多目標拆卸線平衡問題的改進粒子群算法研究.pdf

1、近年來，隨著廢舊機械、電子產(chǎn)品等固體廢棄物對環(huán)境造成的污染和資源浪費等問題異常嚴峻。國家“十二五”規(guī)劃也將環(huán)境保護列入發(fā)展中的重要課題，廢舊產(chǎn)品拆卸產(chǎn)業(yè)化的格局不斷形成和擴大。拆卸線平衡問題的研究對于經(jīng)濟的可持續(xù)發(fā)展和環(huán)境保護都有重要意義。根據(jù)實際的拆卸線問題，介紹了拆卸線平衡問題數(shù)學模型，在零件優(yōu)先關(guān)系約束和拆卸線節(jié)拍時間的限制下對拆卸線平衡問題進行多目標優(yōu)化的建模。論文研究主要基于完全拆卸問題，提出研究優(yōu)化目標為:最小化工作站數(shù)、平

2、衡各個工作站的空閑時間、優(yōu)先考慮拆卸需求高的零件、最小拆卸方向的改變次數(shù)、優(yōu)先拆卸危害程度高的零件這幾個目標。
　　1.在基于前面的學者利用基本粒子群算法研究拆卸線平衡問題的基礎(chǔ)上，提出多種改進粒子群算法，旨在提高基本粒子群算法在解決離散的拆卸線平衡問題的求解能力。這些算法的改進措施主要體現(xiàn)在:基于連續(xù)型粒子群算法的改進和基于離散粒子群算法的改進。基于連續(xù)型的粒子群算法主要體現(xiàn)在對種群鄰居粒子的動態(tài)構(gòu)建的DNMPSO，種群粒子的全

3、局學習對象為距離自身拓撲距離最近的粒子;基于離散粒子群算法的改進主要體現(xiàn)在混合引入遺傳算法中的交叉和變異操作，將粒子群算法的“全局學習”和“個體學習”廣義為與相應的粒子路徑進行交叉和變異操作;根據(jù)粒子種群聚集程度進行調(diào)整的種群進化策略，動態(tài)地循序地對粒子種群進行進化和基于種群社會化的多種群粒子群算法，以增強種群的多樣性。
　　2.在解決多目標優(yōu)化問題時提出基于工程實際偏好的賦權(quán)法和Pareto算法。其中Pareto算法包括兩種:基