基于信息熵的Push/Pull策略下供应链不确定性

以3级多产品供应链为例,分别采用Push/Pull/混合Push & Pull /改进Push 4种控制策略运行供应链,采用总熵比量化供应链的全局不确定性.将基于仿真优化(SBO)与遗传算法(GA)相结合,解决了计算量大与不确定因素多的难题.以控制规律中的增益为决策变量,对不确定性进行优化,计算出最优决策变量下的客户满意度、超量库存、延迟交货和总成本等常用性能指标.仿真结果表明:供不应求时,采用混合Push & Pull策略可以降低总成本;供大于求时,采用改进Push策略能最大程度降低供应链的不确定性.     

RFID集成系统支持下的供应链优化控制

从多物品标签的优化识别和供应链库存优化两个方面研究了供应链优化控制策略.首先给出一个由物理层、数据通信层和应用层组成的基于RFID(Radio Frequency Identification)集成系统的供应链管理体系,分析各层次的功能.在此基础上,研究数据通信层中的供应链多物品标签防碰撞优化识别模型,以提高供应链物品流动的时间效率.虽然RFID的应用增加了供应链硬件的成本,但其对可见性的改善提高了供应链运作的效率,因此,通过RFID系统在供应链中应用的固定成本和不同库存情形下可变成本的建模分析,探讨供应链库存成本的控制方法,可以实现RFID系统支持下的供应链优化运作.     

基于混合控制策略的馈能悬架半主动控制

为使馈能悬架在一定范围内实现半主动控制,基于混合控制策略,确定了电机电磁阻尼力的控制算法.探讨了电机不同电磁阻尼力对悬架性能的影响及馈能悬架实现半主动控制的条件.在此基础上,以整车舒适性为目标,采用粒子群优化算法确定了电机阻尼力控制参数,并设计了直接电流控制器,使直线电机产生所需的电磁阻尼力.最后,对采用基于混合控制策略的馈能悬架进行了随机路面激励下的仿真分析.结果表明,优化的电机阻尼力控制参数能使馈能悬架实现半主动控制,显著改善馈能悬架的舒适性和平顺性,并能回收悬架部分振动能量.      

改进混合离散粒子群的多种优化策略算法

针对离散粒子群算法求解旅行商问题,根据组合优化问题和离散量的特点,改进离散粒子群算法更新的运动方程.对离散粒子群算法分别加入逆转变异优化策略、受蚁群启示的变异优化策略和近邻搜索变异优化策略3种优化变异优化策略,使其成为新的混合离散粒子群算法,最后对3种混合离散粒子群算法进行比较,并剖析仿真结果的本质.结果表明:3种优化策略在不同程度上都提高了离散粒子群算法的总体效果和收敛性能,其中,加入逆转变异优化策略的混合粒子群算法实现简单,时间代价较小;加入近邻搜索变异优化策略的混合粒子群算法不论是在最优值或稳定性方面表现最突出.     

三级网状随机库存与定价联合策略的仿真优化

研究了弹性需求下提前期可控的库存与定价联合策略问题.由于该系统具有顾客到达服从泊松分布,随机顾客需求量、随机顾客购买行为、随机订货时间和制造商生产容量有限制等特点,使得解析方法很难描述系统中的多种复杂随机因素.为此建立了以最大化总收益为目标,将价格、提前期及库存控制策略同时作为决策变量的数学模型,并运用基于仿真的优化方法,通过将仿真方法与粒子群优化算法相结合对问题进行求解.仿真实例验证了模型和基于仿真的优化方法的可行性和有效性.     

基于AEPSO优化的神经网络多步预测控制

为提高神经网络预测控制的性能,提出了基于自适应扩展粒子群优化的神经网络预测控制方案。基本PSO算法中,每个粒子的更新受粒子个体极值和局部极值的影响,为了提高其全局收敛性,采用多粒子策略,使每个粒子的更新受更多其他粒子的影响;为提高收敛速度,采用自适应策略,对参数c0进行自适应调整,使c0随着迭代次数的增加而逐渐减小,这样,在PSO算法的搜索过程中,随着迭代次数的增加,搜索区域会越来越小,从而加快PSO算法收敛速度。运用该算法实现神经网络预测控制中的滚动优化,在有限时域内对控制序列进行寻列,给出基于粒子群优化的神经网络预测控制系统的稳定性证明。仿真结果表明,基于粒子群优化的神经网络预测控制系统具有良好的跟踪性能。     

并联式混合动力逻辑门限控制参数智能优化

为提高并联式混合动力汽车的燃油经济性和降低其废气排放量,采用基于自适应混沌粒子群优化算法建立并联式混合动力汽车控制优化模型,对其逻辑门限控制参数进行优化,并与PSO算法和GA算法的优化结果进行比较;利用ADVISOR仿真软件对其优化参数进行仿真验证,并对其逻辑门限控制参数优化前的仿真结果与自适应混沌粒子群优化后的仿真结果进行对比.研究结果表明:自适应混沌粒子群优化算法具有较快的收敛速度和较高的收敛精度,能有效避免早熟收敛问题;100km油耗至少可降低12％,HC排放量可降低6％,CO排放量可降低5％,NOx排放量可降低8％.     

一种新的求解优化问题的混合粒子群算法

将粒子群优化算法与一种自适应局部搜索算法相结合,提出了一种新的混合粒子群优化算法,使粒子群算法寻优过程中的全局搜索能力和局部搜索能力良好平衡;采用了典型函数和模糊神经网络优化问题对算法性能进行测试,并与其它方法进行比较.实验结果表明,这种混合粒子群优化算法能获得质量更好的解,具有较高的收敛性,特别是在高维复杂函数优化上具有很强的竞争力,其性能大大优于单一的优化方法.     

