Supply China Production-distribution Cost Optimization under Grey Fuzzy Uncertainty

Most supply chain programming problems are restricted to the deterministic situations or stochastic environments. Considering twofold uncertainty combining grey and fuzzy factors, this paper proposes a hybrid uncertain programming model to optimize the supply chain production-distribution cost. The programming parameters of the material suppliers, manufacturer, distribution centers, and the customers are integrated into the presented model. On the basis of the chance measure and the credibility of grey fuzzy variable, the grey fuzzy simulation methodology was proposed to generate input-output data for the uncertain functions. The designed neural network can expedite the simulation process after trained from the generated input-output data. The improved Particle Swarm Optimization (PSO) algorithm based on the Differential Evolution (DE) algorithm can optimize the uncertain programming problems. A numerical example was presented to highlight the significance of the uncertain model and the feasibility of the solution strategy.     

Supply Chain Production-distribution Cost Optimization under Grey Fuzzy Uncertainty

Most supply chain programming problems are restricted to the deterministic situations or stochastic environments. Considering twofold uncertainty combining grey and fuzzy factors, this paper proposes a hybrid uncertain programming model to optimize the supply chain production-distribution cost. The programming parameters of the material suppliers, manufacturer, distribution centers, and the customers are integrated into the presented model. On the basis of the chance measure and the credibility of grey fuzzy variable, the grey fuzzy simulation methodology was proposed to generate input-output data for the uncertain functions. The designed neural network can expedite the simulation process after trained from the generated input-output data. The improved Particle Swarm Optimization (PSO) algorithm based on the Differential Evolution (DE) algorithm can optimize the uncertain programming problems. A numerical example was presented to highlight the significance of the uncertain model and the feasibility of the solution strategy.     

基于遗传算法的模糊优选神经网络路面性能评价模型

针对现有路面性能评价方法的不足,在模糊优选神经网络模型的基础上,引入遗传算法,建立了基于遗传算法的模糊优选神经网络的路面使用性能评价模型.该算法采用遗传算法优化神经网络权值,再用神经网络对遗传算法搜索到的近似最优解进行微调,并将模糊优选模型作为神经网络的激励函数,使模型具有明确的物理意义.应用该模型对沈大高速公路部分路段进行评价,与其他模型的对比分析表明:该方法在评价精度和效率方面取得了良好的效果,是一种实用的高速公路路面性能评价方法.     

不确定条件下外协生产库存系统控制策略与参数优化

针对协作企业生产能力和运输时间不确定条件下的外协生产库存系统优化控制问题,提出了一种基于生产点和生产批量的生产库存控制策略。用统计概率分布对协作企业生产能力和运输时间的不确定性进行描述,以库存成本、生产准备成本和协作企业生产能力损失成本最小为目标,建立了生产能力和运输时间随机变动条件下生产库存系统控制策略的参数优化模型,设计了一种基于仿真的控制参数优化算法,通过实例对生产库存系统控制策略及控制参数优化算法进行了验证,并分析了生产点和生产批量等参数变化对与外协生产库存系统性能的影响。     

一种基于模糊神经网络和遗传算法的智能PID控制器

常规的PID控制器参数整定方法需要被控对象的精确数学模型,且整定出的参数不能进行在线调整.而模糊控制和神经网络均不依赖被控对象的数学模型,且具有较强的自适应和自学习能力;遗传算法则是一种新型的全局优化方法.鉴于此,提出将模糊控制、神经网络和遗传算法引入PID控制器的设计过程.首先,运用遗传算法优化隶属度函数的中心值和宽度,并借助模糊逻辑控制确定遗传算法中的交叉概率和变异概率.然后,再运用BP算法优化模糊神经网络的连接权系数.仿真结果表明,该方法提高了系统的自适应能力和抗干扰能力,增强了系统的鲁棒性.     

