免疫遗传算法在柔性Job-shop调度问题中的应用

借鉴生物免疫机理提出了一种求解柔性Job-shop车间调度问题的免疫遗传算法．仿真结果表明，该算法有效地避免了传统遗传算法中因选择压力过大造成早熟现象的发生，显著地提高了遗传算法（GA）对全局最优解的搜索能力和收敛速度，这将使遗传算法在众多实际的优化问题上具有更广泛的应用前景．     

基于遗传算法的有柔性路径的动态调度问题研究

建立了有柔性路径的FMS动态调度问题的模型．采用离线重调度的方法，提出一种结合离线重调度两种生成调度方式的方法来阐述FMS的有柔性路径动态调度问题．最后给出了该问题的遗传算法解决方法和计算示例．     

考虑产品型号的作业车间调度

为降低生产成本、缩短产品生产周期和均衡设备的利用率，课题组提出考虑产品型号的作业车间调度方案。基于产品型号构建单件产品最大加工时间最少、所有产品总加工时间最短的多目标数学规划模型，设计了2层遗传算法求解各种型号产品每道工序加工设备的选择方案。在遗传算法设计过程中，为简化染色体的编码，采用以工序数和产品型号数为基础的编码方式，避免染色体的基因个数随着产品数量成倍增长；另外，交叉操作考虑了染色体基因数量较多的因素而采用分段多点交叉，确保算法的收敛速度。最后通过具体案例对模型的可行性和算法的有效性进行了验证，并结合企业实际的生产计划设计出加班次数最少的调度方案。结果表明提出的方法能够缩短产品的生产周期，从而降低企业的生产成本。     

一种改进的混合遗传算法及其应用

将遗传算法和模拟退火算法进行了有机结合,并采用一种自适应的交叉和变异概率,提出了一种改进的混合遗传算法--自适应的模拟退火遗传算法.通过旅行商问题的仿真实验,对比遗传算法和模拟退火算法的实验结果,这种混合遗传算法改进了传统遗传算法的性能,并且提高了整个算法的收敛速度,拥有更好的优化性能.     

螺丝锁付装置取放料时间寻优轨迹规划

为提高螺丝锁付装置的锁付效率，课题组针对锁付过程中最频繁的取放料操作进行时间寻优轨迹规划。课题组以旋量理论建立运动学模型，基于运动合成的思想，采用多段六次多项式插值算法进行规划轨迹，并结合改进粒子群算法得到时间插值节点的优化解。仿真实验结果表明：采用改进粒子群算法，在迭代约40次时算法达到收敛，轨迹所需时间相对于优化前缩短了约30%；关节空间下各关节的位置、速度和加速度曲线连续平滑，无明显突变，末端笛卡尔空间下轨迹满足取放料轨迹的设计要求。该时间最优轨迹规划的方法有效提高了螺丝锁付装置的工作效率。 〖HT5”H〗关键词：螺丝锁付；轨迹规划；旋量理论；改进粒子群算法；六次多项式插值算法     

灾变合作型协同进化遗传算法及其在Job Shop调度中的应用

合作型协同进化遗传算法是多个子种群通过协作而共同进化的新型算法,常应用于多目标、大规模的优化问题。本文在合作型协同进化遗传算法的基础上,进一步模拟自然界中的灾变现象,在原先的算法中加入灾变算子,提出灾变合作型协同进化遗传算法,以防止出现不成熟收敛现象,并用经典的函数优化问题和Job Shop车间调度问题进行仿真实验,其结果验证了改进算法的优良性能.     

