考虑生产计划的多周期切割问题优化研究

切割生产广泛存在于工业企业,是原材料加工的重要环节。已有文献主要关注单周期切割问题,但是切割计划也是生产计划的一部分,切割计划和生产计划应该协调优化,达到全局最优。本文研究考虑生产计划的多周期切割问题,目标是最小化运营成本,包括准备成本、切割成本、库存成本以及母材消耗成本。首先建立混合整数规划模型;提出动态规划启发式算法;最后对算例在多种情境下测试,分析成本因子变化对最优结果的影响。算法结果与CPLEX最优结果比较,平均误差为1.85%,表明算法是有效的。     

基于可信性理论的生产计划期望值模型

基于可信性理论,提出一类新的模糊生产计划期望值模型.然后,讨论这个模糊生产计划模型的基本性质.最后,利用这个模糊模型的基本性质我们可以把模糊生产计划期望值模型转化为一个线性规划模型并且设计相应的算法求解模糊生产计划问题的一个数值例子.     

随机排列的伪顺序最小剖分

随机排列的最优剖分问题起源于对铁路调车计划的研究.最近,文给出了求最优拟顺序剖分的一个有效算法.本文引入伪顺序序列概念,证明了在该模型下随机排列的最小剖分方案可以由一个有效算法来得到.设π:α_     

基于动态服务网络的铁路紧急输送计划编制模型和算法

根据特殊条件下铁路输送计划问题的动态性、多目标性、时效性等特点,采用时空网络构建铁路输送计划网络模型.并建立了基于动态路径的铁路输送计划编制数学模型.模型属于大规模的整数规划,以追求时间效益最大化和灾害损失最小化为目标.根据模型的特点,提出了松弛求解算法,借助LINGO求解工具求解松弛模型,通过逐步固定变量为整数值求得最优解.算例研究表明,算法可行有效.     

基于动态服务网络的铁路紧急输送计划编制模型和算法北大核心

根据特殊条件下铁路输送计划问题的动态性、多目标性、时效性等特点,采用时空网络构建铁路输送计划网络模型.并建立了基于动态路径的铁路输送计划编制数学模型.模型属于大规模的整数规划,以追求时间效益最大化和灾害损失最小化为目标.根据模型的特点,提出了松弛求解算法,借助LINGO求解工具求解松弛模型,通过逐步固定变量为整数值求得最优解.算例研究表明,算法可行有效.     

基于改进混合遗传算法安排生产调度

研究了某工厂生产调度问题,建立了数学模型.针对这一实际问题,通过引入小生境技术、最优保存策略、近优淘汰策略、自适应调整交叉概率和变异概率,设计了用于求解多个最优顺序的混合遗传算法,用所设计的混合遗传算法对该模型进行了计算,获得了许多最优顺序,这就使得生产调度安排灵活机动,便于智能调度,同时生产量比原来大幅度提高.这表明使用混合遗传算法安排生产调度是非常有效的.     

带有模糊参数的农业生产计划模型

在现实的生产系统中, 由于材料价格, 产品价格, 市场需求以及劳动者能力等不确定因素的影响, 生产计划问题常常是一个不确定规划问题. 因此, 带有常系数的生产计划模型不能准确有效的描述生产决策环境. 基于可信性理论, 本文将提出一类新的带有模糊参数的生产计划模型. 然后, 我们讨论了可信性函数的逼近并且设计一个基于逼近方法、神经网络和遗传算法的启发式算法来求解这个模糊生产计划问题. 最后, 给出了一个数值例子来表明所设计算法的可行性和有效性.     

时变需求等量进货情形下集成供应链生产订货策略研究

构建了一个包含原料采购、生产和销售过程的集成供应链模型,研究了由原料、生产商和销售商产品构成的三层库存系统的生产订货问题。在有限的规划期内,销售商每次进货量相同,生产商按照EOQ模型采购原材料。以最小化供应链系统的总运营成本为目标,构建一个混合整数非线性规划模型,寻找销售商最优订货方案和生产商最佳生产策略。首先利用网络优化方法求解生产商的最优生产计划,其次利用定界穷举法寻求销售商最优的订货周期,给出了具体的计算方法和Matlab程序。通过算例分析验证了算法的有效性,并研究了各参数对最小费用及最优解的影响。     