模糊需求下批量生产优化模型

研究了供应链环境下的批量生产计划问题。在确定需求的基础上,建立了模糊需求下批量生产优化模型,并将其转化为模糊机会约束规划模型。用清晰等价类对其进行清晰化处理,目标函数是单位时间供应链总成本最优,并将模糊模拟技术引入遗传算法对模型进行求解。数值实例验证了其有效性。     

系统云灰色预测模型及其应用

将灰色系统云理论引入到滑模变结构控制中,设计了一种新型的灰色模糊滑模控制器。该控制器将灰色预测与模糊推理的相结合对滑模控制器的控制策略进行预测输出。能有效地解决滑模控制系统中由于系统惯性引起的切换滞后所带来的抖动问题。将此控制器应用到交调速系统中,仿真研究表明交流调速系统能获得优良的动态和静态性能。     

求解全局优化问题的改进灰狼算法

灰狼算法是一种高效的优化技术,但其在一些问题上存在求解精度不高、收敛速度较慢和易于陷入局部最优的缺点。因此,提出了一种改进的灰狼优化算法（MGWO）。该算法引入了3种改进策略：平衡算法全局搜索性和局部开发性的指数规律收敛因子调整策略、提高算法求解精度的自适应位置更新策略和修订动态权重策略。通过两组在10个基准测试函数上...     

燃料电池观光汽车动力系统参数的匹配与优化

为改善燃料电池观光车整车动力性与经济性的问题,首先对整车动力系统的主要部件进行选型;然后在满足动力性设计要求的条件下,以经济性最低为目标,利用遗传算法与ADVISOR联合仿真选择最佳的动力源功率匹配方案,最后基于模糊控制的功率跟随式控制策略,在ADVISOR平台下进行仿真测试。经验证,整车设计方案及改进的控制策略可有效提高燃料电池的效率,降低氢耗8.6%。     

松花江流域蓄滞洪区方案优选智能决策研究

针对松花江流域防洪工程重要组成部分的蓄滞洪区，基于陈守煜提出的模糊优选BP神经网络模型，引入了遗传算法，提出融入遗传算法的模糊优选神经网络智能决策模型，对松花江流域蓄滞洪区方案优选进行智能决策．该模型既能合理地构造神经网络的拓扑结构，又可加快网络的收敛速度，并能改善网络的全局寻优能力，是对模糊优选BP神经网络模型的进一步发展，同时更对松花江流域蓄滞洪区的优选提供了理论依据．     

ABC库存分类的多准则优化方法

库存分类管理是一类多准则优化问题.根据多准则库存管理问题的特点,提出了一种基于多准则优化思想的ABC库存分类方法.首先根据多准则优化思想求取包括由Pareto最优的库存项目组成的Pareto最优解集,然后根据决策者的偏好在Pareto最优解集中选定需要重点管理的库存项目.在此基础上,采用Memetic算法设定不同准则的权重系数,使得所选定库存项目的多准则取值的加权和在所有的库存项目中最大.准则的权重系数确定后多准则库存分类问题就转换为单准则的库存分类问题,可以按照传统ABC分类法进行库存分类管理.仿真实验表明了该库存分类方法和所设计的Memetic算法的有效性.     

复杂供应链多级库存系统的控制与协调仿真优化

本文讨论了由一个无限供应能力的供应商、多个制造商和多个有确定需求及随机需求的经销商所组成的复杂网状供应链多级库存系统的协调优化问题.首先建立了问题的最优控制数学模型;然后采用仿真优化方法,设计了一个复杂供应链多级库存系统的仿真优化器对问题进行求解,其中该仿真优化器由底层仿真器和基于遗传算法的上层优化器组成;最后利用仿真软件Arena对仿真优化器进行了设计与实现;并采用仿真数据实例验证了方法的有效性.     

基于递阶遗传算法的模糊系统优化设计

给出一种基于递阶遗传算法的模糊神经网络优化算法, 在该算法中对每个染色体都采用递阶编码, 并提出一种改进的交叉算子, 可以同时优化模糊神经网络结构和权值参数. 算法中采用双目标函数作为适应度函数对模糊神经网络模型的精确度和复杂性进行估价, 且对应一个实际问题, 可以通过调整适应度函数的参数值确定所需模糊神经网络模型的精确度和复杂性之间的比例, 从而生成一个适当的模糊神经网络模型. 模拟实验结果验证了该算法的有效性.     