一种新的求解优化问题的混合粒子群算法

将粒子群优化算法与一种自适应局部搜索算法相结合,提出了一种新的混合粒子群优化算法,使粒子群算法寻优过程中的全局搜索能力和局部搜索能力良好平衡;采用了典型函数和模糊神经网络优化问题对算法性能进行测试,并与其它方法进行比较.实验结果表明,这种混合粒子群优化算法能获得质量更好的解,具有较高的收敛性,特别是在高维复杂函数优化上具有很强的竞争力,其性能大大优于单一的优化方法.     

求解作业车间调度问题的混合QPSO算法

文章使用混合量子粒子群优化算法求解作业车间调度问题,并设计了一种基于工序的编码方式;为了克服量子粒子群优化算法容易陷入局部最优的缺点,将模拟退火算法引入量子粒子群优化算法,使算法具有跳出局部最优的能力并增强其全局搜索能力,形成量子粒子群-模拟退火调度算法;仿真结果表明,混合算法具有良好的全局收敛性能.     

适应动态需求的供应链多级库存系统仿真

针对需求的动态不确定性和供应链多级库存管理的复杂性，将适应性需求预测、预测误差追踪、改进的散列搜索算法与系统仿真相结合，提出启发追踪仿真优化方法，可以实现供应链多级库存系统决策的协同优化，并应用Simulink工具软件构建供应链多级库存决策系统的仿真优化模型。在不同需求波动模式下进行仿真测试，实验结果显示，该方法有较好地绩效表现，能够为供应链多级库存系统决策提供参考。     

复杂供应链多级库存系统的控制与协调仿真优化

本文讨论了由一个无限供应能力的供应商、多个制造商和多个有确定需求及随机需求的经销商所组成的复杂网状供应链多级库存系统的协调优化问题.首先建立了问题的最优控制数学模型;然后采用仿真优化方法,设计了一个复杂供应链多级库存系统的仿真优化器对问题进行求解,其中该仿真优化器由底层仿真器和基于遗传算法的上层优化器组成;最后利用仿真软件Arena对仿真优化器进行了设计与实现;并采用仿真数据实例验证了方法的有效性.     

周期性需求下多级库存缺货控制模型研究

从一个以区域分销中心(DC)为主导地位且由多个供应商与零售商共同组成的多级库存系统出发,系统在假设DC和零售商都实行连续性盘点的(R,Q)库存控制策略,提前期为常量,零售商需求为正态分布的前提下,采用缺货策略的思想来确定订货临界点及订货批量.并且以确定DC的库存策略为目标,建立了缺货条件下的多级库存控制模型,从而达到有效控制库存的目的.最后,给出了一个算例,说明了该库存控制模型的可行度.     

基于遗传算法的多级库存成本优化模型

针对多级库存复合而成的一般系统,首先通过分析安全库存与服务水平的关系,给出随机需求下安全库存随前置期和服务水平变化的函数关系;然后结合多级库存的控制特点,建立包含安全库存费用在内的多级库存成本优化模型,并给出遗传算法求解办法.该模型在供应链节点企业总成本最小的基础上,确定了最佳订购批量、最佳订购点和服务水平,以及对应的总成本和总利润,进而为各节点企业有效地减少库存量,降低供应链的总成本,提供有力的依据.在随机需求供应链条件下,提出了级安全库存策略,并从理论上证明该策略能有效地减少供应链中的安全库存量,降低库存成本.     

RFID数据采集在零售库存管理模型中的应用研究

(Q,R)模型是库存管理中的重要控制模型,但它缺乏利用供应链中丰富的商品流通信息,所以该模型不能动态地及时调整订购策略。为此,我们在该模型的基础上利用RFID信息采集的优势构建了复合的管理控制模型,研究在对商业零售库存数据及时采集情况下的库存管理问题,并应用在红河(软甲)香烟库存管理分析中,采用遗传算法进行仿真优化求解。结论表明:与传统的库存控制模型相比能够降低库存水平、更好地节约库存成本和满足顾客需求,库存管理控制效果更优。     

有限期多级库存优化模型

基于有限期多级库存优化控制系统,提出了整合生产—库存模型.模型通过对订货批量和时间的优化,从而达到减少整合总相关成本的目的,实现供应链的总库存成本极小化.     

信息共享机制对供应链系统牛鞭效应的影响研究

本文从供应链库存网络系统角度出发,研究信息共享机制对供应链系统牛鞭效应的影响.首先构建了供应链库存系统状态转移模型,并提出相应的库存控制策略;其次将模型扩展至在信息共享受限条件下的供应链网络系统,从系统内部动力学机制的角度分析了牛鞭效应的成因,提出了动态库存控制策略参数设计的线性矩阵不等式组算法.运用系统稳定性理论,深...     

基于道路工况分析的HEV控制策略优化方法

以某并联式混动公交车为研究对象,建立了四种典型工况模型,采用蚁群算法优化了最小等效燃油消耗控制策略中四种工况的充放电等效因子;分析了路面坡度与电池荷电状态(state of charge,SOC)目标值域调整之间的对应关系,设计了相应坡度自适应模块;提出了基于道路工况分析的混合动力汽车(hybrid electric vehicle,HEV)控制策略优化方法.典型工况下的仿真对比分析表明,该方法具有良好的工况适应能力,燃油经济性明显优于几类典型HEV控制策略.     

模型预测控制在供应链库存管理中的应用

针对供应链网络需求不确定的特点,采用模型预测控制技术解决供应链管理中库存的动态优化问题.首先,阐述了模型预测控制的机理及其在供应链动态控制方面的适应性;其次,建立了成本目标优化模型,提出控制法则并给出控制算法;最后,仿真结果表明,模型预测控制技术在预测合理库存水平以及控制动态、不确定的供应链系统是可行的.