JOB SHOP投入控制与调度研究

在生产系统中，有效地控制工件生产指令的下达可降低库存水平，提高企业对市场的反应能力．本文将投入控制定义为一个双目标问题，即在满足工件交付期的条件下，使工件的投放时间之和达到最大．对上述双目标问题，给出了两个启发式方法和一个将分支定界法与活动调度构造算法相结合的混合最优算法．计算结果表明利用本文所提出的方法可极大降低库存水平     

活动网络资源均衡问题及其遗传算法

本文对活动网络资源均衡问题的建模和算法分别进行了讨论，首先提出了资源均衡控制目标的概念．给出了单资源均衡问题的两类控制模式—水平型控制和单峰型控制，并就多资源均衡的目标函数进行了讨论．其次，在分析已有算法的基础上，提出了资源均衡的遗传算法，用理论分析和示例表明该方法优于传统的启发式算法．     

关于“放映员问题”（FDP）的启发式算法

本文研究了新近出现的“放映员问题”（ＦＤＰ）模型及其启发式算法；不仅证明寻找一个ＦＤＰ近似（有界）解也是ＮＰ难题，而且给出一般情况下ＦＤＰ最优解的下确界估计；还提出一种启发式新算法ＭＴ；它具一定总体寻优特性，且在最好情形下能给出ＦＤＰ最优解，因而优于文献［１］中ＦＤＰ算法。算例证实ＭＴ的可行性和有效性。     

具有Stackelberg博弈特征的供应链定价协调

针对某些供应链在定价决策过程所具有的Stackelberg博弈特征，利用二层规划构建了供应链定价均衡模型，研究了供应链定价协调模型，并给出了批发价格折扣契约这种协调机制，为求解二层规划模型，给出了基于混沌搜索的启发式算法，最后用实例验证了结论。研究表明二层规划可以很好的用来模拟Stackelberg博弈，价格折扣契约能够协调供应链。     

启发式交叉求解TSP问题的混合遗传算法

在给出度约束最小生成树的快速生成方法的基础上，设计了一种启发式交叉求解TSP问题的混合遗传算法．该算法在交叉操作的设计上，与其他遗传算法有本质的不同，该交叉操作是在不违反度约束和不形成圈的前提下，每次从父代基因所拥有的边中加入权最小的边，从而形成子代．利用该算法得到了TSP CHN144问题迄今为止最好的解．     

均分形体的新算法

本文给出了由弗里曼链码求形体的面积、形心及均分形体的新算法。利用上述方法解决了现有的求面积算法难以实现的将形体分割为Ｎ个等面积的“扇形”问题，并将其成功地运用于科研课题中。     

公共交货期窗口下提前／拖期问题单机调度新算法

在证明关于单机问题最优排序和最优公共交货期性质的若干定理基础上，提出了求公共交货期窗口下，提前．拖期都有惩罚的单机零件排序问题最优解的新算法。最后数值例子介绍了算法的使用。     

神经网络和启发式算法混合策略解Job-shop调度问题

提出一种有效的自适应神经网络和启发式算法混合策略来求解Ｊｏｂｓｈｏｐ调度问题．自适应神经网络具有在网络运行过程中神经元的偏置和连接权值自适应取值的特性，被用来求得调度问题的可行解，而启发式算法被分别用来加速神经网络的运行和保证神经网络收敛到可行解、获得确定排序下最优解和提高可行解的质量．仿真表明本文提出的混合策略是快速有效的     

求解随机需求库存-路径问题的一种算法

库存-路径问题是研究在供应商管理用户库存策略下，供应商如何合理安排长期库存及配送计划的一类问题，属于NP—hard类问题，也是运筹学领域中研究最活跃的方向之一。本文以零售商系统下随机需求的IRP为研究对象，提出了一种基于马尔科夫决策过程与修正的C—W节约算法的启发式分解算法，并给出了相应的数值算例。     

采用混合单亲遗传算法求解一类资源-时间优化问题

针对资源有限最短时间的一类资源 -时间优化问题 ,提出了混合单亲遗传算法进行求解 .作为一类 NP完全问题 ,该问题求解难度相当大 ,尤其问题规模大时寻找最短时间优化解就更困难 .针对问题的特点本文引入的算法结合了启发式规则 ,给出了算法全局收敛的理论分析 ,并给出实际应用表明该算法的有效性.     

