考虑技术突破与技术升级的能力规划问题研究

技术进步与市场需求不确定性,都是制造业能力规划问题需要面对的最重要因素.以往研究仅考虑技术突破而没有考虑技术升级,较多考虑能力扩张而较少考虑能力更替,本文首次提出了一种同时考虑技术突破和升级的设备采购与替换的集成能力规划模型.在需求和技术进步双源不确定性条件下,采用Scenario方法建立了多计划期能力规划的集成决策模型,探求能力扩张、替换、维护的期望总成本最低.面对该决策问题所建立的非线性混合整数规划模型,本文为该NP complete问题设计了一种基于遗传算法框架的启发式求解算法,即通过增加变换操作的方法将该问题转换为可以随机进化求解扩张方案最优化求解替换方案的一个等价问题.在种群初始化过程中采取仅选择能力扩张决策进行染色体部分编码策略,然后用经典优化方法针对每个个体精确求解最优能力替换决策,将扩张和替换整体成本作为个体适应度参与个体评价与种群进化.实验结果表明,技术升级在不同需求变化情景下都可以有效降低能力规划的成本,且本文提出的启发式算法对于求解此类规划问题具有很好的收敛稳定性和性能稳定性.     

随机能力规划的Scenario模型及其决策风险分析

为研究随机环境下的生产能力扩张问题,采用Scenario方法,建立了市场需求量和产品价格为随机变量的多计划期能力规划决策模型.其中考虑了两种情况：一是能力投资方案不随市场需求的随机实现而变化的预报型模型,二是投资方案可以跟踪市场需求随机实现的适应型模型. 算例研究比较了这两种模型的决策效果.进一步,使用下方风险分析,探讨了随机能力扩张的投资决策风险,建立了考虑期望收益风险的预报型能力规划决策模型.该模型在随机规划中加入了一个期望下方风险约束,以反映决策者的风险偏好,基于算例讨论了考虑风险和不考虑风险时的决策差异.     

面向订单基于Agent的启发式产品组合生产计划研究

由于需求的不确定,很多企业在综合生产决策中渐渐采取面向定单的生产计划方式.当订单需求大于企业最大生产能力时,需要进行产品组合决策,以确定使利润最大的多产品混合生产的产量.本文针对一个面向订单生产的半离散制造型企业,结合Agent,建立了一个不依赖于特定成本和利润函数形式的基于作业流程和BOM结构的分布式生产决策模型,并给出了基于粒子群优化算法的启发式求解方法.该算法通过一维搜索调整粒子群"飞翔"的速度系数以解决寻优过程中粒子"飞出"可行域的问题,通过算例验证了求解算法的有效性.为将算法融合到所研究企业的ERP系统中,开发了试验性原型系统,并进行了模拟决策,结果表明所提出的模型和算法是可行的.     

易腐商品最优订货批量与定价及其粒子群优化解

对易腐商品的订货批量与定价问题进行了研究.基于一种负二项分布的离散需求函数,推导了易腐品利润最大化模型.由于模型中涉及多个随机变量的概率分布,常规函数极值法对此具有极大局限性,故首次将粒子群优化算法引入该领域,并提出两种不同的求解思路:1)枚举法.利用粒子群算法依次计算不同订货批量下的最大化利润,然后根据边际分析法确定最优订货批量及相应定价;2)二维寻优法.将利润视为订货量与定价的二维函数,利用粒子群算法对其进行二维演化寻优.算例分析表明:两种方法均可有效获得问题的满意解,当订货量波动范围较小时,枚举法效果更优.     

基于模糊随机规划的反TBM目标分配优化模型

针对反导目标分配优化问题中存在的不确定性特征,引入模糊随机规划理论.首先建立了基于模糊随机规划的反战术弹道导弹(tactical ballistic missile,TBM)的目标分配优化模型.在此基础上,构建了一种针对多约束目标分配问题的粒子编码方案,并改进传统粒子群算法的位置和速度更新方式,提出了改进型离散粒子群(improve discrete particle swarm optimization,IDPSO)算法.最后,设计了模糊随机模拟技术和IDPSO算法相结合的混合智能求解算法.仿真实例表明,混合智能算法全局寻优能力强,优化效率高,满足反TBM目标分配优化对时效性的要求.     

随机双目标焊接车间调度建模与仿真

针对一个生产大型机械产品(如架桥机等)的企业的焊接车间的调度问题进行研究,对m位工人加工n个结构件的随机调度问题建立数学模型,并以最小化最大的加工完成时间的期望与方差为优化目标.为求解该模型,对二进制粒子群算法(BPSO)进行改进,并采用动态领域策略、新的粒子个体板值选择以及一维优化方法求解双目标优化问题.通过实例仿真,结果证实修改后的算法是有效的,并能够找到Pareto前沿解.     

需求不确定和产品合格率随机下的两周期生产决策优化研究

针对中小制造型企业(SMPEs)产能决策问题,研究基于复杂需求环境和产品合格率随机的产能优化问题,构建两周期生产条件下的需求均不确定且相互独立和产品合格率随机情况下的利润模型,以利润最大化为目标,通过计算推导得出该模型存在最优产能的可行解。研究表明该生产条件下产能与总利润存在先增后降的关系,且得出第二周期中产品合格率越低,则最大润越小,最优生产产能越大。     

基于混合粒子群算法的装运机械组合优化方法

针对堆石坝工程物料装运机械组合优化问题的复杂性, 建立了装运机械的多目标非线性组合优化模型(MOOM). 进一步地, 把加权法和惩罚函数引入到带收缩因子的粒子群算法中, 提出了一种新的求解多目标非线性组合优化问题的混合粒子群算法(MI-HPSO). 该算法具有概念简单、参数设置少、收敛速度快及全局搜索能力强的特点. 实证研究表明, MI-HPSO为解决物料装运机械MOOM优化模型提供了有效的决策方案.     

