带有交货期窗口模糊加工时间的Flow-shop调度问题

研究了处理时间不确定且具有不同交货期窗口F low-shop的提前/拖期调度问题。采用三角模糊数表示不确定性信息,运用模糊数的加法和取大运算建立了问题的模糊规划模型。通过“Lee-L i”法转化为精确的目标,采用遗传算法寻优。仿真实验验证了算法的有效性。     

基于模糊软集的中药制药车间不确定调度模型和算法求解

为解决加工时间和交货期不确定状态下的中药制药车间调度问题，利用模糊软集的三角形模糊数和梯形模糊数来表征加工时间和交货期信息，并基于模糊数的运算规则定义了可能性测度和必然性测度，用拖期可信度来度量药品生产发生拖期的概率，建立以最小化药品生产平均拖期可信度为目标的混合整数规划模型。针对该模型，提出了一种混合模糊布谷鸟算法的求解方法，并以规模为10(3)×10的经典算例进行仿真测试。实验结果表明，给出的不确定调度模型能反映中药制药调度的真实场景，而且混合模糊布谷鸟算法能很好地对该模型进行求解，相比经典布谷鸟算法，该算法有更好的性能。     

Job-Shop调度问题的优化模型及算法

建立了关于 Job-Shop调度问题的一般优化模型 ,将问题归结为双层规划 ,以特例形式给出了最小完工时间与提前 /拖期 Job-Shop调度批量模型 ,构造了一个有效的求解算法 ,数值实验表明了模型及算法的正确性和有效性 .     

软计算求解盟友选择问题

盟友选择问题是敏捷制造中一个重要的决策问题，文中首先分析了问题的需求以及选择盟友的标准和方法；然后，建立了一个以定单为背景，基于投标价格、投标工期、提前／拖期惩罚、项目满意度、竞标者的技术满意度、管理水平满意度、财务实力满意度、培训及售后服务满意度等综合评判指标的0．1规划模型；用模糊决策嵌入遗传算法(GA)的软计算(Soft Computing)方法求得了问题的近优解。仿真实验证明了该模型的有效性和可行性，同时表明了该算法具有成功解决大规模实际问题的潜力。     

不确定条件下的flow shop问题的免疫调度算法

生产调度是企业生产过程中一个重要部分，而且实际的生产过程中会存在各种各样的不确定性，针对不确定条件下的flow shop（流水车间作业）调度问题，采用模糊数学的方法来处理数据的不确定性，在基于模糊规划理论的基础上建立了相应的调度模型，并结合免疫算法的特点，提出了解决此类问题的模糊免疫调度算法．通过仿真试验，证明了模型和算法的可行性和有效性．     

多工序能力平衡的提前／拖期生产计划方法的关键工序法

本文在跟踪当今提前／拖期生产计划方法研究现状的基础上，提出了解决考虑多工序能力平衡的提前／拖期生产计划方法瓶颈问题出得一种解决方法─关键工序法，为将集ＭＲＰ与ＪＩＴ于一体的提前／拖期生产计划方法应用于实际架起了桥梁．     

批量制造业交货窗口提前／拖期生产计划方法

建立批量制造企业在交货期窗口下的提前／拖期生产计划模型,将交货期窗口（ｄｕｅ－ｗｉｎｄｏｗ）概念引入到带有能力约束的提前／拖期生产计划中,拓宽了生产计划问题研究的范围．并利用数学推导,将所建模型转化为线性规划模型,使得该模型运用单纯形法就可求取精确的最优解,从而解决了开发中的ＣＯＮＷＩＰ集成化生产管理软件对不确定交货期主生产计划的编制问题．     

动态联盟中多方案伙伴挑选问题的软计算算法

描述了虚拟企业动态联盟中，含有多个子项目的活动网络伙伴问题，以满足伙伴方案满意度下的最小化竞标花费与拖期惩罚之和为目标，并为之建立0－1整数规划模型，同时进行了方案有效性过滤，减小了解空间，量化了模糊决策，设计了嵌入模糊决策规则的遗传算法（软计算方法），使得算法具有比普通遗传算法更好好的寻优能力，在大规模问题求解上，该算法具有比分枝定界法更快的速度，结果表明了模型和算法的有效性和应用潜力。     

用遗传算法解决在并行机上带有不同交货期窗口的Job-Shop调度问题

本文讨论了不同交货期窗口下的提前／拖期并行机调度问题，提出了染色体用工件编号进行编码规则，给出了用稳步遗传算法求解上述问题的方法，仿真实验表明了算法及编码规则的可行性和有效性。     

