欢迎来到天天文库
浏览记录
ID:34864442
大小:8.18 MB
页数:75页
时间:2019-03-12
《u型拆卸线平衡问题的混合人工蜂群算法研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、?-皆’i^補胃硕±学位论文胃1 ̄;::M国内图书分类号:F027JP301乂密级:公开国际图书分类号:拍1西南交通大学研究生学位论文U型巧卸线平衡问题的混合人工蜂群算法研究年级二〇—二级姓名李明.申请学位级别硕±专业机械设计及理论指导老师张则强教授二零一五年五月ClassifiedIndex:F207TP301.6,U.D.C:621SouthwestJiaotongUniversityMaster
2、DereeThesisgHYBRIDARTIFICIALBEECOLONYFOR-USHAPEDDISASSEMBLYLINEBALANCINGPROBLEMGrade:MechanicalEnineerin2012ggCandidate:LiMingAcademicDegreeAppliedfor:MasterSpeciality:MechanicalDesignandTheorySuervisor:Prof.ZhanZe
3、ianpgqgMay.2015西南交通大学学位论文版权使用授巧书本学位论文作者完全了解学校有关保留、使用学位论文的规定,同意学校保留并向国家有关部口或机构送交论文的复印件和电子脱允许论文被査阅和借阅。本人授权西南交通大学可W将本论文的全部或部分内容编入有关数据库进行检索,可W采用影巧、缩印或扫描等复印手段保存和汇编本学位论文。本学位论文属于1.保密□,在年解密后适用本授权书;2.不保密使用本授权书。""(请在W上方框内打V)I^学位论文作者签名
4、:指导到巧签名:1^—支三口.、日期:w>:^.日期西南交通大学硕±学位论文主要工作(贡献)声明本人在学位论文中所做的主要工作或贡献如下:1、通过分析拆卸线布局和作业时间的不确定性,分别建立了确定型作业时间的U型拆卸线平衡问题和随机作业时间的U型拆卸线平衡问题的数学模型。2、针对拆巧线平衡多目标组合优化问题,提出了基于雇佣蜂和旁观蜂自身学习、侦查蜂全局学习的混合搜索机制的人工蜂群算法,并应用加权求和的方法用于计算可行解的适应值。,可较好的求解多目标离散优化问题
5、3、将所提算法与蚁群、粒子群算法等进巧对比试验,W验证算法的有效性,并将直线型布局的生产效率与U型布局进行比较,结果表明U型布局具有更强的柔性适用于实际生产布局:并将算法应用至拆卸实例中。本人郑重声明:所呈交的学位论文,是在导师指导下独立进斤研巧工作所得的成果。除文中己经注明引用的内容外,本论文不包含任何其他个人或集体已经发表或撰写过的研巧成果。对本文的研究做出贡献的个人和集体,均已在文中作了明确说明。一切法律责任将由本人承担本人完全了解违反上述声明所引起的。学位论文作者签
6、名:日期.:皆西南交通大学硕±硏究生学位论文第I页摘要随着资源的短缺和环境污染的加剧,EOL产品处理的方式引起了广泛关注。拆巧^。不仅可1^1实现资源的再利用,还可^缓解EOL产品堆积造成的环境压为据统计,2015900--年全国汽车报废数量将达到1200万辆,而2020年将持续増加到12001600万辆。如果这些资源能够有效地回收再利用,将会产生巨大的市场价值。拆卸是资源回收的。。有效手段为了推动拆卸产业化,合理的拆卸线布局和拆卸流程规划是必不可少的所本文根据精
7、益生产理念,提出U型拆巧线布局,主要研究内容如下:1)U型充分研究直线型拆卸线优化问题的相关知识,结合布局特色,建立工作站数、平淆指数、需求指数和危害指数最小目标的确定型作业时间的U型拆卸线平衡问题数学模型。2一)由于人工蜂群算法存在搜索方法单、易陷入局部极值两方面的缺陷,本文通过旁观蜂和雇佣蜂自身学习、侦査蜂全局学习的策略弥补标准算法中的不足,提出絕合捜索机制的人工蜂群算法。同时设计了适用于求解本文离散优化问题的算法流程。3)W加权求和的方法将多目标降为单目标,同时对于
8、某项指标超出预设值时给予一定的惩罚,最终得到的适应值可W直观地评价解的质量,为蜜蜂快速选择解提供了有利条件。4)通过与粒子群、蚁群等算法对基准测试例子和简化拆卸模型求解结果的对比,证明提出的改进算法具有较强的求解能力;并验了证U型布局更运用于实际生产。5)考虑作业时间的不确定性。根据算,提出作业时间随机的U型拆卸线平衡问题例测试结果总结随机作业时间拆巧线优化规律,最后,将本文提出的算法应用于随机作业时间的拆卸实例进行优化。
此文档下载收益归作者所有