基于工时优化的柔性生产人员配置模型及算法

为满足企业工时优化和提高运营效益的内在需求,针对柔性生产,以合理人工配置和最佳作业排序为目标建立了数学模型,并设计了递阶启发式搜索算法.根据组合并联作业结构特性,采用遗传算法优化子层作业的人工配置和作业工时,并将子层作业视为父层作业的相似阶段采用动态规划法决策父层的最优工时.在上述优化工作的基础上再利用改进蚁群算法,将其等效为具有m台处理机、目标函数为最优工时的流水车间作业排序问题,利用优先调度算法确定能见度因子并通过仿真和灵敏度分析优化了算法参数,最终生成最优作业排序计划.对实例问题的求解证明了研究模型和算法的有效性和鲁棒性.     

两阶段模糊生产计划期望值模型

在现实的生产系统中,生产计划问题常常是-个确定的线性规划问题.但是,在许多的实际情况中,由于生产系统中不确定性因素的影响,带有常系数的线性规划模型不能合理地描述现实的决策环境.为了准确有效地描述生产决策环境,本文提出一类新的带有模糊参数的两阶段生产计划期望值模型并且讨论模型的一些基本性质.然后,讨论补偿函数的逼近并且设计-个基了:逼近方法、神经网络和遗传算法的启发式算法来求解这个两阶段模糊生产计划模型.最后,给出一个数值例子来表明所设计算法的可行性和有效性.     

Optimal Pricing and Production Planning for Multi-product Multi-period Systems with Backorders

In this paper, we develop models for production planning with coordinated dynamic pricing. The application that motivated this research is manufacturing pricing, where the products are non-perishable assets and can be stored to fulfill the future demands. We assume that the firm does not change the price list very frequently. However, the developed model and its solution strategy have the capability to handle the general case of manufacturing systems with frequent time-varying price lists. We consider a multi-product capacitated setting and introduce a demand-based model, where the demand is a function of the price. The key parts of the model are that the planning horizon is discrete-time multi-period, and backorders are allowed. As a result of this, the problem becomes a nonlinear programming problem with the nonlinearities in both the objective function and some constraints. We develop an algorithm which computes the optimal production and pricing policy on a finite time horizon. We illustrate the application of the algorithm through a detailed numerical example.     

Efficient algorithms for combined heat and power production planning under the deregulated electricity market

Combined heat and power (CHP) production is an important energy production technology that can yield much higher total energy efficiency than separate heat and power generation. In CHP production, the heat and power production follows a joint characteristic, which means that the production planning must be done in coordination. Cost-efficient operation of a CHP system can be planned by using an optimization model. A long-term planning model decomposes into thousands of hourly models. Earlier, in the regulated electric power market, the planning problem was symmetrically driven by heat and power demand. The liberalization of the power market has created an asymmetrical planning problem, where heat production responds to the demand and power production to the volatile market price. In this paper, we utilize this asymmetry to develop novel envelope-based dual algorithms for solving the hourly CHP models efficiently. The basic idea is to transform the three-dimensional characteristic operating region for heat and power production of each CHP plant into a two-dimensional envelope by taking the power price as a parameter. Then the envelopes of each plant are used for looking up the optimal solution rapidly. We propose two versions of the algorithm: the on-line envelope construction algorithm (ECON) where the envelopes are constructed for each hour based on the power price and the off-line envelope construction algorithm (ECOFF) where envelopes are pre-computed for all different power price ranges. We derive the theoretical time complexity of the two algorithms and compare their performance empirically with realistic test models against the ILOG CPLEX solver and the Power Simplex (PS) algorithm. PS is an extremely efficient specialized primal algorithm developed for the symmetrical CHP planning problem under the regulated market. On average, when reusing previous basic solutions, ECON is 603 times faster than CPLEX and 1.3 times faster than PS. ECOFF is 1860 times faster than CPLEX and four times faster than PS.     

A deterministic EOQ model with delays in payments and price-discount offers

It is the purpose of this paper to model the retailer’s profit-maximizing strategy when confronted with supplier’s trade offer of credit and price-discount on the purchase of merchandise. Generally, retailers have to face many types of demands for different kinds of goods. In real situation, retailers have to correlate between the selling price and supplier’s trade offer, keeping in mind profit-maximization strategy. In the proposed model, all increasing deterministic demands are discussed analytically, numerically and graphically in the environment of permissible delay in payment and discount offer to the retailer.     