A Sensitivity-Based Heuristic Search for Constrained Optimization in Complex Systems

1.INTRODUCTIONThealgorithmforconstrainedoptimizationincomplexsystemscanbedividedintotwoclasses:exactandheuristicmethods.Theexactmethods,whicharepartlysummarizedbyTitanetal.[1],havecomputationalrequiremeatsthatgrowexponentiajlywiththesizeoftheproblem.AlthoughheuristicmethodshavemodestcomputationalrequirementsandareeasytoAnplemellt,theyaregenerallyforredundancyallocation[2-4].2.S~EMENTOFProBLEM2.1NotationN:nUmberofcomponents;M:numberofconstraints;Rs:systemreliability;Rj:thereliabili…     

带公共交货期窗口的提前/拖期非等同多机调度问题

提出了公共交货期窗口下提前 /拖期惩罚的多台不同设备情形的零件排序模型 .在分析相应单机问题最优排序和最优交货期性质的基础上 ,证明该多机零件问题实际上蕴含着使系统 makespan达最小的多机零件排序问题 .由于使系统 makespan达最小的并行多机零件排序问题已被证明是 NP完全问题 ,因此提出了求解该零件排序问题的一个启发式算法 ,该算法计算复杂性低且对并行多机零件排序问题同样适用 .最后给出了两个数值例子 .     

A HEURISTIC FOR F3/bi= b/C_(max) AND ITSWORST-CASE ANALYSIS

1.IntroductionTheF3Cm..canbestatedasfOllows.Eachofthenjobs1,2,'')nistobeprocessedonthreemachinesA,B,Cinthesameorder.Giventheprocessingtimesal?hiandciofjobionmachinesA,BandC,findtheorderinwhicheachmachineshouldprocessethejobssoastominimizingthetotaltimesp…     

能力受限批量问题的启发式算法与CPLEX仿真优化

能力受限批量问题多数都是NP-hard问题,解决方法之一就是构造启发式算法获取尽量接近最优解的可行解。目前多数文献通过大规模计算分析来评价启发式算法的性能,但是这种评价方式只能表明该算法针对特定实例的适应性。利用商业优化软件求解同一实例并与算法计算结果进行对比分析,可以体现算法的有效性。针对一种运输能力外包且费用时变的多产品动态经济批量问题,建立混合整数规划模型,通过约束松弛与模型分解,设计出一个基于拉格朗日松弛理论的启发式算法进行模型求解。大量随机实验计算结果以及CPLEX仿真优化结果对比分析表明,在某些实例情况下,启发式算法获取的最优值与CPLEX获取的相当,但是求解时间要明显优于CPLEX,因此选择启发式算法求解此类实例是较优的。     

车辆路径问题的遗传算法研究

在分析车辆路径问题的现有启发式算法的基础上,本文构造了车辆路径问题的染色体表达,并对染色体进了可行化影射,建立了此问题的遗传算法．实验结果表明,此算法可以有效求得车辆路径问题的优化解或近似优化解,是求解车辆路径问题的一个较好的方案     

基于改进遗传算法的流水车间调度求解方法

流水车间调度问题是一类经典的NP完全问题,为此提出了一种求解极小化总完工时间的流水车间调度问题的改进遗传算法.该算法采用构造型启发式算法和随机方法共同产生初始种群,结合禁忌搜索算法的局部搜索性能和遗传算法的全局搜索性能.仿真实例的结果表明该算法对问题求解的可行性和有效性.     

求解作业排序问题的通用混合遗传算法研究

车间作业排序理论是生产管理与组合优化领域的重要研究方向 ,由于其固有的计算复杂性( NP-Hard) ,一般无法利用经典方法求出最优解。本文针对一般作业排序问题 ,将遗传算法与启发式方法相结合 ,建立了一种混合算法框架 ,利用遗传算法改进启发式方法的求解性能 ,同时利用启发式方法引导遗传搜索过程 ,以提高其搜索效率。通过对完工时间与平均延误时间等不同优化目标的计算分析与比较表明 ,该方法对不同类型的排序问题均具有相当满意的求解效果.     

模拟植物生长算法的原理及应用

为解决国外主流智能算法普遍存在的参数选择难题,模拟植物生长算法(PGSA)以植物独有的向性运动为启发式准则,将优化问题的解空间当做植物的生长环境,通过生长信息和分枝模式(L-系统)构造出依赖优化环境而不断生长的人工植物分枝生长模式,建立了跳出局部最优解并迅速求出全局最优解的遍历搜索机制和智能算法体系.模拟植物生长算法开拓了"无参数智能优化算法"研究的新领域,本文从该算法的思想源头进行阐述,对国内外学者近年来在不同研究领域应用该算法的情况进行了分析和评述,指出了植物生长原理对智能优化领域的影响以及未来的发展方向.     

Improved ant colony optimization algorithm for the traveling salesman problems

Ant colony optimization (ACO) is a new heuristic algorithm which has been proven a successful technique and applied to a number of combinatorial optimization problems.The traveling salesman problem (TSP) is among the most important combinatorial problems.An ACO algorithm based on scout characteristic is proposed for solving the stagnation behavior and premature convergence problem of the basic ACO algorithm on TSP.The main idea is to partition artificial ants into two groups: scout ants and common ants.The common ants work according to the search manner of basic ant colony algorithm,but scout ants have some differences from common ants,they calculate each route's mutation probability of the current optimal solution using path evaluation model and search around the optimal solution according to the mutation probability.Simulation on TSP shows that the improved algorithm has high efficiency and robustness.