一种求解工程调度中时间/成本权衡问题的遗传算法

结合工程调度中时间/成本权衡问题的特点,设计了一种有效的求解工程底线问题的遗传算法,基于该遗传算法提出了有效工期/成本曲线的绘制策略·对遗传算法解的编码方式、遗传算子的定义及算法结构进行了描述·通过对大量测试问题的求解实验表明,遗传算法是求解该问题的一种有效算法     

不完全判断矩阵的一致性及权重估值模型研究

研究层次分析法中不完全判断矩阵的若干问题,基于随机确定性判断矩阵的概念,定义不完全判断矩阵局部一致性和局部满意一致性,并建立判别不完全判断矩阵是否具有局部满意一致性的数学概念模型;针对Harker方法没有充分估计不完全判断矩阵内含不确定性的缺点,建立一个新模型来估计权重的上、下限范围,模型采用颗粒群优化算法求解.     

资源受限项目调度中缓冲区的设定方法

基于资源受限项目调度(RCPS)的理论与方法,设计了一种项目计划中非关键链上工作缓冲区的设定方法.该方法综合考虑了工作在资源约束下的自由时间和根据根方差法计算的输入缓冲区的尺寸,分别针对每项非关键链上的工作设置时间缓冲区,既起到了保护关键链工作按计划执行的作用,又降低了项目净成本,同时避免了简单关键链管理方法因缓冲区设置而产生的工作间资源冲突.文中通过对资源受限项目调度问题(RCPSP)的标准问题库PSPLIB中典型案例的求解过程对算法的应用过程进行了描述.     

求解具有时空约束的板坯库天车调度问题Memetic算法

研究了钢铁企业板坯库天车调度问题,考虑了时间和空间以及热轧计划等实际限制,建立了一个板坯出库天车调度模型.针对天车调度问题具有实时性和不可交叉性的特点,设计了基于优先关系的天车分配编码方式、离散事件动态仿真解码、自适应交叉算子以及在交叉和变异后进行模拟退火局域搜索的Memetic算法.通过某钢厂板坯出库过程中天车调度的实际数据对模型和算法进行仿真测试,实验结果表明:该算法具有很高的收敛性和稳定性,满足实际生产需要.     

B2C环境下订单配送问题的模型与算法

以电子商务企业交易为背景,分析了B2C环境下客户订单的特点及客户对订购货物配送服务的要求,针对该环境下的物流配送问题建立了相应的数学模型,设计了一种改进的禁忌搜索算法,进行了算例测试,并将测试结果与相关文献结果进行了比较.实验结果表明:改进的禁忌搜索算法在优化效果及计算时间等方面比有记忆功能的遗传模拟退火算法具有更优的性能.该算法能适应电子商务环境下快速、低成本的配送要求且简单易行,为电子商务环境下订单配送问题的研究提供了新的思路.     

考虑板坯设计的组炉优化模型

针对炼钢生产中的组炉优化问题,建立了一种考虑板坯设计的混合整数规划模型,并提出了一种基于非二分图匹配算法、二分图匹配算法、装箱算法、网络最大流算法的启发式求解算法。该算法首先使用非二分图匹配算法确定炉次,然后使用二分图匹配算法和装箱算法将剩余合同匹配到已有炉次中,最后使用网络最大流算法调整炉次中合同对应的板坯重量。实验结果表明利用该算法可以在较短的时间内给出较优的组炉方案,为计划员提供足够的决策支持。     

基于随机森林的热轧带钢质量分析与预测方法

以某钢铁企业的热轧带钢生产实际数据作为分析对象,基于改进的随机森林算法分析工艺参数与产品质量间的隐含关系,进行影响产品质量关键工艺参数的特征提取,建立热轧带钢产品缺陷预测模型.实验结果表明,对非平衡数据集进行平衡处理可以提高样本预测精度;采用CART与C4.5相结合的方法比单一方法可以进一步提升预测精度;同时根据特征的高相关与低相关特性,将互信息作为评价指标应用于特征选择,可以提升随机森林算法的分类效果.在以上三种改进策略下,热轧带钢缺陷的识别率得到明显提高.     

大型钢铁企业重要备件——轧辊供应商评价

基于区间数层次分析法研究大型钢铁企业关键备件——轧辊供应商评价.轧辊供应商评价需综合考虑轧辊的性能、价格、质量、供应商的交货能力、服务水平等属性,属于多属性决策问题,而钢铁生产过程的连续性、轧辊供应商分散性、质量严格性等特点,使轧辊供应商评价更为复杂.区间数能柔性地表达决策者的偏好,适合不确定背景下的决策.以区间数层次分析法为框架研究轧辊供应商评价问题,然而,区间数判断矩阵的权重求解方法并不成熟.Mikhailov最近提出一种新方法,简单实用,不足之处是隶属度函数设置有误.文章对此加以修正.最后,将修正方法应用到国内某大型钢铁企业轧辊供应商评价之中.     

蚁群最优化--模型、算法及应用综述

蚁群系统所具有的分布式组织模型对解决复杂组合优化问题、分布控制问题提供了很好的思路，因此对蚁群系统行为及其自组织能力的研究已经引起了许多研究者的兴趣．蚁群最优化(ant colony optimization，ACO)是蚁群系统的一个重要研究领域，新模型、新方法、新应用不断出现、论文对ACO的仿生学机理进行了描述．综合ACO在不同种类的组合优化问题上的应用，建立了ACO的一般化模型．对ACO的典型实现过程和关键实现要素进行了分析，指出了不同ACO算法的本质区别、结合旅行商问题、二次指派问题以及网络路由问题等典型组合优化问题，概述了ACO在静态组合最优化和动态组合优化问题中的应用．最后讨论了ACO在建模、实现以及理论研究等方面的未来方向。