单一品种项目的生产批量问题的动态规划算法

单一品种项目的无能力约束的生产批量计划(ＳＵＬＳ)是生产批量计划的基本形式·多品种项目批量计划一般通过分解,可以变换为多个单一品种项目品种项目的批量计划子问题进行求解·基于单一品种项目无能力约束批量计划问题(ＳＵＬＳ)的性质,用ＭＳ．Ｃ实现了动态规划算法能够求得该问题的精确解·此算法不但可以用于比较启发式算法的性能,也可以用于多品种项目批量计划问题的子问题的求解·     

单级有资源约束的生产批量计划问题的元算法

为了解决生产计划系统中单级多资源约束的生产批量计划问题,采用将遗传算法广度搜索能力和局部深度搜索能力相结合的元算法(memetic algorithm,MA),对资源约束型生产批量计划模型进行了求解,并采用能力调整法和罚函数法处理不可行解.在能力调整法的实施阶段,采用"先顺序,再逆序"的处理方式进行资源能力调整.给出了元算法的运行流程图,对元算法的计算性能进行了测试,并与现有文献中的若干实例进行了比较,验证了所提算法的可行性和适用性.     

有能力约束的单机经济批量计划问题优化模型

有能力约束的单机经济批量计划问题是企业管理中的一重要问题,在企业信息化软件开发中具有重要的实际应用意义.在国内外研究的基础上,建立了求解有能力约束的单机经济批量计划问题的数学模型.由于上述问题为NP难问题,根据模型解的特征,采用遗传算法的原理,设计了求解上述模型的遗传算子和流程,利用dephi编程得出了计算结果.结果表明,算法效果优于唐立新(1999)的结果;且在有能力约束的情况下,算法得出的结果接近无能力约束的情形,充分说明了该算法的有效性.     

多资源约束的GTLS问题的遗传算法

成组单元环境下的生产批量计划问题成组批量计划问题（ＧＴＬＳ）对带有多能力约束的ＧＴＬＳ构造了遗传算法和线性规划混合算法进行求解，能够获得问题的近优解，仿真和计算结果表明了算法的有效性。     

多规格一维下料问题基于满意度模拟退火算法

为了对较大规模的一维下料问题更有效地进行计算,根据坯料的长度和数量将多规格一维下料问题分类为普通下料和批量下料,分别进行求解.对于普通下料问题,将满意度原理引入模拟退火算法,给出了一种基于满意度的模拟退火算法(SDSA)进行求解;对于批量下料问题,由于各坯料的数量较多,采用该算法与序列启发方法相结合的混合算法(SHP&SDSA)进行求解,以进一步提高算法的搜索性能.对普通下料和批量下料的数值仿真结果表明,该算法可提高求解速度和质量,并可获得稳定的工程满意解.     

带排斥算子的GA求解无能力约束的多级生产批量计划问题

离散制造行业中的多级生产批量计划(multi-level lot-sizing,MLLS)问题的研究不但是一个理论和应用上的难题,也是在生产中产生重大经济效益的问题之一.针对无能力约束的装配结构MLLS问题,为避免基本遗传算法(genetic algorithm,GA)因过早收敛造成搜索效率降低,将排斥算子(repulsion operator)引入GA中,提出带有排斥算子的遗传算法(GA integrated with repulsion operator,RGA).采用GA算法和RGA算法对6组不同规模的问题进行了仿真实验.结果表明,RGA算法的运行效果明显优于普通GA算法;RGA算法对于...     

再制造系统能力约束下拆卸批量计划优化方法

针对再制造系统中能力约束下的拆卸批量计划问题,应用两阶段启发式遗传算法进行了优化求解.首先对再制造产品结构进行了描述,建立了再制造系统中能力约束下的拆卸批量计划优化模型;其次在不考虑能力约束情况下应用遗传算法求解出初始的拆卸批量计划,其中,染色体编码采用拆卸决策变量来表示,同时对适应度函数进行了线性变换,设计了具有自适应的交叉概率和变异概率;然后应用转移算法对初始得到的批量计划进行了修正,使其符合拆卸能力的约束.大量随机算例的仿真实验说明所提出的算法不论在寻找最优解方面还是在求解速度和稳定性方面,都要大大优于精确算法,能够较好地解决实际生产中面临的拆卸批量计划问题.     

