摘要：企业对产品进行创新改进,带来装配线上装配任务的变化,从而造成已平衡装配线的失衡。针对上述变化给企业混流装配线带来的影响进行了研究,以最小化生产节拍、工作站间的负荷和工人完成新装配任务的调整成本为优化目标来建立混装线再平衡的数学模型;设计了一种新的多目标粒子群算法求解模型,算法中引入各粒子动态密集距离去筛选外部文档的非劣解和指导全局最优值的更新,在控制解的容量的同时保持Pareto解集分布均匀;此外,引入变异机制,提高了种群的全局搜索能力。结合具体实例的验证表明,该改进多目标粒子群算法能有效地解决混装线再平衡问题。

摘要：本文针对降低混装线企业中的生产成本问题,考虑工人闲置与超载时间内成本的差异,以最小化工作站内闲置与超载成本,最小化产品间的总切换时间为优化目标建立混装线投产排序数学模型。并设计了一种新改进的粒子群算法,算法中引入反向学习优化初始种群分布,从而提高了算法的寻优效率。为避免算法陷入局部收敛,将Baldwinian学习策略引入该算法中,增加了种群中粒子的多样性,提高了种群的全局搜索能力。结合具体实例的验证表明,该改进粒子群算法能有效地解决混装线投产排序问题。

摘要：混流装配系统面对的市场需求经常受各种因素影响而上下波动,当实际需求与预期不同时,企业需要采取加班等临时措施调整产能.然而现有装配线平衡研究大都是按照确定的预期需求量配置的,少数考虑随机需求的研究也都忽视了平衡方案后续进行产能调整的成本和难易程度.文章针对需求不确定环境下的混装线平衡决策,考虑了维持日常产能的人工成本和加班带来的产能调整成本,建立了数学模型,提出了一种估计总成本下界的方法并设计了启发式算法.计算实验表明算法能在较快时间内获得较好的结果.

摘要：针对给定工作站数,求最小生产节拍的第Ⅱ类装配线平衡问题,建立了以最小化生产节拍、工作站负荷,最大化装配线平衡率为优化目标的装配线平衡模型,同时设计了一种免疫记忆粒子群算法对模型进行求解。在该算法中充分利用生物学免疫系统调节机制,为保持迭代过程中粒子(抗体)群体的差异性,将免疫记忆、接种、选择等思想引入该算法中,有效提高算法全局搜索能力,避免算法陷入局部最优;同时加入免疫记忆和免疫接种机制指导粒子的飞行方向,确保粒子种群向更优的方向搜索,提高算法的搜索速度。最后,通过具体装配实例证明了该方法具有更高优化效率,同时验证其有效性和可行性。