可变提前期的模糊随机连续盘点策略

考虑到现实库存管理中模糊随机现象,研究了含可变提前期的模糊随机连续盘点的最小成本模型。运用模糊随机变量的期望值理论,得到了其模糊期望模型;采用符号距离法得出了模糊随机缺货量的估计值,从而推导出了模糊期望成本的符号距离解析式。通过这一模型,可以找到使总成本最小的最优提前期和最优订货量。     

基于可信性测度的连续模糊需求报童问题

为获得连续模糊需求报童问题的最优订货量,基于模糊事件的可信性测度,推导了模糊销售量、缺货量和存货量的可信性分布函数以及期望销售量、缺货量和存货量的函数表达式。建立了模糊报童问题的期望利润模型。通过分析期望利润函数的性质,得出最优订货量应位于模糊需求的支集内。     

基于遗传算法的最大似然法构建系统发生树

给出了一种基于遗传算法的最大似然法的建树方法,它是基于遗传算法的搜索最大似然树的启发式方法,将产生最优树和很多准最优树.这种技术在每次循环中只产生一棵树,并且在同代中没有重复的树出现.所以,结果树中含有最优树和很多准最优树,从而大大提高了搜索的效率.     

一种改进的浮点数编码遗传算法及其应用

遗传算法是一种借鉴生物界自然选择和自然遗传机制的高度并行、随机、自适应搜索方法,作为优化方法具有明显的优势.通常的遗传算法在实际应用中容易出现过早收敛和搜索结果在最优值附近摆动问题.针对过早收敛提出了采用随机试验法来防止算法陷入局部最优,而针对搜索结果摆动采用动态改变搜索范围的方法来提高优化结果精度,并编制程序对2个著名的优化方法测试函数进行优化计算,测试结果表明,该改进的遗传算法是有效的,不会陷入局部最优,并大大提高了优化结果的精度.     

基于改进型遗传算法的混流U型装配线第二类平衡问题

针对最小化生产节拍的第二类混流U型装配线平衡问题, 构建了混合整数规划模型, 并设计了改进型遗传算法求解. 在遗传算法的解码过程中, 采用3种搜索方式将工序分配到工作站, 比较了3种搜索方式下的工作站时间, 并参照期望生产节拍值筛选出最优的工作站分配方式, 再根据分配方式的寻优情况判断是否自动更新期望生产节拍值. 通过大量的标准算例, 证明了改进型遗传算法的有效性. 最后, 结合实际案例分析, 再次验证了混合整数规划模型和改进型遗传算法的有效性.     

改进的自适应遗传算法及其工程应用

引进小生境技术、种群迁移以及增加杂交个体之间的海明距离对自适应遗传算法进行了改进,从而建立了改进的自适应遗传算法,改善了传统的遗传算法局部收敛和早熟的现象,大大加快了全局搜索的速度以及搜索全局最优解的概率.工程实例表明:提出的改进自适应遗传算法应用于岩土工程的位移反分析具有搜索速度快、精度高等优点;同时对初始种群的形成方式、种群规模以及最大杂交概率、最大变异概率进行了参数分析.     

基于政府不同补贴模式下的供应链碳减排策略与协调

考虑消费者低碳偏好和政府对制造商的不同碳减排补贴模式,构建了不同碳减排补贴模式下的供应链模型,根据协调条件给出了相应的契约形式及参数.通过对供应链模型的求解,得到了不同碳减排补贴模式下的最优碳减排率和最优订货量.数值分析结果表明：在两种不同补贴模式下,碳减排补贴比例的变化对供应链的最优碳减排率、订货量及期望利润的影响是有较大差异的,而且在碳减排补贴比例相同时,不同碳减排补贴模式下的供应链最优碳减排率、最优订货量、期望利润以及政府给予制造商的碳减排补贴费用也是完全不同的,进而可为政府碳减排补贴政策制定及供应链碳减排优化提供科学的决策依据.     

考虑模糊随机缺陷率且允许缺货的EOQ模型

考虑到实际库存管理中的产品缺陷问题,研究了含模糊随机缺陷率且允许缺货的经济订购批量模型,并运用模糊随机理论将其转化为确定模型,设计了模糊随机模拟仿真算法进而确定其最优订购策略。算例分析表明,随着模糊随机缺陷率期望值的增大,最优订货量增大,最大利润相应减少。     

基于混合遗传算法的K-Means最优聚类算法

针对遗传算法的K-Means聚类算法在遗传过程中容易受到适应度最大染色体的影响,存在过早收敛于局部最优值和遗传算法的局部搜索性能较差的问题,提出了结合混沌优化方法形成的混合遗传算法。仿真实验表明:该方法有效地克服了遗传算法的早熟问题,从而得到最优的聚类中心。     

求解柔性作业车间调度问题的免疫遗传算法

通过对柔性作业车间调度问题(FJSP)进行分析,借鉴生物免疫机理提出一种求解柔性作业车间调度问题的免疫遗传算法(IGA).该算法在保留基本遗传算法(SGA)随机全局搜索能力的基础上,通过抽取疫苗和接种疫苗等免疫机制,有效改善基本遗传算法的未成熟收敛和局部搜索能力差的不足,显著提高了基本遗传算法对全局最优解的搜索能力和收敛速度.仿真实例表明,免疫遗传算法能有效解决柔性作业车间调度问题.     