基于Agent与分解协调的综合生产计划研究

以作业单元为局部决策Agent,车间管理者为全局协调Agent,引入生产节点间的内部结算价格,基于多Agent系统,建立了综合生产计划的分布式决策模型.通过将局部Agent决策目标的总和与全局Agent决策目标进行对比,证明了所引入的内部结算价格就是全局Agent目标函数关于物流平衡约束的Lagrange乘子.基于Lagrange分解协调原理,设计了局部作业单元Agent和全局协调Agent的迭代协调算法.该迭代算法以上次计算的中间结果作为对其它作业单元生产需求的估计,从而能将各个生产单元Agent的决策模型分离,实现了分布建模与求解.在算例研究中使用启发式规则来确定Lagrange乘子迭代的步长系数,保证了较好的收敛性,证明模型和算法是有效的.     

商业布局与商场差异竞争的数学模型分析

在豪泰林模型的基础上研究商业合理布局与市场定位的问题.在模型中,通过引入刻画商品差异的变量与消费者对商品差异的偏好变量,分析得到:对于没有商品差异性的商场在布局上应该尽量远离,保持自己的市场份额;对集中在市中心的大型综合性商场应该采取差异竞争的策略,同时还应兼顾当地的消费水平结构.     

装配型企业订货量分配与订单排产联合决策研究

针对供应商交货数量不确定环境下,多品种小批量装配型制造企业因生产物料不配套造成生产计划不可行甚至客户订单拖期的问题,从企业运作整体出发,考虑订货量分配决策对订单生产和交货的影响,以最小化采购成本和最小化订单排产相关成本为优化目标,在允许零部件拖期交货且供应商提供拖期价格折扣条件下,建立订货量分配与订单排产联合优化模型。针对可行解空间巨大、传统数学规划方法难以求解的问题,从增强搜索性能角度出发,设计基于自定义邻域搜索算子的局部搜索机制和基于随机与种群重构变异机制的改进粒子群算法的模型求解策略。通过应用实例对本文模型和算法进行了有效性验证和灵敏度分析,结果表明,相比于传统的分散决策方案,本文模型能够有效降低整体成本水平,引入的改进机制能够显著提升算法搜索性能,为企业供应风险下的运营决策制定提供理论参考。     

An algorithm for single-item economic lot-sizing problem with general inventory cost, non-decreasing capacity, and non-increasing setup and production cost

This paper considers an economic lot-sizing model with non-decreasing capacity constraint, non-increasing setup cost and production cost, and a general inventory cost. We prove that when periodic starting inventory is not less than a certain critical value, it is optimal to produce nothing; this critical value can be computed easily which results in a new effective algorithm.     

产出不确定条件下“公司+农户”型订单农业供应链协商模型研究

在农产品产出不确定性及零售价格受农产品产出率影响的条件下,研究了一类由风险规避农户和风险中性公司组成“公司+农户”型订单农业农产品供应链协调问题。在该农产品供应链中,农户和公司通过Nash协商谈判来分别决策最优的生产量和订单价格。研究结果表明,在农产品产出不确定及零售市场价格受农产品产出率影响的条件下,风险规避型农户和公司的Nash协商合作博弈存在均衡解。Nash协商谈判所达成的最优农产品产出量和订单价格均高于分散决策情形下的最优农产品产出量和订单价格。最优农产品产出量是关于农户风险规避度的单调增函数,而最优的订单价格是关于农户风险规避度的单调减函数。最后,通过与分散决策情形相比,证明了Nash协商谈判机制能够促使风险规避型农户和风险中性型公司均达到帕累托改进。     

基于多目标规化粮食最低收购价格模型的研究

基于多目标优化算法,考虑影响粮食最低收购价格的农民收入,种植面积,粮食产量,贸易差距,市场稳定等多个因素,从最优性和重要性两个方向进行改进,提出了具有模糊性的多目标优化算法;然后基于2006年至2016年稻谷和小麦最低收购价格进行研究,发现历年粮食最低收购价格总体处于模型求解范围内,结果表明该算法有效可行.最后利用算法对我国2017年粮食最低收购价格进行预测.