为了提高现代仓库作业中的拣货作业这一核心环节的拣货效率,提出了一种以蚁群算法作为优化算法来解决仓库订单拣选的路径优化问题。这种算法采用正反馈机制,其使得搜索过程不断收敛,最终逼近最优解。而根据Flying-V型仓库布局的特点,建立了订单拣选优化路径模型,并通过仿真实验,对传统穿越策略,S形启发式算法,蚁群算法三种算法的性能进行了比较,比较结果表明蚁群算法优化拣货路径可以明显地缩短拣货距离,大大提高拣货效率,在实际运用中也具有良好的实用性。

进阶生产规划及排程系统(APS)是智能制造的核心环节之一。为解决发动机缸体混流装配生产线排产问题,建立了其通用数学模型和析取图表示方法。基于蚁群和禁忌搜索两种元启发式算法的互补特性,提出一种蚁群禁忌搜索融合算法解决作业车间调度问题(Job-shop Scheduling Problem,JSP)。经仿真验证了算法有效性和相比传统元启发更优良的算法特性,对APS(Advanced Planning and Scheduling)和智能制造的发展具有一定的启发意义。

针对汽车制造企业入厂物流取货周期长、取货成本高等问题,提出一种"多层级循环取货模型"。首先,通过系统聚类法对所有供应商进行区域划分;其次,运用Topsis法将同一区域的供应商分为一、二两个层级;最后,将第一层级供应商作为该区域的集货点,并运用蚁群算法规划各集货点的最优取货路径。结合某汽车制造企业实例,建立入厂物流成本和取货周期最优的数学模型,通过对比多层级循环取货和milk-run两种取货方案,验证了多层级循环取货模型的先进性和可行性。

随着城市化持续推进和国民经济的不断增长,既有输电网络逐渐呈现出无法满足用户需求的现象。为此,在电网系统建设初期就应该考虑可行的扩建方案。为了探索蚁群算法在动态输电网扩建规划中的应用,基于改进的蚁群算法,选择在动态输电网规划期内总投资最小作为数学模型的目标函数,引入惩罚因子实现动态输电网投资成本最小化规划的过程,借助MATLAB编程,就改进蚁群算法在IEEE-6节点系统电网优化规划中的应用进行了研究,取得了较好的应用效果。

针对现有机床电气柜内部元件器的布局,依据功能划分为多个模块组合,以模块的纵、横坐标位置为设计变量,分别建立连线长度与占有面积的数学模型,在满足彼此空间距离和基本尺寸的条件下,分别求解单目标优化结果值,引入评价权系数和权重系数,建立多目标优化的数学模型。采用蚁群算法进行求解,改进蚁群算法的转化概率公式,把搜索方向作为转移概率的解空间,结合信息素挥发率,多次迭代求解。优化后模块连线体积减小了12.8%,面积减少了20%,节省生产成本,降低了电气柜的面积占有率。

为提高四柱式液压机同步控制系统控制精度,在建立系统数学模型基础上,利用蚁群算法优化了系统中PID控制器参数。基于“串联型”和“并联型”同步控制结构在MATLAB/Simulink中进行了仿真研究,为了验证两种同步控制结构的实际控制性能,在四柱式液压机试验台上进行了试验研究。结果表明:“并联型”同步控制结构相比“串联型”同步控制结构最大同步误差减小了80.649%,稳态同步误差减小了30.303%,可以看出“并联型”同步控制结构对于最大同步误差和稳态同步误差的控制效果优于“串联型”同步控制结构,因此,“并联型”同步控制结构更能满足四柱式液压机对于双缸同步控制精度的要求。

针对飞机蒙皮对缝间隙与阶差测量中执行机构的路径规划和运动控制难题,传统的轮式机器人灵活性、机动性较差,提出将四轮全向机器人作为飞机蒙皮测量的执行机构,具有平面内零半径转向、可向任意方向运动的特点。采用基于蚁群算法的路径规划方法,把规划好的路径信息转变为全向机器人可识别、可执行的运动指令,将测量传感器运送到多个被测位置完成蒙皮测量任务。通过iGPS实时获得全向机器人在飞机测量现场的位姿,实现其自主标定与导航。

对于非线性、大惯性的永磁直驱风力发电系统而言,当它偏离系统工作点或系统受到较大扰动时,如果仍然采用基于PID技术的变桨距控制器,就会出现较大误差甚至振荡。为此,对其采用非线性最优控制控制器进行代替可以获得控制性能的改善。但是,非线性最优控制调节器存在着对大惯性系统控制严重滞后的缺点。所以,提出一种通过蚁群算法优化,将PID和非线性最优控制结合的新型变桨距控制器的设计原理,从而实现对发电机组有效的控制。结果表明：该方法是有效的、可靠的。

针对传统方法求解多目标U型拆卸线平衡问题的不足,提出了一种基于Pareto解集的多目标蚁群遗传算法.在构造初始解阶段,以协同考虑最大作业时间、最小拆卸成本差作为蚂蚁的启发式信息;通过蚁群算法搜索可行拆卸序列,并根据多目标之间的支配关系得到Pareto解集;将蚁群算法的Pareto非劣解作为遗传操作的个体,进而将遗传操作的结果正反馈于最优拆卸路径上信息素的积累,并采用拥挤距离作为蚂蚁全局信息素更新策略,可以平衡多目标对信息素的影响,使算法快速获得较优解.将所提算法应用于52项拆卸任务算例和某打印机拆卸线实例,在算例验证中,通过对比Pareto蚁群算法,所提算法求得的8个非劣解在3个评价指标上性能分别提高了50.43%、3.25%、14.10%,在实例应用中所提算法求得8种可选平衡方案,从而验证了所提算法的有效性、优越性和实用性.

利用传统能量法建立曲线优化数学模型,设定约束条件并在此基础上改进能量法,同时结合遗传算法及蚁群算法的优点,建立一种新型的优化算法,把这种优化算法应用到实际人体背部曲线曲面优化中,通过实例验证,得到了较好的结果,并与其它算法做比较,证明其有效性.