混合粒子群优化算法求解模糊柔性作业车间调度问题

针对实际工厂中不确定加工时间的柔性作业车间调度问题,提出一种混合粒子群优化(HPSO)算法。用三角模糊数表示加工时间,以最小化最大模糊完工时间为优化目标建立数学模型。首先,在迭代过程中引入权重自适应调整策略,平衡算法的全局和局部搜索能力。其次,对优秀粒子进行交叉操作以产生更优个体,引入模拟退火算法增强深度寻优能力。最后,将所提算法运用于5个实例中进行仿真测试,并与粒子群优化(PSO)和改进人工蜂群等6种算法就模糊最大完工时间的平均值、最优值和最差值3项指标作对比。结果显示,HPSO求得的3项指标均优于或等于其余算法。在有限的运算资源条件下,HPSO求得的模糊最大完工时间整体小于PSO。随着实例数据量的增大,HPSO依然具有很好的求解稳定性。HPSO在一定程度上能够改善PSO易陷入局部最优的问题,且更适合求解模糊柔性作业车间调度问题。     

考虑再制造的多级受限批量问题

文章针对单一最终产品的多级生产系统,建立了混合制造与再制造的一般批量模型;考虑了制造和再制造的多资源限制,并假设经过再制造出来的产品性能与新制造出来的产品相同,共同满足外部需求;构造了一个惩罚因子随着迭代过程变化而变化的自适应罚函数,把有能力约束的批量问题转换成无能力约束的批量问题后,采用遗传算法对模型进行求解;最后通过具体的算例来验证模型的可行性与算法的有效性,为相关企业进行生产决策提供参考.     

热轧批量计划的模型与算法

针对钢铁企业中的热轧生产调度问题,考虑了生产工艺中的多重约束,建立了基于奖金收集车辆路径问题模型的批量计划模型。模型综合考虑了同宽轧制长度的限制和烫辊材的约束,并针对约束复杂冲突的特点,设计一种基于遗传算法和禁忌搜索的混合算法来求解。生产实际数据的仿真实验表明模型和算法的有效性。     

求解弹性接触问题余能泛函的Lemke法

本文研究了一般弹性接触问题有限元余能泛函的构造及其求解问题.将一般弹性接触问题数学模型归于二次规划,通过用Lemke法找线性互补问题基本解的方法来获得二次规划的Kuhn-Tucker点,并证明了二者的等价性.本文用Lemke法对不少算例进行了求解,发现此法具有收敛快、精度高等优点,尤其对正定性差的问题也能较好求解,不失为一种求解弹性接触问题的可行方法.     

特征统计算法及其在NP组合优化问题上的应用

特征统计算法是为了解决复杂多极值优化问题而开发的一种新的全局优化算法。为了检验该算法的性能,应用它在一类具有代表性的NP组合优化问题-旅行商问题(TSP)上作了计算。结果发现,该算法虽不是专为TSP问题而开发,却在该问题上取得了很好的结果。所得到的结果表明,特征统计算法可以作为解决这类NP组合优化问题的一个新的途径。     

一种带约束的广义预测控制器

传统的广义预测控制算法,计算量大,求解复杂,对有约束的控制问题,求解更是麻烦.本文针对这一问题,提出一种带约束的广义预测控制算法,通过对未来控制序列的离线近似计算以及考虑到约束情况来精确求解当前时刻的控制量.该算法简单,避免了求解Diophantine方程及逆矩阵,大大减小了计算量,仿真结果表明,该算法控制性能良好.     