面向绿色制造的柔性作业车间调度优化

针对面向绿色制造的柔性作业车间调度问题,建立了以完工时间最优、能量消耗和环境影响最小为目标的调度模型,并采用遗传算法对模型进行求解。根据模型特点,采用机器染色体和工序染色体两种编码,并对初始种群的形成机制进行改进,采用精英策略和锦标赛法进行种群选择,两种染色体分别进行交叉和变异操作。最后通过实例对改进的遗传算法进行测试,并与其他方法的测试结果进行比较,验证了该算法的可行性和有效性。     

一种实用的JOB-SHOP生产调度算法

根据生物遗传算法并结合工件的生产工艺知识，提出了一种JOB－SHOP生产调度新算法。该算法采用可编程控制器软件编程的巡回扫描原理，解决了生产调度的仿真问题，所提出的方法为解决生产调度问题提供了新的途径。     

折叠式柔性关节设计及运动学建模

针对串联柔性连续体在实际应用时不能很好地适应作业环境所需的末端位姿的问题，课题组提出了折叠式柔性复合关节:利用三浦折痕原理设计了折叠式扭转关节；改进水弹折痕设计了折叠式摆转关节；将折叠式扭转关节与摆转关节按一定顺序串联得到折叠式柔性复合关节。用几何方法得到了各个单元和折叠式柔性复合关节的运动学模型。软件仿真结果验证了所提出的模型的正确性。课题组的设计增强了串联连续体对作业环境的适应性。     

多移动机器人3阶段解耦路径规划

针对多移动机器人集群在路径决策时任务执行时间过长、容易陷入死锁等问题，课题组提出了一种3阶段解耦路径规划方法。利用栅格法建立二维环境模型，首先以传统蚁群算法为基础，引入参数自适应机制和路径指引函数，提高算法的收敛速度；其次将多机器人集群路径规划分为3个阶段，提前预判出冲突路段，减少机器人的等待时间和绕行距离；最后利用MATLAB软件进行仿真实验。仿真结果表明：使用改进后的蚁群算法进行路径规划最优路径长度减少了5.5%，算法的收敛速度提升了近50%；在不同的栅格环境下，可以有效地预测和消解多机器人间的冲突。该研究为多机器人的路径规划提供了一种新的方法。     

基于启发式规则的新型进化算法在流水车间调度中的应用

针对流水车间调度这一典型的NP难问题,采用了一种新型进化算法——DNA进化算法进行求解,并对算法做了改进。改进的DNA进化算法中引入了交换操作以更好地搜索解空间,并采用黄金分割率控制变异个体的数目。同时为了进一步提高搜索性能,采用一种新颖的启发式规则产生初始种群。以50个T aillard基准问题进行仿真,并与遗传算法进行了详细比较,仿真结果表明:改进的DNA进化算法具有更好的求解性能以及更高的运算效率。     

基于负载均衡的免疫遗传算法网格调度研究

将现有基本遗传算法对网格任务调度进行研究，在此基础上提出解决资源负载均衡问题的方案，并对算法的终止条件进行改进。针对改进后的遗传算法可能出现的问题，在算法初始阶段引入免疫原理，利用免疫机制保证种群多样性，使算法能在更快找到最优解的基础上达到一定的负载均衡，最后通过仿真环境对算法进行验证，结果证明改进后的算法有效。     

暂存区受限瓦楞纸板生产线下料问题研究

针对当前高速瓦楞纸板全自动生产线在生产多品种、大批量纸板订单时，存在原材料损耗大、各生产流程协同性差等问题，课题组提出一种瓦楞纸板生产全流程集成优化方法。在瓦楞纸板下料的基础上，提炼出一类受暂存区存储规则强顺序约束的一般纸板排样下料问题；模型以原料使用量最小为优化目标，综合决策图案排样及其顺序，将问题简化为3种关键变量的组合优化；基于模型强约束特征，设计通过“排样池”交互的2层嵌套算法，上层采用遗传算法决策订单放入排样池的顺序，下层设计基于“条带截断启发式规则”的2阶段确切算法决策图案构造。实验结果表明：该算法可以有效地约减低质量解空间，具备高寻优能力和求解稳定性。     

基于模糊规划的处理时间不确定条件下的Job shop问题

研究了处理时间不确定条件下的 Job shop生产调度问题 ,建立了基于模糊规划理论的不确定 Job shop调度模型。在采用两种模糊运算的基础上 ,结合模糊优化和遗传算法给出了一个解决非线性模糊优化问题的可行算法 ,通过仿真数据说明了所建模型及算法的有效性 ,并就结果进行了讨论     