Fuzzy Programming Models for Vendor Selection Problem in a Supply Chain

This paper characterizes quality, budget, and demand as fuzzy variables in a fuzzy vendor selection expected value model and a fuzzy vendor selection chance-constrained programming model, to maximize the total quality level. The two models have distinct advantages over existing methods for selecting vendors in fuzzy environments. A genetic algorithm based on fuzzy simulations is designed to solve these two models. Numerical examples show the effectiveness of the algorithm.     

随机需求下多周期供应链库存配送联合优化模型

库存与配送是影响供应链成本的2大要素,库存与配送联合优化对于降低供应链成本有着重要的意义。文章考虑允许缺货且需求随机的情形,建立了多周期多产品单对单2级供应链库存配送联合优化模型;针对缺货损费用和存货2种情境,分别对该模型进行了再优化,并求解出单周期最佳订货量;同时借鉴供应商管理库存(VMI)策略,采用满载量与非满载量相结合的方式求解出零售商所需的最佳车辆数;最后,通过仿真实验表明了将库存配送联合优化比单独优化在降低成本方面有了显著提高,并验证了所建立模型的可行性和实用性。     

动态模糊神经网络研究

针对静态网络无法处理暂态问题，对具有递归环节的动态模糊神经网络进行了研究。通过在网络第二层中加入内部反馈连接，使其具有动态映射能力，从而对动态系统有更好的响应。网络使用遗传算法与反向传播BP(BackPropagation)算法相结合来训练，避免陷入局部最优解。采用时序预测和动态非线性系统进行了仿真研究，结果表明，动态模糊神经网络较之普通模糊神经网络在收敛速度、预测精度和网络规模等方面都有较大的改善，并具有更好的动态系统处理能力。     

随机灰色提前期条件下制造/再制造混合系统库存优化

基于PUSH库存控制策略提出了在不确定生产提前期、恒定顾客需求率和产品回收率条件下的制造/再制造混合生产系统库存控制模型,可用品仓库库存由新产品制造过程和回收产品的再制造过程共同补充。不确定的生产提前期可描述为随机灰色变量,提出的随机灰色模拟技术可为不确定函数产生输入-输出数据,利用该输入-输出数据训练后的神经网络可加速不确定函数的模拟过程,由随机灰色模拟、神经网络和遗传算法集成的混合智能优化算法可求解该库存模型。数值分析结果表明:平均生产成本随给定的顾客服务水平和生产提前期的增加而增加,该不确定模型符合实际库存系统的实际情况,提出的智能优化算法可优化复杂的不确定规划问题。     

敏捷供应链下的多品种多级库存控制策略研究

文章针对敏捷供应链多级库存控制问题,将多级库存系统分解为供应网络、核心企业和分销网络3个子系统,引入多品种产品,建立了敏捷供应链下的多品种多级库存控制系统模型。利用遗传算法对算例模型进行了库存成本优化,通过对优化结果的比较分析,证明所建的模型在降低多级库存系统库存成本方面具有一定作用,验证了模型的可行性和有效性。     

基于改进灰狼优化算法的WSN覆盖优化

针对无线传感器网络（WSN）节点在随机部署时,存在分布不均匀的情况,从而导致覆盖率较低的问题,提出了一种改进的灰狼优化（GWO）算法.首先利用Tent混沌映射初始化种群,增加种群的多样性;其次利用改进的非线性收敛因子,平衡算法的全局搜索能力与局部搜索精度;最后将差分进化（DE）算法的变异、交叉的理念融入GWO算法,避免算法陷入局部最优,并提高算法的收敛速度.基本测试函数仿真结果验证了改进算法的有效性,随后将其应用于WSN覆盖优化问题,可以使节点的分布更加均匀,显著提高覆盖率,进而改善网络性能.     

基于遗传算法的炼油厂多周期生产库存管理优化

为了应对季节性变化的市场需求和降低成本,针对市场需求不确定条件下的炼油厂生产库存优化问题,建立了一个考虑市场预测的多周期优化实例模型。模型中引入侧线采出总收率变量,简化了约束方程。然后根据模型特点采用实数编码的混合遗传算法(GA)进行求解。最后用某炼油厂的生产销售数据进行了优化计算,计算结果表明,基于遗传算法的多周期优化在基本满足市场需求的同时可大幅度降低总体库存费用。