随着智能制造和精益生产的推进,元启发式算法(智能算法)已经在实际工业和生活中得到了广泛应用。然而,由于其自身结构所带来的不确定性,如何针对具体目标快速选择一个高效的特定算法,仍然需要进一步的研究与探讨。为此以具有代表性的NP-hard问题—TSP问题为例,针对典型的元启发式算法遗传算法、模拟退火算法、禁忌搜索算法和蚁群算法进行了不同维度的实验与对比。并结合算法的不同求解思想,通过对其计算结果和计算过程的定量分析,给出了四种算法的特点与异同,以此来为相关算法的选择、应用以及改进提供基础与参考。

进阶生产规划及排程系统(APS)是智能制造的核心环节之一。为解决发动机缸体混流装配生产线排产问题,建立了其通用数学模型和析取图表示方法。基于蚁群和禁忌搜索两种元启发式算法的互补特性,提出一种蚁群禁忌搜索融合算法解决作业车间调度问题(Job-shop Scheduling Problem,JSP)。经仿真验证了算法有效性和相比传统元启发更优良的算法特性,对APS(Advanced Planning and Scheduling)和智能制造的发展具有一定的启发意义。

提出基于深度卷积神经网络的电力物资运输车辆调度优化算法,设置了约束条件,并以最短配送路径与最低开销为目标函数,构建电力物资运输车辆调度问题数学模型。利用改进Hopfield神经网络求解车辆调度问题数学模型,通过构造运输车辆邻接矩阵、处理约束以及神经网络计算得到运输车辆调度方案,采用禁忌搜索算法优化车辆调度方案,获取车辆调度最优解。实验验证结果显示对比其他算法,该算法可得到距离最短的配送路径,且车辆配送所需时间最少,配送开销最低。

以增程式燃料电池电动汽车作为研究对象,将有限状态机与恒温器控制策略相结合并通过该策略合理控制燃料电池与电池的工作模式与输出电流。针对策略中燃料电池的输出电流及开启阈值下限,采用了禁忌搜索算法进行了确定与优化。仿真结果表明,所提出的控制策略可以有效分配电池和燃料电池的输出电流,降低整车运行成本。

配电网络重构作为优化网络、降低线损的一项重要手段,受到广大研究人员的重视.TS算法是一种新兴的现代启发式寻优技术 ,适合于求解组合优化问题,并能以很大的概率跳出局部最优解.本文介绍了配电网络重构的相关知识,并尝试将TS算法用于求解配网重构问题.另外,本文通过对寻优过程的有效控制,避免了在寻优过程中大量不可行解的产生,提高了计算效率.通过对实际算例的演算,证明了TS算法对于求解配网重构问题的有效性和可行性.

为了解决物流仓储价格与供应商折扣并存条件下的精益生产模拟配送线的分批次多产品采购供应商优选问题,提出了一种多产品分批次采购的供应商选择的多层次决策模型,根据模型的特殊结构将模型转化为一维的开放式车辆路径问题并利用蚁群算法进行求解,该算法将禁忌搜索算法作为局部优化算法,构建一个在超立方框架下执行的Maxmin蚁群（MMACO）算法,同时集成一个后优化过程来进一步优化最优解,以简化求解复杂度。算法初始解产生和邻域操作在对各供应商数量和物资采购次数采用硬约束方法的条件下进行,通过采用惩罚函数的方式对各种物资采购量和物资每月使用量约束进行处理,并设计动态系数将约束逐渐由软约束过渡到硬约束。最后采用所提蚁群算法对算例进行优化求解,并对采用不同解结构、不同启发式算法的算例结果进行了比较,结果表明...