求解二层线性规划问题的混合粒子群算法

结合粒子群优化方法和单纯形法为二层线性规划构造了一个混合粒子群优化算法.算法具有两层结构,其中粒子群算法用以求解上层规划问题,单纯形法用以求解下层规划问题.设计的粒子群在上层决策变量的可行城内搜索最优解,同时通过单纯形法求解下层规划问题得到每个粒子相应的下层规划问题的解.算法通过初始种群可行化,以及步长控制、不可行粒子淘汰等技巧避免了使用罚函数处理约束带来的困难,提高了粒子群优化算法的计算性能.最后,我们给出算法的数值例子并对该算法的计算性能加以分析.     

变需求车辆路线问题建模及基于Inver-over操作的PSO-DP算法

讨论了一类客户需求随机变化的车辆路线问题,利用基于Inver-over操作的粒子群算法,将动态规划算法嵌入粒子群算法求适应值,解决了本文给出的车辆路线优化模型的求解问题,最后给出了一个数值算例.     

在线销售下基于自由分布的订货与配送能力扩张决策

针对一个拥有一定配送能力的在线销售企业,研究其在不确定需求下的订货和配送能力扩张决策问题.在构建在线销售企业的期望利润函数基础上,考虑仅知需求均值和方差信息,给出了基于自由分布的在线销售企业利润鲁棒优化模型.针对所建模型,采用对偶理论将其转化为易于求解的数学规划,给出了相应的订货和配送能力扩张策略,并对相关系统参数进行...     

随机需求与随机生产环境下的综合能力规划研究

为研究随机因素对一般制造企业能力扩张决策的影响,考虑市场需求的随机性和生产作业消耗的随机性,基于能力规划模型的一般形式构建了随机市场需求和随机生产环境下的能力规划模型.通过机会约束规划方法,找到了随机生产能力约束的确定性等价类,同时,使用随机线性约束的二阶段求解方法,建立了随机需求约束的确定性等价模型,以随机环境下期望成本最小为决策目标,得到了随机能力规划问题的确定性等价形式.建立了使用遗传算法搜索能力调整变量,而使用原始-对偶方法求解产品组合决策二次约束规划的算法结构.通过算例证明了模型和算法的有效性.     

求解模糊机会约束规划模型的微粒群算法

针对现在不确定规划领域中存在的模糊机会约束规划模型和群智能优化方法-微粒群算法,提出了一种求解模糊机会约束规划模型的新混合智能算法.该算法利用微粒群算法并运用模糊模拟技术对模糊机会约束规划模型的规划问题进行分析和数值求解,因而无需像传统的基于遗传算法的混合智能算法那样需要很长时间并经过复杂的计算才能得到结果.通过对实际模型的分析和数值求解,给出了应用该方法的具体步骤,说明了该混合智能算法的合理性和有效性.     

用多目标进化算法求解二层规划双目标模型

传统单目标二层规划模型得到的最优解往往无法使上下级双方都满意.为此,通过在上层规划中同时考虑下级的目标函数,建立了原问题的上层为双目标规划的一个新模型.上下级可通过协商在该模型的Pareto-最优解集中找到双方满意解.对此模型设计了求解的多目标进化算法,用传统优化算法求解下层规划的单目标问题,而对上层的双目标规划问题则采用基于NSGA-Ⅱ的多目标进化算法求解.数值试验表明我们所提出的算法是有效的.     

基于灾情信息更新的应急物资配送多目标随机规划模型

研究了多出救点、多受灾点、多物资、多车型的应急车辆选址、路径选择和物资配送问题. 考虑到灾害预测准确性和物流成本效率之间的悖反关系, 从多目标规划和随机规划的角度, 建立了应急物资配送的多目标随机规划模型. 建模中同时考虑需求和配送路径连通性的随机性, 以及出救点对受灾点的最大覆盖范围限制. 将统计决策与运筹规划相结合, 设计一个加权贝叶斯风险将多目标规划问题转化为单目标规划问题, 以及设计一个决定最优停止观测时刻的决策规则使原问题转化为最优停止问题. 通过Xpress软件编程求解. 最后, 算例分析表明了模型和软件的求解速率与精度, 并分别证明了两阶段随机规划和灾情信息更新的优势.     

Cost and Service-Level-Based Model for a Seru Production System Formation Problem with Uncertain Demand

With increasing demand diversification and short product lifecycles, industries now encounter challenges of demand uncertainty. The Japanese seru production system has received increased attention owing to its high efficiency and flexibility. In this paper, the problem of seru production system formation under uncertain demand is researched. A multi-objective optimization model for a seru production system formation problem is developed to minimize the cost and maximize the service level of the system. The purpose of this paper is to formulate a robust production system that can respond efficiently to the stochastic demand. Sample average approximation (SAA) is used to approximate the expected objective of the stochastic programming. The non-dominated sorting genetic algorithm II (NSGA-II) is improved to solve the multi-objective optimization model. Numerical experiments are conducted to test the tradeoff between cost and service level, and how the performance of the seru production system varies with the number of product types, mean and deviation of product volume, and skill-level-based cost.     

基于客户满意的层级供应链优化模型及算法

基于客户满意度和企业利润这对矛盾,建立了一个层级供应链0-1混合整数规划模型。模型以供应链各相邻层节点之间的供需量和客户对各种产品的期望满意度为决策变量,以供应链总利润最大为目标。模型存在着两级优化问题,首先要从候选节点企业选中部分加入供应链网络,然后再确定相邻层节点企业之间的供需量和客户对产品的期望满意度。给出求解模型的混合遗传算法,并进行了数值实验,验证了优化模型的正确性和算法的有效性。