随机资源分配问题建模和随机模拟遗传算法求解

为了最大限度地满足用户对紧缺随机资源的需求,对随机资源分配问题建立了相关机会多目标规划模型和相关机会目标规划模型,通过表示各个(级)目标事件的诱导约束,建立决策向量和机会函数之间的关系,并运用随机模拟遗传算法求解模型。     

用仿真方法对随机系统优化设计

对一个随机系统(或过程)进行优化设计的难点在于随机变量的处理和计算，另外，由于待优化的变量往往不直接包含在目标函数中，优化算法选用受到一定限制。为解决此问题可采用计算机仿真方法模拟实际的动态随机过程，多次运行此过程可获得足够的样本，可计算出统计量。用遗传算法控制待优化的变量，可以较快的获得满意的随机系统的优化设计。     

基于遗传算法的随机(s,S)库存系统仿真优化

提出了一种将系统仿真常用于优化随机库存系统的方案，它将遗传算法与离散事件系统仿真相结合，用遗传算法指导控制变量的选择.在遗传算法中，针对库存系统的随机特性提出了一种新的选择算子，并设计了一个候选策略收集器.基于常用(s,S)库存控制的仿真实例表明，本方案是可行且有效的.     

交互式马尔科夫链上强模拟关系的计算

对随机进程代数模型交互式马尔科夫链(IMCs)上的模拟关系进行研究,根据不动点定理和权函数的定义,给出交互式马尔可夫链模型上强互模拟等价和强模拟前序的判定算法,对算法的时间复杂度进行分析.     

利用遗传算法改进的路由和波长分配算法

给定拓扑结构和流量请求的波分复用静态波长路由光网络中 ,利用路由和波长分配算法求得的网络最小所需波长数与网络节点编号有关。为了得到网络最小所需波长数所对应的网络节点编号 ,首次利用遗传算法对节点编号进行优化。和已有的统计方法相比较 ,采用遗传算法可以有效地消除原有方法的随机性和盲目性。模拟计算表明 ,利用遗传算法可以更快地求得网络最小所需波长数所对应的网络节点编号。以此求得的网络所需波长数 ,更接近理论最小值     

需求随机情况下向多个供应商采购的期望值模型研究

研究当需求量巨大且勾随机变量时,单一供应商无法满足供货要求情况下的多供应商采购-库存问题。建立了一个向多个有能力约束的供应商采购的库存模型;由于考虑需求量为随机变量,采用期望值模型对问题进行建模,基于随机模拟的遗传算法对模型进行求解并给出算例来说明模型及算法的有效性,最后给出结论,提示未来的研究方向。     

基于随机规划和遗传算法的虚拟企业风险管理

针对虚拟企业的风险因素具有随机性的特点,将随机风险因素描述为随机变量,提出了一个虚拟企业风险管理的随机规划模型.针对该模型设计了嵌入蒙特卡罗模拟的遗传算法,蒙特卡罗模拟是处理模型中随机变量的有效方法.仿真分析表明了该算法的有效性和该随机规划模型对于虚拟企业风险管理的重要作用.     

基于初等矩阵的遗传算子模型

选择、杂交及变异是遗传算法的核心随机算子，应用代数方法可使遗传操作过程得到简化。     

一种改进的图像恢复遗传算法

遗传算法作为一种高度并行、随机、自适应搜索算法,比其他传统的搜索算法在全局搜索时更有效.但利用简单遗传算法进行图像恢复时,存在严重"过早收敛"的问题,使得图像恢复质量不理想.设计了一种新的二维染色体编码方法,并与模拟退火算法相结合,实验结果表明,该方法能较好克服"过早收敛"现象,对提高退化图像恢复质量有较好效果.     

一种基于遗传算法的网格任务调度算法

任务调度问题是一类NP问题,经典调度理论一般仅能获得问题的近似最优解.尽管已有用于任务调度的遗传算法的求解质量优于传统方法,但多数是考虑单任务或独立多任务调度的遗传算法.采用理论分析与仿真实验相结合的方法,提出了一种改进的遗传算法解决网格的任务调度问题.这种遗传算法所处理的任务不仅可以包含多个有前后约束关系的子任务,并且每个子任务可以需要多种资源.通过对比实验可以看到本文所提出的算法在网格任务调度方面要优于传统的HEFT和DLS算法.