一类自由作业供应链排序的研究

本文研究一类集成工件生产和发送的排序模型.在该模型中,供应链的上游首先将工件安排在自由作业机器上加工,然后把加工完毕的工件分批发送给下游.问题是寻找生产和发送相连的排序,使得生产排序费用和发送费用总和最少.这里,生产排序费用是以工件带权送到时间和表示;发送费用由固定费用和与运输路径有关的变化费用组成.在指出问题的NP困难性后,本文用动态规划算法构造了一致条件下的多项式时间近似算法,并分析算法的性能比.本文最后还讨论了该问题的其它情形.     

自由作业环境下的供应链排序问题

本文研究自由作业环境下的供应链排序问题,研究供应链的上游如何安排工件在自由作业机器上加工,把加工完毕的工件分批发送给下游,使得生产排序费用和发送费用总和最少.这里,生产排序费用是用工件送到时间的函数来表示;发送费用是由发送的固定费用和与运输路径有关的变化费用所组成.本文研究以工件最大送到时间为生产排序费用的自由作业供应链排序问题,在指出问题的NP困难性后,用动态规划算法构造多项式时间近似算法,并分析算法的性能比.本文最后还对特殊情形进行了讨论.     

平行机的供应链排序

研究平行机环境下的供应链排序,即研究如何安排工件在平行机上加工,把加工完毕的工件分批发送给下游客户,使得生产排序费用和发送费用总和最少。这里,生产排序费用是用工件送到时间的函数表示;发送费用是由固定费用和与运输路径有关的可变费用两部分组成。研究以工件带权送到时间和作为生产排序费用的供应链排序问题,给出多项式时间近似算法,并分析算法性能比。     

具有不同生产时区费用的单机可拒绝排序问题

考虑了单机环境下,机器具有不同的生产时区费用,并且工件的加工是可以拒绝的排序问题.需要选择要加工的工件集合,对每个加工的工件指派相应的生产区间并排序,并支付拒绝加工工件的拒绝费用.对于排序理论中主要的四个目标函数,研究了单位区间的生产费用随着时间的推迟是单调非增的情况,分析了问题的复杂性,对于这些问题给出了它们的最优算法.     

一类新的带有模糊参数的生产库存管理模型

正确有效地处理生产库存管理系统中的不确定性信息直接影响生产利润。基于模糊VaR优化准则讨论了生产工序、库存费用、缺货费用以及市场需求对生产利润的影响。同时,本文对于生产库存管理问题发展了一个新的模糊VaR优化方法。为了求解所提出的生产库存管理问题,设计了一种结合逼近方法、神经网络和遗传算法的混合智能算法。最后,给出一个带有模糊VaR准则的生产库存管理问题的数值例子表明所设计模型和算法的有效性。     

工件带就绪时间的单机供应链排序问题

研究工件带就绪时间的单机供应链排序问题,即工件到达后按何种顺序在机器上加工,并将完工工件如何由运输工具发送给客户,使得生产费用与发送费用总和最少.这里,每个工件的生产费用为工件的发送时刻,多个工件可组成一批一次发送给客户,发送费用与发送次数成正比.对于工件允许中断加工的问题,基于SRPT规则给出多项式时间的动态规划算法求解最优序；对于工件不允许中断加工的问题,证明问题是强NP难的,并提出了性能比为2的近似算法.     

自由作业的供应链排序研究

研究一类集成工件加工和发送的供应链排序模型,即研究如何安排工件在自由作业机器上加工,把加工完毕的工件分批发送给下游客户,使得含生产排序费用和发送费用的目标函数最优.这里,分别取工件最大送到时间和平均送到时间为生产排序费用;而发送费用是由固定费用和与运输路径有关的变化费用组成.利用排序理论和动态规划方法,构造了自由作业供应链排序问题的多项式时间近似算法,并分析算法的性能比.     

CIMS下基于成组单元的无能力约束的生产批量计划的新方法

CIMS中基于成组单元的生产批量计划问题是确定属于M个族的N种不同的项目在给定的计划范围T内的每一个时间段上的批量，使得在T内项目总的调整费用（族调整费用和项目调整费用之和）和库存保管费用以及生产费用之和最小（GTLS）本文基于GTLS问题的性质，从一个新的角度即从调整变量出发，运用遗传算法（GA）随机搜索进行求解．对GTLS构造了两阶段启发式算法（Heuristic），通过仿真实验，测试6个问题表明，GTLS／GA比GTLS／Heuristic平均改善5％以内．     

具有可变配送费用和固定配送时刻的单机排序问题

研究了单机环境下生产与配送的协同排序问题.有多个工件需要在一台机器上进行加工,加工完的工件需要分批配送到一个客户.每批工件只能在固定的几个配送时刻出发,不同的配送时刻对应着不同的配送费用.我们的目标是找到生产与配送的协同排序,极小化排序的时间费用与配送费用的加权和.研究了排序理论中主要的四个目标函数,构建了单机情况下的具体模型,分析了问题的复杂性,对于配送费用单调非增的情况给出了它们的最优算法.     

