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.     

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。     

模糊需求车辆路径问题研究

研究具有模糊需求的车辆路径问题，建立基于模糊可能性理论的模糊机会约束规划数学模型，提出了求解该问题的一种基于模糊模拟的混合差分进化算法。同时，在车辆行驶总距离最小的目标下，运用随机模拟方法研究了决策者主观偏好值对最终决策目标的影响，并给出最佳主观偏好值。     

具有惩罚因子的模糊资源约束非线性规划问题的模型与方法

建立了一类连续型具有惩罚因子的模糊资源约束非线性规划问题的非对称模型ＰＮＬＰ－ＰＣ。基于模糊最优解集和最优决策集,提出了求解ＦＮＬＰ－ＰＣ模型的精确最优解和满意解的方法,并对一个实例进行了分析。     

基于双层规划的攻击无人机协同目标分配优化

针对攻击无人机编队协同作战的背景,提出了基于双层规划的攻击无人机协同目标分配模型。分别以打击效果最大化和飞行航线最短作为模型的上下层目标,并贴近战场环境将目标优先程度、目标打击效果上下限以及打击时间窗口等因素作为模型约束。利用直觉模糊双层规划(intuitionistic fuzzy bilevel programming, IFBLP)理论对构建的协同目标分配双层混合整数规划模型进行了转化,并采用粒子群优化(particle swarm optimization, PSO)方法对其进行求解,给出了具体求解步骤。算例结果证明IFBLP理论能够有效解决所构建的双层混合整数规划模型。     

求解整数规划的一种仿生类全局优化算法——模拟植物生长算法

针对整数规划全局优化问题所首次提出的模拟植物生长算法,是一种源于大自然的仿生类随机算法.该算法从植物的向光性特点出发,将整数规划的可行域作为植物的生长环境,根据各可行解目标函数的变化情况确定植物的生长信息(形态素浓度),进而模拟出向光源(全局最优解)迅速生长的植物生长动力学模型.经过对无约束和有约束两类具有多个全局最优解的非线性整数规划问题的具体求解,取得了满意的效果.     

中国邮递员问题的整数规划模型

基于无向图的传统中国邮递员问题,给出了相应的显式整数规划模型,应用整数规划软件包求解可以方便地确定相应问题的最优投递路线,进一步地,讨论了一类基于有向图的广义中国邮递员问题,给出了相应的显式整数规划模型;并研究了随机中国邮递员问题,建立了相应的确定型等价模型.举例说明了各种模型的有效性.最后,讨论了中国邮递员问题的可能推广及其建模问题.     

集约生产计划的机会约束规划方法

对具有模糊需求量、模糊加工能力约束以及资本水平约束的多品种类集约生产计划的机会约束规划描述和求解方法进行了研究．应用机会约束规划构造满足需求的可能性水平函数，讨论了可能性分布函数的性质，建立了具有模糊需求量集约生产计划问题的机会约束规划模型，并提出了求解模型的总体步骤，使其在模糊环境下的决策过程更具柔性．     

基于混合差分进化算法的模糊需求车辆路径问题

研究具有模糊需求的车辆路径问题,建立基于模糊可信性理论的模糊机会约束规 划模型,提出求解该问题的一种基于随机模拟的混合差分进化算法. 同时, 在车辆行驶总距离最小的目标下,运用随机模拟方法研究决策者主观偏好值对最终决策 目标的影响,并给出最佳主观偏好值.     

多级汽车装配车间的集成排产优化模型

为了研究多级汽车装配车间的多目标集成排产优化问题,详细讨论了涂装车间的颜色批量约束以及总装车间的空间间隔约束,证明了空间间隔约束是能力约束的充分条件,在此基础上分别给出了无辅助工人和有辅助工人参与情况下的空间间隔约束不等式。以同时优化涂装车间调整费用和总装车间辅助工人费用为目标,建立了一类整数规划数学模型。采用模型非线性约束线性化的方法并结合运用优化软件对模型进行求解。最后通过仿真实例,验证了该方法的可行性和有效性.     

基于模糊随机期望规划的跨国供应链战术计划模型

首先对跨国供应链计划进行了简要介绍,并且讨论了跨国供应链中的不确定因素-市场需求的三种数学描述形式-随机、模糊、模糊随机;提出了基于模糊随机期望规划的生产-分销二级跨国供应链战术计划模型,它与以往供应链计划模型最大的不同之处在于将市场需求看作模糊随机变量;然后设计了计算机模糊随机模拟技术和遗传算法相结合的智能算法求解模型;最后对模型进行了数值仿真分析,即对模糊随机期望模型使用智能算法,对其等值确定性模型使用分枝定界法,计算结果精度对比证明了模糊随机期望模型的有效性.     

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.     

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.     

随机需求条件下生产-库存系统优化与仿真

针对多周期、多产品、有能力约束动态制造系统的生产-库存问题,考虑随机需求条件和产品的需求满足率,建立以系统总成本最低为目标的二级随机线性规划模型,通过随机模拟法将原问题转化为等价的确定性问题,运用对偶理论和Benders分解法把等价问题分解为相互关联的主问题和子问题,然后分别进行求解。最后的实例仿真结果验证了模型和算法的合理有效性,表明了它们在生产实践中的应用性。     

不确定条件下不同交货期窗口的Flow Shop调度

研究了具有不同交货期窗口的Flow Shop的提前／拖期调度问题，并考虑了处理时间的不确定性。采用三角模糊数表示不确定性信息，引入两种模糊运算，建立了问题的模糊规划模型，并采用“中间值最大隶属度”的算法将模糊规划模型转化为清晰的非线性规划模型。针对清晰的数学模型提出了基于遗传算法的优化方法，最小化对所有工件提前／拖期惩罚。最后，大量仿真实验验证了算法的有效性。     

模糊能力约束下的生产批量计划方法研究

引入模糊技术 ,建立具有模糊能力约束的生产批量计划模型 ( FCLSP) .结合遗传算法和参数线性规划方法提出解 FCLSP的混合算法 ,数值实例验证了其有效性 .     

FUZZY MULTI-LEVEL WAREHOUSE LAYOUT PROBLEM： NEW MODEL AND ALGORITHM

1. Introduction As we know, in most manufactory, above all in large-scale manufactory, warehouse operation is an important part of a manufacturer's material handling operation. Effective warehouse planning can not only reduce material handling cost but also increase productivity. Hence, it is very important for the manufacturer to make the best plan to manage the warehouse. The warehouse layout problem concerns how to place different items into the warehouse so that people resources, equipment…     

Fuzzy EPQ inventory models with backorder

This paper considers the economic production quantity (EPQ) problem with backorder in which the setup cost, the holding cost and the backorder cost are characterized as fuzzy variables, respectively. Following expected value criterion and chance constrained criterion, a fuzzy expected value model (EVM) and a chance constrained programming (CCP) model are constructed. Then fuzzy simulations are employed to estimate the expected value of fuzzy variable and α-level minimal average cost. In order to solve the CCP model, a particle swarm optimization (PSO) algorithm based on the fuzzy simulation is designed. Finally, the effectiveness of PSO algorithm based on the fuzzy simulation is illustrated by a numerical example. This research is supported by the National Natural Science Foundation of China under Grant No. 70471049.