一种基于改进遗传算法的组合加工约束混流车间调度方法（英文）

具有组合加工约束的柔性作业车间调度问题是混流生产线中常见的任务排产问题。然而,传统车间调度方法均未将组合加工约束考虑进调度模型中,无法满足混线生产模式的现实情况。针对这一问题,分析了混流生产线的工艺状态模型。在此基础上,基于传统柔性作业车间调度问题,建立了具有组合加工约束的混线车间调度问题的数学模型。然后,针对组合加工约束,提出了一种改进的多段编码、交叉、变异的遗传算法。最后,将该算法应用于某航空航天研究所导弹结构件生产车间,验证了该方法的可行性和有效性。     

柔性工艺路线的改进蚁群作业调度算法

在具有柔性工艺路线的制造单元作业调度问题中，结合设备的约束以及加工过程中的费用、加工时间等因素，依据具有柔性的工艺加工路线，建立初始有向图。采用基于动态信息素更新策略的改进蚁群优化算法，在保证优化目标的基础上，迅速收敛并得到最优解，从而提高调度系统的可行性，增强系统稳定性。该方法以减少外协，均衡生产，降低总生产费用为目标，有效地支持了分布式制造单元的管理过程，增强了单元系统信息分布处理能力。最后通过算例，对计算结果进行了分析和讨论。     

用遗传算法求解柔性作业车间调度问题(英文)

古典作业车间调度问题已经被研究了几十年并证明为 NP-hard问题。柔性作业车间调度是古典作业车间调度问题的扩展 ,它允许工序由一个机床集合中的任意一台加工 ,调度的目的是将工序分配给各机床 ,并对各机床上的工序进行排序以使完成所有工序的时间最小化。本文采用遗传算法进行柔性作业车间调度研究 ,针对柔性作业车间问题提出了一种新颖直观的基因编码方法 ,从而取消了运用遗传算法求解作业车间问题时为使基因合法化而进行的基因修复过程 ,仿真结果表明用该遗传算法解决柔性作业车间调度问题是有效的。     

基于可变重调度区间的柔性作业车间动态调度策略

针对动态柔性作业车间调度问题,提出了基于可变重调度区间的动态重调度策略。建立了柔性作业车间调度数学模型。提出一种初始化机器、初始化工序和随机初始化相结合的改进种群初始化的方法,进一步提高初始种群解的质量。实际生产案例仿真对比分析结果表明,利用本文重调度策略和改进遗传算法后得到的结果比企业实际运行时间缩短了47.8%,比他人的调度策略所得到的优化结果提高了5.4%,从而验证了本文所提出算法的可行性和有效性。     

基于改进遗传算法的柔性作业车间调度

在实际的柔性作业车间调度中,不但工件需要加工时间,而且工件在各个机器之间利用AGV转移也需要占用一定的时间,因此对柔性作业车间调度中考虑AGV运输时间的研究更具有实际意义。首先,针对此问题,建立了有AGV约束的柔性作业车间调度数学模型。其次,提出一种多段式编码,可以使得一些对进化没有帮助的基因直接被淘汰掉;提出一种分阶段的自适应交叉和变异概率公式及多种群进化机制以实现快速收敛及全局优化的效果。最后,仿真实例验证了本文提出算法的有效性和可行性。     

动态作业车间实时调度系统

本文在分析现有作业车间调度问题的基础上,设计实现了动态作业车间实时调度系统。该系统采用SQL Server创建数据库,使用Delphi实现数据库的管理,调度目标可实时灵活调整,调度算法为C++语言实现的改进差分进化算法,调度结果可转换为excel表格。实践表明了该实时调度系统的有效性和可靠性。     

多目标柔性作业车间调度的集成算子遗传算法

柔性作业车间调度（FJSP）中，在将任务按顺序分配到各机床前，首先要为任务选择加工机床。为求解多目标FJSP，本文在分析该问题特点的基础上，提出了一种面向甘特图的串编码（GORS）及相应的的遗传算法算子的基本操作，提出了集成算子遗传算法，并给出了其具体实现。文献算例的实验及与国际最近研究成果比较表明。该算法减小了目标参数值即生产周期、最大机床负载和总的机床负载。     

基于批生产的逐段式车间作业调度算法

探讨了离散作业型（Job shop）车间中的作业调度的分阶段模型，并根据离散作业调度的阶段性提出了基于作业状态空间的逐段式车间作业调度算法，通过对一个实际车间作业调度仿真比较，此算法运算速度比最短加工时间（SPT）和最少工作量剩余（LWR）算法快，其调度结果在实际作业车间具有可执行性。     