非线性规划问题全局优化的模拟退火法

在无约束非线性规划问题全局优化的模拟退火算法基础上，进行有约束问题求解的进一步探讨，对不等式约束条件提出了检验法和罚函数法的处理方法，对等式约束条件开发了罚函数法和解方程法的求解步骤，并进行了分析比较，从而形成了完整的求取非线性规划问题全局优化的模拟退火算法。通过对文献例题的计算，表明所提出的方法能够快速有效地求出有约束非线性规划问题的全局最优解     

粒子群算法在求解优化问题中的应用

粒子群优化(PSO:Particle Swarm Optimization)算法是一种新兴的优化技术,其思想来源于人工生命和进化计算理论.PSO算法通过粒子追随自己找到的最好解和整个群体的最好解完成优化.为了避免PSO算法在求解最优化问题时陷入在局部最优及提高PSO算法的收敛速度,提出了对PSO算法增加更新概率.对无约束和有约束最优化问题分别设计了基于PSO算法的不同的求解方法和测试函数,并对PSO算法求解多目标优化问题进行了研究.仿真实验表明了改进的PSO算法求解最优化问题时的有效性.     

线性规划的无比值检验criss-CROSS算法

Zionts提出的求解线性规划问题的criss-cross算法实际是一阶段算法,不过与传统一阶段算法不同,它交替进行原始和对偶迭代,而产生的既可以是原始可行解,也可以是对偶可行解.为了提高计算效率,文章提出了一种采用无比值检验规则的新criss-crOss算法,基于新算法编制的一个稠密软件在对40个小问题进行的数值试验中,就迭代次数而言,以2.12的比率胜过了传统的两阶段算法.     

Dynamic Multi-objective Optimization of Chemical Processes Using Modified Bare- Bones MOPSO Algorithm

Dynamic multi-objective optimization is a complex and dimcult research topic of process systems engineering. In this paper. a modified multi-objective bare-bones particle swarm optimization （ MOBBPSO） algorithm is proposed tbat takes advantage of a few parameters of bare-bones algorithm. To avoid premature convergence. Gaussian mutation is introduced; and an adaptive sampling distribution strategy is also used to improve the exploratory capability. Moreover. a circular crowded sorting approach is adopted to improve the uniformity of the population distribution. Finally. by combining the algorithm with control vector parameterization. an approach is proposed to solve the dynamic optimization problems of chemical processes. It is proved that the new algorithm performs better compared with other classic multiobjective optimization algorithms through the results of solving three dynamic optimization problems.     

一种基于区域动态轮廓的交互式目标分割算法

研究了以用户与系统之间的交互信息为先验知识的目标分割算法,提出一种基于区域动态轮廓的交互式目标分割算法.采用基于区域动态轮廓的CV模型及形状先验引导进化思想,并引入了基于滤波后图像梯度和Laplace的分段自适应加权算法.为了克服由于对先验差值区域加权而产生的目标轮廓萎缩问题,对所构建的进化模型引入了面积激励项.实验结...     

基于改进型自适应遗传算法求解设备多行布局问题

对面积不等、形状固定的设备多行布局问题，提出了自由换行布局策略和净行间距概念.构建了带逆向物流、净行间距的多目标组合优化数学模型.引入免疫系统群体多样性作为种群进化的标志的基础上，建立了改进的自适应遗传算法(Improved Adaptive Genetic Algorithm, IAGA)，实现了交叉概率和变异概率的非线性自适应调整.最后，对算法进行了实验对比分析.结果表明，所提出的算法能快速有效地获得问题的近似最优解，稳定性好，对解决设备多行布局组合优化问题具有实用价值.
     

基于数值分析理论的低复杂度MED算法

经典的最大特征值检测（MED）算法在检测相关信号时具有优异的性能.然而,随着信号维度的不断增大,MED算法面临着严重的感知判决量和判决门限计算的效率和实现问题,从而极大地限制了该算法在现代认知通信系统中的进一步应用.为此,提出了一种基于数值分析理论框架的低复杂度MED频谱感知算法.所提算法利用Rayleigh商加速幂法迭代地计算感知判决量,与经典的幂法相比,在检测高维信号时具有更快的收敛速度;此外,不同于经典的查表法,新算法基于三次样条插值法快速、准确地确定任意给定目标虚警概率所对应的感知判决门限.所提MED算法在保持原有算法检测性能的同时,有效提升了计算效率,降低了算法实现复杂度;其对于高维条件下的频谱感知问题尤其具有吸引力.最后,仿真结果证明了所提算法的有效性.