多目標智能優(yōu)化算法及其在制造系統(tǒng)中的應用.pdf

1、用新設(shè)計的啟發(fā)式算法解決布局問題以最小化單元內(nèi)與單元間的物流總成本。計算結(jié)果表明，禁忌搜索和啟發(fā)式算法分別提供了良好的機器單元配置、機器布局和單元布局. 研究了基于禁忌搜索的多目標單元構(gòu)造問題。首先根據(jù)多目標禁忌搜索(MOTS)自身的特點提出了一種非劣解集的有效處理方法，它和MOEA中的外部檔案維護策略作用類似，但沒有引入個體密度值。其次，對于考慮加工順序和加工時間的單元構(gòu)造問題，利用多目標禁忌搜索尋找最優(yōu)的機器單元配置以最小化

2、工件的總移動次數(shù)和單元負荷變化量。通過對5個測試問題的計算實驗并與Gupta等[41]提出的遺傳算法比較，計算結(jié)果表明，本文算法性能優(yōu)良。最后，對于同時考慮加工順序，加工時間，安裝時間和單元內(nèi)與單元間運輸成本的單元構(gòu)造問題，設(shè)計了一種多禁忌搜索任務的并行策略，對非劣解集中的多個解和當前解進行插入和互換操作，提出了將工件的各工序分派到機器單元的方法以保證各單元間負荷失衡量盡量小。和SuandHsu[120]提出的并行模擬退火(PSA)相比