多车场集送一体化车辆调度问题及其遗传算法研究

针对物流配送中的多车场一体化车辆调度问题提出了智能处理方法,采用了基于自然数的一体化配送对路径表示方式,用里程约束来控制车场的插入,以增加惩罚的方式加入时间窗约束。并且根据具体约束情况设计了改进的遗传算法,采用了动态染色体、改进的交叉和变异法、内部扰动和外部扰动等技术,提高了遗传算法的优化效率和优化效果。介绍了此算法的原理,给出了具有一个代表性算例试验结果和结果分析。试验结果表明了此方法对优化有里程和时间窗约束的多车场一体化车辆调度问题的有效性。     

基于改进量子遗传算法的小波神经网络优化及其软测量应用

针对简单量子遗传算法在优化高维问题寻优速度慢、收敛率低的缺陷,提出一种改进的量子遗传算法,通过搜索各种群中最优染色体组成当前最优个体,并依此个体来确定量子门的全局最优搜索方向。将改进算法用于优化小波神经网络,藉此建立了4-CBA浓度的软测量模型。仿真结果表明:与简单量子遗传算法相比,改进算法对复杂优化问题具有全局快速寻优性能。     

改进粒子群算法在库存预测中的应用

针对自动化立体仓库库存预测结果存在不准确和时间滞后等问题，课题组提出一种基于改进粒子群算法并结合指数平滑法来构建库存预测模型。分析传统粒子群算法和指数平滑法的原理以及缺点，通过引入附加变量、非线性动态调整惯性权重以及异步变化学习因子的方式，提出一种改进的粒子群算法；并采用4种标准测试函数来验证算法的寻优能力；最后将改进后的算法与平滑指数算法相结合构建预测模型，以某公司生产的导流板实际库存数据为例进行仿真实验，并与常用的几种预测模型进行验证对比。结果表明改进的粒子群算法预测模型的精度更高。该模型能够解决传统预测模型精度不高、适用情况单一等问题，提高企业的库存利用率。     

基于遗传算法的多模式资源受限项目调度问题

针对多模式资源受限项目调度问题,采用问题任务链表和模式链表的双链表结构的编码方式、串行调度生成方案的解码方式对传统遗传算法进行改进,并通过交叉、变异、选择等算子进行全局性概率搜索确定较优方案。针对PSPLIB中的基准问题对该算法进行验证,证明该算法的有效性。     

基于改进麻雀算法的卷绕张力控制系统

为了在卷绕系统中建立稳定的张力控制系统，课题组使用自抗扰控制器设计了控制系统。提出采用麻雀算法(SSA)优化整定自抗扰控制器的参数。针对SSA以跳跃的方式寻优、已陷入局部最优和原点收敛性强的缺点，提出基于粒子群算法(PSO)的改进麻雀算法(PGSSA)；该方法引入了PSO的速度算子，修改麻雀算法的发现者和跟随者的位置来更新公式，增强麻雀算法的全局搜索能力。由于麻雀算法的种群多样性比较差，提出引入遗传算法的交叉和变异操作，以保证种群的多样性，避免PGSSA过早陷入局部最优。选择复卷机的收卷过程作为控制对象模型，利用MATLAB/Simulink软件平台，分别采用PGSSA和SSA对ADRC控制器和PID控制器参数进行仿真。结果表明：PGSSA的收敛速度和精度都优于SSA。ADRC控制器对扰动的反应速度和抑制能力、阶跃响应的性能指标优于PID控制器。     

求解作业车间调度问题的多种群改进遗传算法

在求解作业车间调度问题上,针对遗传算法的早熟收敛、对初始种群敏感等不足,提出了多种群改进遗传算法.该算法在进化过程中通过引入具有优良性能的修正种群替换进化种群的较差个体,实现了多种群杂交,以保持种群的多样性,提高了搜索效率.应用实例分析和算法对比证明了改进算法的效果和优越性.