技术的排挤机制以提高种群的多样性。然后,采用混合交叉算子和步长变异算子进行基因重组,经过若干次迭代,得到一个均匀分布于Pareto前沿的优化解集。最后,通过实例验证了该算法的可行性和有效性。     

基于遗传算法的无人机多目标路径规划

研究了无人机在抢险救灾中的应用,通过构建路径规划模型来求解最优路径,模型以整个无人机飞行路径距离最短为目标,利用遗传算法对路径方案进行迭代优化,利用适应度函数在迭代过程中更新种群个体,使得算法能够趋向最优解,同时利用遗传变异操作防止算法陷入局部最优解。利用MATLAB对算法进行计算,并通过随机个体比较对方案进行了验证。案例结果表明:该模型能够在较短时间内得到最优解,提高了无人机的工作效率,为抢险救灾争取到了宝贵的时间。     

基于改进肾脏算法的梯级水库长期发电优化调度研究

梯级水库优化调度是一种实现水资源合理分配与高效利用,提升水电系统运行管理水平的重要方法。改进肾脏算法为高效求解梯级水库优化调度提供了一条有效途径。肾脏算法是一种新颖的自然启发式优化算法,因其参数少、寻优能力强、稳健性高,已被广泛应用和认可。本研究对标准肾脏算法的寻优原理进行了阐述,针对该算法的种群多样性低和收敛速度慢缺陷,采用含缩放因子的运移策略和自适应调参策略对其改进,提出了改进的肾脏算法。以某梯级水库长期发电优化调度为例,计算结果表明:相比标准肾脏算法,改进的肾脏算法可使梯级水库多年平均发电量增加3.2亿kWh(增幅为4.03%)和弃水量减少17.54%。引入的改进策略有效克服了标准肾脏算法的早熟缺陷,提高了种群多样性和收敛速度。     

多邻域链式结构的多目标粒子群优化算法

为了提高多目标粒子群算法求解多目标问题的性能,改善算法的收敛性,提出一种多邻域链式结构的多目标粒子群优化算法。首先,以一种环形链式拓扑结构,将种群划分为多个邻域,每个邻域之间相互交叉重叠,并针对不同位置的粒子,进行不同的速度和位置更新策略。其次,对所有粒子采用速度钳制策略,并引入差分进化策略对粒子进行扰动,从而进一步提高算法的多样性。通过14个无约束和3个有约束函数仿真实验,表明该算法相对于NSGA-II、SPEA2、MOEA/D-DE、SMPSO和OMOPSO算法,获得Pareto解集分布更加均匀,算法的收敛性和多样性也更好。为了进一步验证算法的可行性和有效性,将其应用于72杆桁架结构尺寸设计,并与其他优化方法进行了比较,结果表明该算法获得的Pareto前端更均匀,收敛性更好。     

遗传算法的改进及其在流体机械领域的应用

对遗传算法流程进行了多方面的改进,形成了可以称为＂基于排序的轮盘赌、选优策略、启发式交叉、自适应非均匀性变异、跨世代精英选择、小生境策略＂的遗传算法.该算法弥补了基本遗传算法容易产生早熟现象而得到局部最优解的局限性,加快收敛速度,计算选取的种群较小,降低了计算工作量.应用改进遗传算法,以大型泵站钟形进水流道为研究对象,结合CFD分析了设计参数与出口流速分布均匀度的关系.研究结果表明,改进遗传算法能成功地应用于钟形进水流道的多参数优化设计,改善其水力性能,2参数和5参数的目标函数值分别达到了96.817%和97.285%,具有很好的工程实际应用价值.     

产品全生命周期节能设计关键技术分析

针对机械产品能耗巨大、能源利用率低的问题,讨论了产品节能设计中的关键技术.基于产品全生命周期,建立了产品能耗信息模型;通过n-m映射,分析了能量因子效用模型;运用IFED3建立了能量因子效用过程模型,提出了能量因子提取策略.对节能优化设计方法和运用现有的反馈信息指导设计的方法进行了分析.     

基于三级驱动模型的产品数字化设计策略与方法

数字化设计是实施大批量定制的重要技术之一,建立设计模型是实现数字化设计自动求解的关键.通过深入分析产品设计知识,提出了基于需求参数→关键参数→结构参数三级驱动模型的数字化设计策略与方法.一级驱动以需求参数为输入,由方案设计系统推理及优化得出产品关键参数,二级驱动以关键参数为输入,驱动根据层次化策略建立的基于各种性能和结构推导的约束网络模型,得到各零部件的细化结构参数,三级驱动以细化结构参数为输入,驱动参数化的几何模型及远程的有限元分析模型,进行可视化几何与性能验证,同时基于Web技术实现了分布式数字化设计.以浙江省某起重机械厂的QD型桥式起重机数字化设计为例说明了上述策略和方法的有效性.     

基于动态聚集距离的多目标粒子群优化算法及其应

为了增加Pareto集的多样性,提高多目标优化的全局寻优能力,提出了一种基于动态聚集距离的多目标粒子群算法(DCD-MOPSO).该算法利用改进的快速排序方法来减少计算量,采用动态变化的惯性权重和加速因子以增强算法的全局寻优能力,并基于动态聚集距离对外部集进行维护以增加Pareto集的多样性.通过典型测试函数的仿真实验和应用实例对DCD-MOPSO算法性能进行了分析,并与多目标优化算法MOPSO和NSGA-Ⅱ进行了比较.结果表明,DCD-MOPSO算法收敛速度较快,且得到的Pareto集分布均匀.     

多邻域结构多目标遗传算法

为了解决应力约束类桁架结构的尺寸优化多目标问题,提出一种多领域结构的多目标遗传算法应用于尺寸优化设计。利用个体之间欧氏距离信息,将种群划分为多个领域以形成多个小生境种群。该算法为每个个体提供一定数量的邻居个体,并规定只能同邻居个体进行交叉变异操作,通过实验分析了不同邻居规模对算法性能的影响。将新算法与其他经典算法在18个标准测试函数上进行了仿真分析,结果表明,所得到的Pareto前端分布更加均匀且更加逼近真实Pareto前端,具有良好的收敛性和多样性。将该算法应用于经典的25杆空间桁架结构优化的求解,获得Pareto前端更均匀,收敛性更好,相对于其他的优化算法具有更好的优化效果。该算法在程序设计、求解空间及其方法通用性等方面表现出良好的性能,并且简单、实用,更加适合于工程实际应用。