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.      

第Ⅰ类双边装配线平衡问题的改进蚁群算法

为克服传统算法求解大规模双边装配线平衡问题计算时间长、性能不稳定的缺陷,针对第Ⅰ类双边装配线平衡问题,应用综合信息素搜索规则与全局信息素更新规则,提出了一种先产生任务排列序列、后按启发式分配规则产生可行解的蚁群算法,可有效脱离陷入局部最优解.用改进蚁群算法对30个不同规模的问题进行求解,并与标准蚁群算法和禁忌搜索算法进行了对比.结果表明:改进蚁群算法求出29个最优解,比普通蚁群算法、禁忌搜索算法分别能多求得6个和3个最优解;应用于汽车双边装配线算例,在保持平衡效率的条件下,改进蚁群算法计算时间为21.01 s,比普通蚁群算法减少了9.14 s,计算效率提高了30.3%.      

基于蚁群生态模型的大规模定制生产线平衡问题

随着经济的全球化,制造企业面临新的挑战和更加激烈的市场竞争。现代市场的发展趋势集中体现在产品的用户需求个性化加强、产品交货期和生命周期缩短、产品功能价格比提高几个方面。传统大批量生产方式难以快速地提供符合用户个性化需求的产品,     

铁路集装箱起重机异步电动机调压节能的优化方法

铁路集装箱起重机异步电动机具有恒转矩运行和变工况负载的特性,基于异步电动机T型和Γ型等效电路,将定子的铜耗和铁耗看作是仅与定子电压有关的不变损耗,将转子的铜耗看作随负载转矩变化的可变损耗,推导出异步电动机电气总损耗计算式和最优调节电压计算式,并通过实例进行验证。研究结果表明:当转差率为0.01～0.03、起重机电机稳定运行时,按照近似转差率计算的起重机负载转矩误差不超过1.8N.m;在起重机的工作电压高于220V时,电气总损耗的计算误差几乎为零;最优调节电压及其误差随着起重机负载转矩的增加而增大,但在起重机的工作电压范围之内,最优调节电压误差不超过7V;电动机按照起重机负载转矩的变化适时调压时,其电气总损耗小于380和220V恒压驱动的电气总损耗,尤其是在起重机空载运行时,具有显著的节能效果。     

集装箱吊具的型式和应用

总结归纳了集装箱吊具的基本型式，介绍几种铁路和港口常用或新颖的集装箱吊具型式，并对未来集装箱吊具的发展进行了展望。     

面向大规模定制的供应链延迟策略模型

为了有效地发挥供应链的整体效率、为制造商提供最优的生产策略,考虑大规模定制环境下供应链延迟制造活动的特点,以及顾客的个性化需求和等待时间,研究通用化阶段和定制化阶段的成本关系,利用排队论建立了以制造商总成本最小为目标的供应链延迟策略模型.通过模型确立大规模定制生产方式下制造商生产过程的各项成本与通用件比例、通用件库存之间的关系,并采用启发式算法确定最优供应商生产通用件的比例和通用件的库存水平,以求得较小的制造商总成本,为制造商确定生产方式提供有效的决策手段.算例结果表明:库存水平不同,最优通用件比例也不同,通用件比例取值范围为0.45 ～0.65;在库存水平和最优通用件比例分别为19件和0.60时,制造商成本最小值为155.857元.     

求解拆卸线平衡问题的改进人工蜂群算法

大规模拆卸线平衡问题（disassembly line balancing problem,DLBP）是NP完全问题。为克服传统算法求解DLBP搜索过于随机、易于早熟,且求解难度随任务规模的增加呈指数级增长等不足,构建了基于最小化工作站、均衡负荷、尽早拆卸有危害和高需求零部件的DLBP多目标优化模型,在此基础上,提出了改进人工蜂群算法。该算法包括以下4个阶段:在初始解生成阶段,引入危害指标和需求指标,提升算法收敛性能;在雇佣蜂搜索阶段,采取可变步长搜索策略,增加对较优解的搜索深度,加速淘汰劣解;在观察蜂搜索阶段,采用常规搜索与蠕动搜索相结合的混合搜索策略;在侦察蜂搜索阶段,构造了基于分布估计的搜索策略,引导搜索过程。应用本文算法对70个测试问题进行求解,其中65个求得了最优解,寻优率为92.86%;对10个任务实例求得最优解的需求指标为9730个,比蚁群算法减少了360个;52个任务实例的开启工作站数目、平滑率和拆卸成本3项指标均取得了更优的结果,求解较大规模问题的性能显著提升。      

装卸搬运在物流活动中的地位及提升策略

分析了装卸搬运在物流活动中的地位与现状，指出装卸搬运已成为物流活动中的薄弱环节，提出了提升装卸搬运技术水平的策略。     

铁路集装箱中心站装卸机械性能与布局研究

铁路集装箱中心站已确定正面吊和轨道门吊为主型装卸机械,本文就这两种主型装卸机械的特点、性能、布局与作业效率进行探讨,从而得到：轨道门吊在场地利用率、作业效率、维护保养、作业成本和环境保护等方面具有明显优势。是集装箱中心站首选型式;正面吊具有作业机动灵活的优点,适宜场地宽敞、到发线较多的集装箱中心站．     

受约束的过道布置问题建模及优化方法

为了研究过道布置问题中设施关系对布局的影响,首先,考虑定位约束与排序约束,构建过道布置问题混合整数规划模型,并提出一种求解该问题的自适应混合克隆选择算法,在克隆操作之前新增符合受约束过道布置问题特性的2-opt操作,随后对所产生种群中最优个体进行禁忌搜索操作,对其他个体进行变异操作并设置自适应变异概率;然后,对模型进行精确求解以验证模型的正确性且求解结果为算法提供了理论依据;最后,应用所提算法分别对受约束过道布置问题与基本过道布置问题的42 ~ 49规模实例进行测试,并将求解结果与克隆选择算法、遗传算法、分散搜索算法、花授粉算法以及烟花算法进行对比,结果表明:混合克隆选择算法可以达到当前先进算法的求解效果且在算例sko-42-04与算例sko49-03上表现更优.