多灾害点应急物资订单替补模型及算法

考虑由多应急服务供应商,多灾害点和应急中心构成的三级应急服务供应链系统,应急中心发生缺货时向应急服务供应商订货,由于供应商订单式生产需大量时间满足需求,应急中心有限的库存无法满足多灾害点的应急订单.为减少响应时间,应急中心根据应急订单的计划交货期,选择较晚交货的订单替补即将交货的订单中的同种物资,建立最小总拖期和最小替补费用的双目标模型,并基于粒子群算法的应急订单替补算法求最优替补策略.     

指定区域鲁棒极点配置问题的一个算法

1 引言 考虑以下线性时不变控制系统 x（t）=Ax（t）＋Bu（t）,     

基于灰色关联模型的家具产业集群与区域物流联动发展研究——以江西省为例

选取2003-2013年度数据,基于灰色关联模型,对江西省家具产业集群与区域物流联动发展进行了实证分析,得出以下结论:江西家具产业集群最大的制约因素为货运总量和货运周转量,同时,江西家具产业集群中的家具总产值为区域物流发展的最大制约因素.江西家具产业集群与区域物流具有较高的关联性和协调性,但两者之间协调耦合度具有较为明显的波动性.为有效实现江西省家具产业集群与区域物流的联动发展,提出相关建议.     

托运人联盟下的订单组合及车货调配问题研究

中小型企业的快速发展使得如何有效利用其物流资源、降低其物流成本成为一个亟需解决的问题。本文基于运输联盟的角度,建立了以最小化总成本为优化目标,综合考虑各运输需求时间窗、运输量等因素的车货调度模型。而后,提出了3种时间窗处理策略,设计了粒子群算法对上述模型进行求解,并通过算例对模型和算法的有效性进行了分析。算例结果表明,该模型一方面能够显著降低物流总成本,另一方面可有效节约使用车辆数。因此,本文研究对降低社会物流成本、整合社会物流资源具有一定的理论意义。     

区域运输结构优化路径模型及算法

为寻找区域运输结构优化的最佳调整路径,运用最优控制论,构建优化模型与算法,并对珠三角客运结构优化进行实证研究.研究结果表明:所建立的优化模型精度较高,算法有效,寻找的最佳调整路径合理;可解决运输业总周转量增长率不低于一定比例的前提下,各种运输方式每年应分别以多大的增长率增长,至少需要多少年才能达到某个理想的合理结构目标.     

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。     

基于精英区域学习的多种群自适应的差分进化算法

为了进一步提高差分进化算法的收敛速度、算法精度和稳定性,采用多种群技术来增加算法收敛速度和降低复杂度;利用精英区域学习策略来对算法的全局搜索能力和算法精度进一步提升,引进自适应免疫搜索策略,以实现自适应修正差分算法的变异因子和交叉因子。通过五个测试函数,把本文算法与最新文献中的算法进行对比,表明算法在收敛速度、精度和高维问题寻优能力方面的优越性。     

海外区域技术平台投资的时机选择模型及实证研究

基于后发企业海外区域技术平台(RTP)投资中“成熟技术产品推广”和“新技术产品开发”两个阶段,本文构建了两阶段实物期权模型。进一步,利用中国制造业对外直接投资(OFDI)的上市公司样本,考察了RTP投资时机选择的决定因素及影响效果。研究发现,第一阶段外生不确定性越低、第二阶段内生不确定性越高、新技术产品项目的增长期权越大,企业越倾向于尽早地RTP投资于海外市场;在两阶段内外生不确定性的不同条件下,RTP投资时机相应地对企业创新增长产生了显著的差异影响。     

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。     

蚁群遗传混合算法

将蚁群遗传混合算法分别求解离散空间的和连续空间优化问题.求解旅行商问题的混合算法是以遗传算法为整个算法的框架,利用了蚁群算法中的信息素特性的进行交叉操作;根据旅行商问题的特点,给出了4种变异策略;针对遗传算法存在的过早收敛问题,加入2-0pt方法对问题求解进行了局部优化.与模拟退火算法、标准遗传算法和标准蚁群算法进行比较,4种混合算法效果都比较好,策略D的混合算法效果最好.求解连续空间优化问题是以蚁群算法为整个算法的框架,加入遗传算法的交叉操作和变异操作,用测试函数验证了混合蚁群算法的正确性.     