VMI策略下的综合生产计划研究

本重点研究了在供应链环境下，基于供应商管理客户库存(VMI)策略的供应商综合生产计划问题。模型综合考虑了供应链的存储费用、缺货损失和生产费用，提出供应链总成本最小目标模型，并采用搜索法结合线性规划给出了算例求解和分析结论。     

Stability of Local Efficiency in Multiobjective Optimization

Analyzing the behavior and stability properties of a local optimum in an optimization problem, when small perturbations are added to the objective functions, are important considerations in optimization. The tilt stability of a local minimum in a scalar optimization problem is a well-studied concept in optimization which is a version of the Lipschitzian stability condition for a local minimum. In this paper, we define a new concept of stability pertinent to the study of multiobjective optimization problems. We prove that our new concept of stability is equivalent to tilt stability when scalar optimizations are available. We then use our new notions of stability to establish new necessary and sufficient conditions on when strict locally efficient solutions of a multiobjective optimization problem will have small changes when correspondingly small perturbations are added to the objective functions.     

基于动力系统的线性不等式组的解法

本文提出了一种新的求解线性不等式组可行解的方法-基于动力系统的方法．假设线性不等式组的可行域为非空,在可行域的相对内域上建立一个非线性关系表达式,进而得到一个结构简单的动力系统模型．同时,定义了穿越方向。文章最后的数值实验结果表明此算法是有效的．     

Solving air traffic conflict problems via local continuous optimization

This paper first introduces an original trajectory model using B-splines and a new semi-infinite programming formulation of the separation constraint involved in air traffic conflict problems. A new continuous optimization formulation of the tactical conflict-resolution problem is then proposed. It involves very few optimization variables in that one needs only one optimization variable to determine each aircraft trajectory. Encouraging numerical experiments show that this approach is viable on realistic test problems. Not only does one not need to rely on the traditional, discretized, combinatorial optimization approaches to this problem, but, moreover, local continuous optimization methods, which require relatively fewer iterations and thereby fewer costly function evaluations, are shown to improve the performance of the overall global optimization of this non-convex problem.     

线性与非线性规划算法与理论

线性规划与非线性规划是数学规划中经典而重要的研究方向. 主要介绍该研究方向的背景知识,并介绍线性规划、无约束优化和约束优化的最新算法与理论以及一些前沿与热点问题. 交替方向乘子法是一类求解带结构的约束优化问题的方法,近年来倍受重视. 全局优化是一个对于应用优化领域非常重要的研究方向. 因此也试图介绍这两个方面的一些最新研究进展和问题.     

求解线性不等式组的方法

本提出了一个新的求解线性不等式组可行解的方法－－无约束极值方法。通过在线性不等式组的非空可行域的相对内域上建立一个非线性极值问题，根据对偶关系，得到了一个对偶空间的无约束极值及原始，对偶变量之间的简单线性映射关系，这样将原来线性不等式组问题的求解转化为一个无约束极值问题。中主要讨论了求解无约束极值问题的共轭梯度算法。同时，在寻找不等式组可行解的过程中，定义了穿越方向，这样大大减少计算量。中最后数值实验结果表明此算法是有效的。     

哈明距离下的网络逆问题研究综述

逆优化问题研究的是如何改变原问题中的权参数,使得某些给定的解是问题在新的权参数下的最优解,且使总的改造费用尽可能少.作为逆优化问题中相对较新的一个分支,哈明距离下的网络逆问题具有较大的理论研究及实际应用价值.此文首先介绍了逆优化问题和哈明距离下的网络逆问题以及它们的应用,然后详细介绍了哈明距离下的网络逆问题的研究动态及使用的研究方法.最后给出了该领域中的一些值得研究的问题.     

解无约束最优化的基于锥模型的过滤集- 信赖域方法

锥模型优化方法是一类非二次模型优化方法, 它在每次迭代中比标准的二次模型方法含有更丰富的插值信息. Di 和Sun (1996) 提出了解无约束优化问题的锥模型信赖域方法. 本文根据Fletcher 和Leyffer (2002) 的过滤集技术的思想, 在Di 和Sun (1996) 工作的基础上, 提出了解无约束优化问题的基于锥模型的过滤集信赖域算法. 在适当的条件下, 我们证明了新算法的收敛性. 有限的数值试验结果表明新算法是有效的.     

遗传算法求解约束非线性规划及Matlab实现

对于约束非线性规划问题,传统的方法:可行方向法、惩罚函数法计算烦琐且精度不高.用新兴的遗传算法来解决约束非线性规划,核心是惩罚函数的构造.以前的惩罚函数遗传算法有的精度较低,有的过于复杂.本文在两个定义的基础上构造了新的惩罚函数,并在新的惩罚函数的基础上,提出了一种解决约束非线性最优化问题的方法.通过两个例子应用Matlab说明了这个算法的可行性.     

On the convergence of asynchronous parallel algorithm for large-scale linearly constrained minimization problem

As a synchronization parallel framework, the parallel variable transformation (PVT) algorithm is effective to solve unconstrained optimization problems. In this paper, based on the idea that a constrained optimization problem is equivalent to a differentiable unconstrained optimization problem by introducing the Fischer Function, we propose an asynchronous PVT algorithm for solving large-scale linearly constrained convex minimization problems. This new algorithm can terminate when some processor satisfies terminal condition without waiting for other processors. Meanwhile, it can enhances practical efficiency for large-scale optimization problem. Global convergence of the new algorithm is established under suitable assumptions. And in particular, the linear rate of convergence does not depend on the number of processors.     

Study of a New Global Optimization Algorithm Based on the Standard PSO

In this paper, a new global optimization algorithm is developed, which is named Particle Swarm Optimization combined with Particle Generator (PSO-PG). Based on a series of comparable numerical experiments, we show that the calculation accuracy of the new algorithm is greatly improved and optimization efficiency is increased as well, in comparison with those of the standard PSO. It is also found that the optimization results obtained from PSO-PG are almost independent of the coefficients adopted in the algorithm.