考虑配送员工满意度的物流车辆调度问题研究

在物流配送中,车辆调度研究的重点是如何降低企业的物流成本和配送时间等,而对配送员工满意度考虑较少。本文采用模糊隶属度函数对顾客满意度和配送员工满意度进行量化,建立考虑配送员工满意度的物流车辆优化调度模型,采用模拟退火遗传算法求解。实验结果表明,提高配送员工满意度,降低配送总成本,提高配送效率,为物流配送车辆调度实践作业提供决策参考。     

基于Weibull分布的易腐品补货策略研究

易腐品在生产与生活中比较常见,随着时间的变化会具有损耗、过期、贬值的特性,人们对易腐品的需求量逐年增加,易腐品的生产加工企业、零售企业等会常常面临易腐品的订购补充问题,研究易腐品库存的相关理论与方法对企业的生产与经营具有重要意义。文章以一家大型消费品仓储配送中心易腐品的补货为研究对象,引入具有很强适用性的三参数Weibull分布来研究易腐品的非线性变质率问题,用函数参数来模拟相关性的变质率系数,考虑市场需求率随着价格的变化波动,建立了具有周期性的易腐品补货策略模型。通过引入仓储配送中心的算例分析,应用Matlab得出补货策略最优解。最后给出了模型参数的灵敏度分析,研究参数的变化对企业易腐品补货水平的影响,为仓储配送中心易腐品补货提供一种决策方法。     

基于前景理论的城市生态环境质量评价——以安徽省三市为例

城市生态环境质量在一定程度上反映了国家生态环境的整体保护成效,也是衡量经济社会可持续发展的重要标尺,需要重点分析并精准评价。本文从经济、自然、社会、城乡协调发展等4个维度建立指标体系,提出一种基于前景理论的模糊TOPSIS方法,分析和评价城市生态环境质量,并以合肥、马鞍山、黄山等安徽省3市为评价对象,分析四维指标的城市排序及其合理性。     

带有学习效应的多阶段混合流水车间调度问题研究

[目的]研究考虑学习效应和顺序相关调整时间的多阶段混合流水车间调度问题.[方法]针对该问题的特点,建立以最小化最大完工时间和总能耗为目标的混合流水车间调度问题模型,同时设计一种改进的混合蛙跳算法进行求解.采用不同规模的测试问题对提出的算法进行测试,并与另外3种算法进行对比.[结果]提出的算法的效果均优于另外3种算法.此外,不同的学习率对调度目标的影响存在差异.[结论]该研究对企业提高生产效率和节能降耗的 目标有一定的指导意义,可为企业在制定生产调度方案时提供决策支持.     

基于代价敏感卷积神经网络的集成分类算法

针对不平衡数据集中少数类样本分类识别率较低的问题,提出一种基于代价敏感卷积神经网络(cost sensitive convolutional neural network,CSCNN)和AdaBoost的分类算法(classification algorithm based on cost sensitive conv...     

带有学习效应的多目标置换流水车间调度问题研究

在综合考虑经济指标和环境因素的基础上,提出了以最小化最大完工时间和总能耗为优化目标的置换流水车间调度问题,并着重考虑学习效应对该问题的影响。针对该问题的特点,构建了带有学习效应的多目标置换流水车间调度模型,并设计了一种嵌有批量处理和扰动算子操作的混合蛙跳算法对模型进行求解。利用扩展的标准测试问题验证了该算法的性能,并与非支配排序遗传算法、强帕累托进化算法进行了对比分析,实验结果表明改进的混合蛙跳算法具有较好的寻优能力。利用此算法得到了不同学习率下的优化目标值,并运用敏感性分析探讨了学习效应对优化目标的影响程度,从而为企业制定合理的生产调度方案提供参考。     

不确定环境下多项目调度与控制模型研究

项目调度与控制是项目管理人员从事项目管理时尤为重视的问题,它直接关系到项目的成本、质量,以及竣工时间。在资源竞争日益激烈的当下,如何提高效率,保证项目质量,实现利润最大化,尽可能缩短工期,是每个项目管理人员亟需要具备的能力。而与传统的单项目调度与控制研究相比,不确定环境下多项目调度与控制研究要复杂很多,因此本文在结合前人相关研究的基础上,添加资源利用率这一目标,结合项目管理的特点,建立相应的多项目调度与控制模型,以期达到最大程度实现各目标均衡优化的目的。     

基于Pearson系数和萤火虫算法优化BP神经网络的住宅价格预测模型

为进一步提高住宅价格预测精度,进而为有关部门提供相关数据参考,帮助其及时准确地制定相关政策,提出了基于Pearson系数和萤火虫算法优化BP神经网络的住宅价格预测模型。该模型首先使用Pearson系数对影响房价的相关因素进行特征筛选,舍弃与住宅价格关联性不强的因素;然后使用萤火虫算法对BP神经网络进行优化,建立基于萤火虫算法优化的BP神经网络预测模型;最后以上海市统计局最新发布的相关数据进行实验验证。实验结果表明,所提模型优于其他5种模型,能够实现住宅价格的有效预测。