云制造资源的工序级多目标调度方法研究

由于云制造资源的分散性、多样性、负载率不均衡性等特点对其调度与调度粒度有更高的要求,将云制造任务分解后的工序作为调度的最小粒度,构建一种以最短制造服务时间、最低制造服务成本以及均衡负载率为多目标的云制造资源工序级调度模型,采用以粒子群、遗传相结合的混合多目标调度算法,将遗传算法中通过双层编码的染色体作为粒子群算法的粒子,双层编码方式是指以工序加工顺序作为第一层、工序对应加工资源编号为第二层,随后通过对染色体交叉变异进行粒子更新,使整个调度过程快速收敛于全局最优解。最后电梯实例证明了该算法能在较短的时间内给出最优的调度方案,从而有效地解决云制造资源多目标调度问题。     

基于小生境技术的改进引力搜索算法

针对引力搜索算法（Gravitational sear ch algorithm，GSA）开发能力强而探索能力弱的特点，提出一种基于 小生境技术的引力搜索算法（Niching behavior based advanced GSA，NAGSA）。首先分析了引力搜索算法的性能，为每个粒子定义质量吸 引度和欧式距离吸引度两个属性，根据这两个属性计算出粒子吸引概率，取代原有的质量排 序选择法。其次，运用吸引概率和小生境拥挤度技术引导粒子在邻域内搜索，平衡算法的收敛 速度和多样性。此外，算法将k-best的取值按照指数函数递减，进一步提高收敛精度。 10个标准测试函数的仿真结果表明，该算法能有效地提高最优解的精度，加快收敛速度。最 后，采用4个标准柔性作业车间调度模型，验证了该算法在解决实际问题中的可行性和优越 性。     

测量粗糙集中模糊性的一种新方法

针对粗糙集中存在的模糊性问题，提出了一种利用模糊熵测量其模糊性的方法。中给出了一种新的模糊熵，提出了基于等价关系下粗糙集模糊熵的计算公式及等效表示方法，证明了这种模糊熵的性质。并将基于等价关系的粗糙集的模糊熵拓展到基于一般二元关系下粗糙集的广义模糊熵，给出了广义模糊熵的计算公式及等效表示形式。最后以一个例子说明粗糙集中模糊熵的具体求解方法。从例子可以看出，本提出的模糊熵可以方便、有效地测量出粗糙集中的模糊性。     

Threshold Selection Method Based on Reciprocal Gray Entropy and Artificial Bee Colony Optimization

Since the logarithmic form of Shannon entropy has the drawback of undefined value at zero points,and most existing threshold selection methods only depend on the probability information,ignoring the within-class uniformity of gray level,a method of reciprocal gray entropy threshold selection is proposed based on two-dimensional（2-D）histogram region oblique division and artificial bee colony（ABC）optimization.Firstly,the definition of reciprocal gray entropy is introduced.Then on the basis of one-dimensional（1-D）method,2-D threshold selection criterion function based on reciprocal gray entropy with histogram oblique division is derived.To accelerate the progress of searching the optimal threshold,the recently proposed ABC optimization algorithm is adopted.The proposed method not only avoids the undefined value points in Shannon entropy,but also achieves high accuracy and anti-noise performance due to reasonable 2-D histogram region division and the consideration of within-class uniformity of gray level.A large number of experimental results show that,compared with the maximum Shannon entropy method with 2-D histogram oblique division and the reciprocal entropy method with 2-D histogram oblique division based on niche chaotic mutation particle swarm optimization（NCPSO）,the proposed method can achieve better segmentation results and can satisfy the requirement of real-time processing.     

基于非欧式距离的可能性C-均值聚类

改进型可能性C-均值聚类(Improved possib ilistic C-means,IPCM)是在综合了模糊C-均值聚类(Fuzzy C-means,FCM)和可能性C-均值聚类(Possib ilistic C-means,PCM)的基础上得到的。在IPCM的基础上,利用鲁棒统计观点和影响函数,引入一种新的距离度量以代替IPCM的目标函数中的欧式距离度量,提出了一种新的可能性C-均值聚类模型(A lternative improved possib ilistic C-means,A IPCM),并给出了该模型的具体实现算法。A IPCM具有良好的鲁棒性,更适合对含有噪声或野值的数据进行划分聚类。仿真实验表明,A IPCM能克服噪声敏感性问题,获得合适的聚类中心和高的聚类准确率。     

