自动化的电镀生产线通常设计有多台受计算机控制的Hoist(物料搬运设备),以便生产大批具有柔性制造特征的产品。基于搬运作业的最小时间间隔法,构建了多Hoist循环调度问题的混合整数线性规划模型,并首次使用基于群智能的元启发式算法(帝国主义竞争算法)求解该问题。借鉴遗传算法的进化机制,分别对搬运作业的优先关系序列、Hoist的分配序列进行不同的交叉、变异操作以实现帝国主义竞争算法的同化过程。针对种群进化过程中产生的大量不可行解,提出基于Hoist分配的不可行解修复策略以修复搬运作业优先关系。最后,基于标杆案例和随机案例,分别与专业优化软件CPLEX以及遗传算法进行对比,测试结果验证了所提出的方法的有效性。

当前社会需求逐渐向多元化,个性化转变,制造单元成为当前多品种小批量类型企业的主要生产模式。深入探讨了该类型企业的制造单元划分问题,构建了以最小化AGV小车搬运次数为目标的制造单元划分数学规划模型。基于此,采用一种改进的布谷鸟算法求解数学规划模型,该算法在标准布谷鸟算法基础上采用动态发现概率以提高全局搜索能力;其次,初始化过程通过规则筛选机制约束解的有效性,保证解码过程的可行性。最后,结合某汽车零配件加工车间生产实例,验证了改进布谷鸟算法的有效性;标准测试案例集验证了改进布谷鸟算法的高效性与稳定性。同时,对比传统流水线生产模式,优化后的制造单元具有更好的柔性和效率。

随着AGV小车在制造系统的广泛应用,其路线规划与生产调度集成可大大提高生产效率,降低运输能耗。这里以开放车间为研究对象,考虑AGV的物料搬运特性,提出了一种考虑最大完工时间和AGV能耗的双目标析取图模型,剖析问题特征,提取问题的关键弧特性;其次,设计了基于关键弧的多种邻域结构,融合遗传算法的全局搜索能力和变邻域结构的局部探索能力实现问题的寻优。最后,标杆案例测试结果表明,所提出算法可有效解决带AGV开放车间调度问题,多种邻域结构设计显著地提升了算法求解性能。

当前企业产品类型繁杂和生产批量小,致使生产线中工件平均等待时间过长、在制品多、资源共享率低,亟需对该类型问题的生产方式进行研究。以某生产线为实例,提出采用SIMIO软件进行建模与仿真优化,对比分析了流水线和分割单元生产两种生产方式;在此基础上提出一种二进制排序算法进行设备单元分割,在相同环境下对各类型生产线进行分析与改进。结果表明:在设备利用率、工件平均等待时间、在制品数等指标方面,基于二进制排序算法的单元生产方式具有优越的性能。

以新能源电池包智能装配车间为背景,针对自动引导车(AGV)的数量和运载能力对产线生产的影响进行研究。分析该智能装配车间的特点,设计基于物料整包配送的AGV响应规则;采用SIMIO软件建立实际生产场景的AGV物流仿真模型;以该智能车间的实际生产数据为例,结合统计学手段,采用方差分析、敏感性分析优化AGV数量和运载能力;进行49组全因子实验。结果表明:AGV数量对设备利用率、AGV平均利用率和AGV的行走路线总长度具有显著统计性影响;基于响应优化方法获得了最佳的AGV优化配置方案,为企业配置AGV提供参考。

机器人在荒野物资运输和山地自由行走时，需要在山地表面规划出行走路线，为此提出改进的蚁群算法加以求解。根据坡度提出避障规则，在满足避障约束条件下，合理增加路径的多样性；根据当前节点到目标点和起点的距离，重新设计启发式函数，驱使机器人尽量沿着起点和目标点之间的最短路径行进；依据实时路径长度，动态调整挥发系数，以精炼搜索空间、提高收敛性能。将改进蚁群算法与原始算法进行比较，实验结果表明改进蚁群算法的有效性优于原始蚁群算法。

面向作业工序分配和机器分配,提出一种基于随机键编码的灰狼算法,以实现能耗最小化。算法在解码中,考虑工序间的优先关系约束和节拍约束,将工序和机器分配到工位中。该算法基于灰狼个体间的社会等级信息,选择3只最优狼指引剩余个体进化,以实现种群的更新。同时,该算法依据作业工序分配和机器人分配,混合了两种交叉方式以增强最低等级狼群间的交流。最后通过U型装配线的标杆案例,验证灰狼算法的有效性和优越性。

钢铁是国民经济的基础用材，我国吨钢综合能耗仍与发达国家存在较大差距。准确预测吨钢综合能耗，有利于制定节能方针和减少能源浪费。根据我国钢铁工业吨钢综合能耗历史数据，利用基因表达式编程（Gene Expression Programming，GEP）算法，构建吨钢综合能耗预测模型。首先，将吨钢综合能耗进行等间隔时序化、函数表达式符号化，在终端集中添加常量数组；其次，利用选择操作、变异操作、重组操作和移项操作进行遗传操作，获得吨钢综合能耗预测模型。结果表明，基于GEP的预测值与实测值平均误差为0．31，该模型较准确地预测我国钢铁工业吨钢综合能耗发展趋势。

针对混流装配线平衡排序优化问题,提出了一种多目标模拟退火算法。考虑到工位负载影响装配线的生产效率、工人越过工位边界干扰生产等问题,建立了以最小工位绝对负载偏差与最小工位越界距离的优化目标。所提出的模拟退火算法在初始化中将启发式任务分配规则融入平衡问题,根据产品投产需求随机生成产品序列;引入了基于帕累托阶层和拥挤距离作为多目标适应度评价指标;对帕累托前沿解集进行重启操作,避免算法陷入局部最优;采用一种新的接受策略,提高了算法寻优能力。通过测试标准问题实验,对所提出的算法进行参数校验。将所提出的算法与快速非支配遗传算法进行对比,采用收敛性和多样性两个评价指标,验证所提出算法的优越性。