求解装配序列规划的一种多智能体进化算法

• 论文 •

求解装配序列规划的一种多智能体进化算法

曾聪文，古天龙

1.西安电子科技大学电子工程学院，陕西西安710071；2.桂林电子科技大学计算机与控制学院，广西桂林541004

出版日期:2009-09-15 发布日期:2009-09-25

Multi-Agent evolutionary algorithm for assembly sequence planning

ZENG Cong-wen, GU Tian-long

1.School of Electronic Engineering, Xidian University, Xian 710071, China;2.School of Computer Science, Guilin University of Electronic Technology, Guilin 541004, ChinaTo improve the individuals intelligence of traditional evolutionary algorithms for Assembly Sequence Planning (ASP， a multi-Agent evolutionary algorithm for ASP was presented. Agent which carried a possible assembly sequence was not only an basic evolutionary operation units，but also with such intelligent actions as learning

Online:2009-09-15 Published:2009-09-25

摘要/Abstract

摘要： 针对求解装配序列规划的进化类算法中个体智能性不足的问题，设计了求解装配序列规划的一种多智能体进化算法。携有装配序列规划信息的智能体不仅是竞争、变异等进化操作的基本单元，同时又具有“学习”、“协作”等智能行为。实验表明，与其他各类进化算法相比，多智能体进化算法具有明显的优越性。

关键词: 智能体, 学习, 协作, 进化算法, 装配序列规划

Abstract: To improve the individuals intelligence of traditional evolutionary algorithms for Assembly Sequence Planning (ASP)， a multi-Agent evolutionary algorithm for ASP was presented. Agent which carried a possible assembly sequence was not only an basic evolutionary operation units，but also with such intelligent actions as learning and cooperation. Experimental results showed that the algorithm was superior to other evolutionary algorithms.

Key words: Agent, learning, coorperation, evolutionary algorithm, assembly sequences planning

中图分类号:

TH16
TP391

曾聪文,,古天龙. 求解装配序列规划的一种多智能体进化算法[J]. .

ZENG Cong-wen,, GU Tian-long. Multi-Agent evolutionary algorithm for assembly sequence planning[J]. .

[1]	郜启凯,李莹,邓水光. 支持跨组织协作的高可靠性服务编排框架[J]. 计算机集成制造系统, 2021, 27(9): 2501-2507.
[2]	陈志远,伍章俊,童珊珊,刘晓. 基于改进双归档进化算法的多目标动态软件项目调度[J]. 计算机集成制造系统, 2021, 27(9): 2565-2574.
[3]	文一凭,王志斌,刘建勋,许小龙,康国胜. 云际协作环境下能耗与成本感知的工作流调度方法[J]. 计算机集成制造系统, 2021, 27(9): 2583-2591.
[4]	刘庆祥,许小龙,张旭云,窦万春. 基于联邦学习的边缘智能协同计算与隐私保护方法[J]. 计算机集成制造系统, 2021, 27(9): 2604-2610.
[5]	倪维健,吉桂芳,曾庆田,刘彤,段华. 基于表示学习的业务过程模型匹配方法[J]. 计算机集成制造系统, 2021, 27(9): 2661-2669.
[6]	冯春,张祎伟,黄成,姜文彪,武之炜. 双足机器人步态控制的深度强化学习方法[J]. 计算机集成制造系统, 2021, 27(8): 2341-2349.
[7]	冯国奇,崔东亮,代学武,俞胜平. 数据视角下神经网络增量学习支持的涡轮盘多目标优化[J]. 计算机集成制造系统, 2021, 27(8): 2393-2404.
[8]	李林林,刘东梅,王显鹏. 基于改进MOEA/D的多目标置换流水车间调度问题[J]. 计算机集成制造系统, 2021, 27(7): 1929-1940.
[9]	郭羽含,于俊宇,刘万军,张宇,张美琪. 制造业可持续供应链网络建模及求解[J]. 计算机集成制造系统, 2021, 27(7): 2112-2133.
[10]	蔡伟立,胡小锋,刘梦湘. 基于迁移学习的刀具剩余寿命预测方法[J]. 计算机集成制造系统, 2021, 27(6): 1541-1549.
[11]	陆志强,任逸飞,许则鑫. 基于深度学习的资源投入问题算法[J]. 计算机集成制造系统, 2021, 27(6): 1558-1568.
[12]	高勃,张红艳,朱明皓. 面向智能制造的不规则零件排样优化算法[J]. 计算机集成制造系统, 2021, 27(6): 1673-1680.
[13]	曾鹏飞,刘辉. 基于二次相似性度量的即时学习转炉炼钢终点碳温软测量方法[J]. 计算机集成制造系统, 2021, 27(5): 1429-1439.
[14]	陈满意,张桥,张弓,梁济民,侯至丞,杨文林,徐征,王建. 多障碍环境下机械臂避障路径规划[J]. 计算机集成制造系统, 2021, 27(4): 990-998.
[15]	李海龙,陈发源,计效园,李建斌,周建新. 基于改进SPEA2算法的铸造并行车间主生产计划[J]. 计算机集成制造系统, 2021, 27(4): 1072-1080.