一种求解成组多播路由问题的新型优化算法

基于蚁群系统提出一种求解成组多播路由问题的新型优化算法。该算法在综合考虑Q oS(Q ua lity of ser-v ice)路由中所有约束条件的同时,也充分考虑各个约束条件自身的独立特性,并根据对不同约束条件的满足程度,在迭代过程所处的不同阶段,自适应地调整路由选择策略。实验证明算法所得的解不但较高程度地满足各个约束条件,而且多样性好、收敛速度快,能满足实际网络服务质量要求。     

AC-PSO算法在无人机任务规划中的应用

无人机飞行中合理的路线规划可以减小飞行时间、降低油耗,减小被敌方发现、攻击的可能,从而提高了完成任务的概率.鉴于大部分无人机是以一个相对固定的高度进行侦察和任务飞行,故可将无人机的飞行任务规划视为二维平面的TSP问题.本文进一步将地面防空威胁与飞行距离统一量化,通过求解TSP求取最优无人机任务规划.文中通过分析蚁群算法与粒子群算法,提出了一种新的混合方法AC-PSO算法解决TSP求解问题.算法借鉴了蚁群算法的路线构造方法和粒子群算法的进化策略思想,同时给出了提升算法效率的一些措施.实验验证,该算法和威胁建模方法相结合,能有效地满足无人机飞行任务规划的要求.     

基于商空间理论的模糊控制在航空相机中的应用

针对航空相机快速返回定位问题,应用商空间理论提出了一种快速无超调定位模糊控制算法。将位置偏差量模糊化．并根据模糊等价关系合并正规峰集,从而得到了不同粒度下的控制规则．系统通过不断改变粒度,采用粗拉度粗调,细粒度细调的方法,实现快速无超调定位。在模拟相机平台上采用3个粒度层,通过模糊规则调整模糊输出和PID控制器的积分时间实现最速控制、模糊控制和PID控制在不同粒度下的转换．实验结果表明此算法具有定位快、稳定精度高以及无超调等优点．     

基于不完备模糊规则库的信息融合故障诊断方法

在基于模糊推理的故障诊断专家系统中,规则库的不完备常常会引起系统的某些输入产生的输出不确定。针对此问题,将模糊推理与证据理论相结合提出了一种新的融合诊断方法。首先根据证据的随机集表示及随机集扩展准则将模糊输入映射到输出,并聚合生成故障命题的基本概率赋值(BPA),以度量由规则库不完备和输入模糊性引起的输出不确定。然后利用Dempster组合规则将多个不完备规则库提供的BPA融合,用融合结果判决故障,并以电机转子故障诊断为例,验证了所提方法可以有效地提高故障确诊率。     

Assembly Line Balancing Based on Double Chromosome Genetic Algorithm

Aiming at assembly line balancing problem, a double chromosome genetic algorithm （DCGA） is proposed to avoid trapping in local optimum, which is a disadvantage of standard genetic algorithm （SGA）. In this algorithm, there are two chromosomes of each individual, and the better one, regarded as dominant chromosome, determines the fitness. Dominant chromosome keeps excellent gene segments to speed up the convergence, and re cessive chromosome maintains population diversity to get better global search ability to avoid local optimal solu- tion. When the amounts of chromosomes are equal, the population size of DCGA is half that of SGA, which significantly reduces evolutionary time. Finally, the effectiveness is verified by experiments.     

多约束条件下机械臂关节轨迹模糊控制算法

将单一约束条件下冗余机械臂关节角速度向量算法与模糊推理方法有效结合,实现多个约束条件下冗余机械臂关节角速度向量轨迹的控制。根据末端执行器的方向、灵活性、机械臂与障碍物的距离等约束条件的重要性,将多个约束条件排定先后次序。综合所有传感器的信息,由模糊推理确定某一时刻需要优化的约束条件,以及对每个约束条件的执行程度,使得在完成主要任务的前提下,所有约束条件都得到最大限度满足。仿真结果证明了所提出算法的有效性。     

基于灰色关联模糊聚类算法优化飞机排故方法

采用灰色关联与模糊聚类原理，建立一种灰色关联的模糊聚类算法，应用该算法可直接对飞机维修经验中的多种排故方法．依排除故障的可能性进行排序，并根据排序结果时排故方法进行相似聚类，从而将排故经验与多因素决策算法进行有效综合．较好地解决了民航飞机故障诊断专家系统中多种故障原因的优化选择问题，并可直接给出排故方法的选择指导，提高专家系统的指导水平和飞机排故效率。文中对算法原理进行了详细介绍，并给出算法实例。