基于免疫原理的蚁群系统及其应用

针对蚁群算法在寻优过程中容易出现停滞现象,同意在该算法中引入免疫机制,将待求解问题看成抗原,而问题的解看成抗体,通过基于浓度的选择机制和多样性保持策略来提高蚁群算法的全局搜索能力和避免停滞现象.对TSP问题的仿真实验结果表明,该算法极大地提高了搜索能力和避免了停滞现象.     

改进蚁群算法在智能交通中的应用

为了诱导车辆在出行时选择较高质量的路线,提出并建立了城市道路权值仿真模型.为求解该模型,从分析基本蚁群算法入手,通过在状态转移规则中加入扰动因子,改进全局更新规则,以及引入信息素更新算子改进了蚁群算法.然后利用道路权值模型对两种算法在路径寻优效果上做了比较和分析,实验结果表明改进后的蚁群算法能有效地避免停留在局部最优解,并提高计算效率,具有良好的寻优性和收敛性,能准确找出路网中满足综合要求的最优路径.     

灾情巡视问题的蚁群两目标优化算法研究

分析目前灾情巡视问题求解方法存在的缺陷,归纳出灾情巡视问题两目标优化模型.针对灾情巡视问题模型特点,引入蚁群算法和多目标优化理论,提出两个灾情巡视问题的蚁群两目标优化算法:算法1将灾情巡视问题的道路网络转化为完全图,增加m-1个(m为巡视组数)虚拟巡视起点,将灾情巡视两目标优化问题转化为单旅行商两目标优化问题,然后使用蚁群算法和多目标优化理论进行迭代求解.算法2使用一只蚂蚁寻找一个子回路,m个子回路构成一个灾情巡视可行方案,采用罚函数法和多目标优化理论构建增广两目标优化评价函数,使用g组,共g×m只蚂蚁共同协作来发现灾情巡视问题的最优解.算法特点:①算法1将灾情巡视两目标优化问题转化为单旅行商两目标优化问题,可以充分利用已有蚁群算法求解单旅行商问题的研究成果;②两个算法引入蚁群算法,提高了算法效率;③两个算法克服目前灾情巡视问题的求解方法不严密性缺陷;④两目标优化算法可以为用户提供多个满足约束条件的Pareto组合解,扩大了用户选择范围,增强了算法的适用性.算法测试表明:灾情巡视问题的蚁群两目标优化算法是完全可行和有效的.     

基于改进模拟退火算法的推动式生产-配送协调优化

为减小物资生产与配送不协调造成的成本及生产资源浪费,建立了考虑推动式生产调度的物资配送优化模型,并针对标准模拟退火算法受随机因素影响易陷入局部最优的缺点,设计带有回火与缓冷操作的改进模拟退火算法对模型求解,确定了优化的车辆配送路线以及物资生产计划。对比实验结果表明：相对于单纯的物资配送优化模型,考虑推动式生产调度的配送优化模型,能够有效减小物资滞留时间以及配送延误成本;相较于标准模拟退火算法,改进算法搜索到了更优解,且计算结果的标准差减小了93.42%,稳定性更好;同时,改进模拟退火算法具有较低的偏差率,在中小规模算例中求解质量较高,平均偏差率在0.5%以内。     

求解复杂优化问题的基于信息熵的自适应蚁群算法

针对基本蚁群算法存在收敛速度慢、易陷入局部最优、计算复杂且不易求解连续优化问题等缺陷 ,提出了一种基于信息熵的改进自适应蚁群算法 ,采用由信息熵控制的路径选择及随机扰动策略实现了算法的自适应调节 ,克服了基本蚁群算法的不足 .典型的 NP-hard问题的计算实例表明 ,该方法具有较好的收敛性、稳定性和鲁棒性 ,可用于离散及连续的组合优化问题求解中 ,其不失为求解复杂组合优化问题的一种较好的方法 .     

