多目标拆卸线平衡问题的群集智能优化算法研究

摘要

随着生产者责任延伸制的推行、各国新的更多的环境立法的建立以及公众环境意识的提高，制造商开始回收和再制造废旧的产品。此外，重新使用废旧产品所带来的经济吸引力也从另一个层面推动了更多制造商的投入。拆卸是重新使用、制造、回收、存储以及合理处理产品关键的第一步，拆卸线是实现大规模拆卸的最佳选择，因而有效设计和平衡拆卸线对提高拆卸效率至关重要，因此研究拆卸线平衡问题具有重要的理论和实际意义。
　　结合拆卸线的特点，提出了多目标拆卸线平衡问题的数学模型，其优化目标为最小化工作站数、均衡各工作站空闲时间，并考虑拆卸产品部件的危害、需求以及方向。在此基础上，采用两种群集智能优化算法-粒子群算法和蚁群算法研究了多目标拆卸线平衡问题。
　　提出了一种目标基于优先排序的粒子群算法，该算法采用随机数生成粒子的位置和速度，而位置和速度的更新则为对应随机数相加减，进而把位置的随机数作为选择零件的权重，从而根据权重的大小来选择拆卸的零件。并通过具体的实例以及基准例子验证了算法的有效性。
　　提出了一种基于Pareto的粒子群算法来求解多目标拆卸线平衡问题，该算法采用小生境技术选取多目标的全局最优解，采用Pareto占优以及分散度作为个体评价以及局部最优解选取，最后通过具体的实例以及基准例子验证了算法的有效性。
　　提出了一种目标基于优先排序的蚁群算法来求解多目标拆卸线平衡问题，该算法考虑了以零件拆卸时间、危害以及需求三种规则的启发式信息，并综合考虑利用先验知识、探索新路径、随机选择三种方式的混合搜索机制，有效的提高了算法的搜索效率，并通过具体的实例以及基准例子验证了算法的有效性。

目录

文摘

英文文摘

第1章 绪论

1.1 课题的研究意义

1.2 国内外现状分析

1.2.1 拆卸线平衡问题及总体研究现状概述

1.2.2 国内外研究现状

1.3 课题研究目标、研究内容、解决的关键问题

1.4 采取的研究方法、技术路线

1.5 创新性

1.6 论文结构和主要内容

1.7 本章小结

第2章 多目标拆卸线平衡问题的概念和数学模型

2.1 多目标拆卸线的概念

2.2 多目标拆卸线平衡问题的数学模型

2.3 多目标拆卸线平衡问题的复杂性研究

2.4 群集智能优化算法

2.4.1 粒子群算法

2.4.2 蚁群算法

2.5 本章小结

第3章 求解多目标拆卸线平衡问题的粒子群算法

3.1 基于目标优先顺序的粒子群算法

3.1.1 粒子群算法简介

3.1.2 拆卸线可行解的构造

3.1.3 粒子群位置和速度的更新

3.1.4 DLBP_PSO基本算法流程如下：

3.1.5 实例验证

3.1.6 DLBP实例计算分析

3.1.7 已知最优解的基准例子计算结果分析

3.2 基于PARETO粒子群算法

3.2.1 多目标优化问题的相关概念

3.2.2 外部全局档案文件及全局最优解的选取

3.2.3 外部局部档案文件及局部最优选取

3.2.4 拆卸线可行解构造

3.2.5 粒子群位置和速度的更新

3.2.6 DLBP_PARETO_PSO基本算法流程如下：

3.2.7 实例验证

3.3 本章小结

第4章 求解多目标拆卸线平衡问题的一种蚁群算法

4.1 蚁群算法简介

4.2 拆卸线可行解的构造

4.3 信息素更新策略

4.4 算法步骤

4.5 实例验证

4.5.1 DLBP实例计算分析

4.5.219个基准例子计算结果分析

4.6 本章小结

第5章 多目标拆卸线实际应用研究

5.1 实例介绍

5.2 问题求解的数据准备

5.3 拆卸时间的确定

5.4 PSO求解结果

5.5 ACO求解结果

5.6 本章小结

结论与展望

结论

展望

致谢

参考文献

攻读硕士学位期间发表的论文及科研成果