分散搜索算法求解基于小流向平衡的合同计划问题

建立了基于小流向平衡的钢厂合同计划的整数规划模型,模型以提前/拖期惩罚、小流向平衡惩罚、合同取消惩罚总惩罚最小为目标;根据模型特点,构造了分散搜索(SS)算法进行求解,并针对非可行解设计了启发式修复策略。为了检验算法的效率与效果,同时采用了遗传算法对模型进行求解,并用某企业的实际合同数据进行实验,对比分析了两种算法的结果,验证了模型和SS算法的有效性;另外,仿真实验也对参数设置进行分析,确定了适合本问题的最佳参数组合。     

求解模糊机会约束规划模型的微粒群算法

针对现在不确定规划领域中存在的模糊机会约束规划模型和群智能优化方法-微粒群算法,提出了一种求解模糊机会约束规划模型的新混合智能算法.该算法利用微粒群算法并运用模糊模拟技术对模糊机会约束规划模型的规划问题进行分析和数值求解,因而无需像传统的基于遗传算法的混合智能算法那样需要很长时间并经过复杂的计算才能得到结果.通过对实际模型的分析和数值求解,给出了应用该方法的具体步骤,说明了该混合智能算法的合理性和有效性.     

不确定条件下的含存储时间有限的FlwoShop生产调度

针对企业中的不确定性因素 ,研究了不确定条件下的 Flow Shop生产调度问题 ,建立了基于模糊规划理论的模糊处理时间下的含存储时间有限型中间储罐的 Flow Shop的调度模型 ,将“中间值最大隶属度”算法从线性推广到非线性的调度模型中来 ,将模糊的优化问题转换为普通的优化问题 ,最后结合模拟退火算法 ( SA)进行优化求解 ,仿真结果证明了采用该算法的可行性     

基于模糊随机规划的反TBM目标分配优化模型

针对反导目标分配优化问题中存在的不确定性特征,引入模糊随机规划理论.首先建立了基于模糊随机规划的反战术弹道导弹(tactical ballistic missile,TBM)的目标分配优化模型.在此基础上,构建了一种针对多约束目标分配问题的粒子编码方案,并改进传统粒子群算法的位置和速度更新方式,提出了改进型离散粒子群(improve discrete particle swarm optimization,IDPSO)算法.最后,设计了模糊随机模拟技术和IDPSO算法相结合的混合智能求解算法.仿真实例表明,混合智能算法全局寻优能力强,优化效率高,满足反TBM目标分配优化对时效性的要求.     

一类混合机会约束整数规划模型及其应用

提出并建立了一类混合机会约束整数规划模型,该模型同时含有模糊和随机参数。运用随机模拟与模糊模拟相结合的技术,给出了求解该机会约束整数规划模型的遗传算法。针对一类生产计划问题,在模糊和随机两类不确定因素同时并存的情况下,分析建模和数值求解,结果说明了模型和算法的适用性和有效性。     

电网规划中的最小模糊缺电成本计算研究

应用模糊集理论建立了电网规划中计算最小模糊缺电成本的模糊线性规划模型 .通过将其转化为单目标线性参数规划模型并利用推广的 Bland反转对偶单纯形算法求解可得到所有隶属度下最小模糊缺电成本的全部解值 (可能性分布 ) .对 IEEE-2 4节点可靠性试验系统 (RTS)进行的计算以及用蒙特·卡洛 (Monte Carlo)模拟法进行模拟的结果表明本文所提方法是正确的、有效的 .     

模糊随机需求模式下的扩展报童模型与求解算法

将模糊随机需求期望值理论引入对模糊随机需求模式下单周期库存优化问题研究，建立了模糊随机收益期望值最大化的单一产品模糊随机报童模型和多产品模糊随机规划报童模型．并根据遗传算法理论和计算机模糊随机变量模拟技术设计了求解模型的智能算法。     

基于加速进化规划的模糊神经网络学习算法

提出了一种训练模糊神经网络的加速进化规划算法。该算法是进化规划算法的一种改进 ,适合于多维高精度的数值优化。经仿真实例验证 ,其收敛速度有了明显的改善 ,且不易陷入局部极小。     

基于不确定规划的供应链网络设计模型与算法

利用不确定规划,根据决策者的要求,对供应链网络设计问题进行建模.并采用由随机模拟、模糊模拟以及遗传算法相结合的混合智能算法来求解,最后给出了生活中的实际例子来说明模型和算法的正确性和高效性.     

考虑现实约束的模糊多准则投资组合优化模型

针对模糊环境中资产收益和换手率均为模糊变量的投资组合问题, 考虑了资产组合的基数约束、投资比例的边界约束、资产的流动性以及分散化程度约束, 建立了一个以资产组合收益、偏度最大, 同时资产组合风险、不确定性以及模糊性最小为目标的多准则投资组合优化模型. 然后, 利用加权极大-极小模糊目标规划方法将所提出的模型转化为单目标规划问题, 进而设计了一个遗传算法来对其进行求解. 最后, 通过一个实例来阐明所提出模型的实用性以及算法的有效性. 研究结果表明: 本模型能够有效地刻画不同投资者的投资意图, 所设计的算法是有效的.