Optimization Design of Holding Poles Based on the Response Surface Methodology and the Improved Arithmetic Optimization Algorithm北大核心CSCD

抱杆优化设计需要耗费大量有限元分析计算时间,难以确定可行域.该文采用响应面法(response surface method,RSM)来模拟抱杆结构的真实响应,提出了改进的算术优化算法(improved arithmetic optimization algorithm,IAOA)对抱杆结构进行优化设计.将分数阶积分引入算术优化算法(arithmetic optimization algorithm,AOA),改善了算法的开发能力.采用拉丁超立方抽样,选取抱杆结构杆件截面试验样本,利用最小二乘法对样本点进行分析,构建了抱杆结构应力和位移关于杆件截面尺寸的二阶响应面代理模型.建立以抱杆质量最小化为优化目标,许用应力和位移为约束条件的优化模型,采用IAOA对其进行求解.结果表明:二阶响应面模型能够准确预测抱杆结构的响应值,IAOA的求解精度得到显著提升,代理模型可大幅降低有限元分析所需的计算代价,优化后抱杆结构质量减轻了8.2%.联合使用RSM和IAOA可有效求解大型空间杆系结构的优化设计问题.     

基于改进NSGA-II算法的云制造服务组合优化研究

云制造任务日趋复杂,与基于云制造的云服务组合优化问题相关的指标日益增多,需要综合考虑各个评价指标,从海量备选云服务中筛选出最优服务组合。本文针对云制造的特点,从线上、线下两方面构建了云制造服务评价指标体系;为了更好地处理高维多目标优化问题并消除实际问题中的量纲影响,本文利用改进的α支配策略代替帕累托支配改进NSGA-II算法,提出了基于nα支配的NSGA-II算法。最后,本文通过一个电机制造案例验证了提出算法的可行性,并通过与标准NSGA-II算法、r-NSGA-II算法和基于模糊支配的NSGA-II算法对比,证明了提出算法得到的解集更优、更小,能够大大减小后续组合优选的计算量。     

免疫粒子群优化算法在农业水资源优化配置中的应用

求解农业水资源优化配置模型(高维非线性优化模型),较常采用大系统分解协调原理和动态规划相结合的方法,这样减少了变量个数,便于优化求解,但协调的过程需要多次从低阶模型中返回信息,而且对于每层的寻优求解过程存在难以克服的矛盾.采用标准的粒子群优化算法则优化程度不易保证并容易陷入局部最优,优化结果对初始种群依赖性较强.因此应用免疫进化算法对标准粒子群优化算法进行改进并应用于灌区农业水资源优化配置模型的求解.算例分析表明,免疫粒子群算法为求解高维复杂的优化配置问题提供了新思路.     

基于人机交互—蚁群算法的港口疏船调度优化

为解决因港口无法正常作业导致大量船舶压港后的疏船调度问题,从同时兼顾船公司和港口方利益出发,建立了船舶平均在港时间最短、额外作业成本最低、生产秩序恢复最快的调度生产多目标优化模型。利用多属性效用理论将多目标转换为单目标,并构建了相应的评价函数,采用改进的蚁群算法并结合人机交互以及邻域搜索方法求解,最后以大连港集装箱码头实际案例进行验证。结果表明,与通常调度方法相比,文中建立的优化模型能够更好地解决疏船问题;对比常规的蚁群算法,改进后的算法搜索效率更高。上述模型和算法为集装箱码头的生产组织调度提供了新的优化思路和方法。