求解单级多资源约束生产批量计划问题的免疫遗传算法

通过对单级多资源约束生产批量计划问题(SLCLSP)模型进行分析,提出了基于免疫遗传算法(IGA)求解该问题的方法.此算法在保留基本遗传算法(SGA)随机全局搜索能力的基础上,借鉴生物免疫机制中抗体的多样性保持策略,大大提高了算法的群体多样性.实验结果表明,免疫遗传算法可有效改善基本遗传算法的未成熟收敛和局部搜索能力差的缺点,具有很好的全局收敛能力,使全局收敛性及收敛速度两方面均得到提高,能有效解决SLCLSP问题.     

能力约束批量问题的模拟退火算法研究

为了提高能力约束批量问题的计算效率,运用模拟退火算法对此类问题进行了研究。采用0-1编码的方式,在满足总需求的情况下以一定概率通过交换相邻周期的0-1编码来产生新解,内循环的迭代步长由生产规模决定(N×T),温度衰减系数为固定值,终止温度选择一个很小的正数。通过实例仿真,验证了模拟退火算法用于求解此问题的有效性。仿真结果表明,初始温度越高,搜索范围越大;迭代步数越多,寻得最优解的可能性就越高。生产规模为6×6时,取得最优解的计算用时不超过145ms。     

有能力约束的单机经济批量计划问题优化模型

有能力约束的单机经济批量计划问题是企业管理中的一重要问题,在企业信息化软件开发中具有重要的实际应用意义.在国内外研究的基础上,建立了求解有能力约束的单机经济批量计划问题的数学模型.由于上述问题为NP难问题,根据模型解的特征,采用遗传算法的原理,设计了求解上述模型的遗传算子和流程,利用dephi编程得出了计算结果.结果表明,算法效果优于唐立新(1999)的结果;且在有能力约束的情况下,算法得出的结果接近无能力约束的情形,充分说明了该算法的有效性.     

多资源约束批量拆卸优化模型及算法

针对环境意识制造研究领域的废旧产品拆卸,提出了一类多资源约束批量拆卸优化方法.以拆卸时间最小为优化目标,建立了该方法的数学模型,采用CPLEX软件对模型进行求解,通过多组随机算例的仿真实验验证了该模型在求解此类批量拆卸优化问题的有效性.实验结果表明,所提方法和模型能够求解该问题的最优拆卸数量和购买数量,确定每类零部件是否进行拆卸,同时满足每个零部件的外部需求;节点的入度/出度和共有部件所占的百分数对问题求解难度有一定的影响.     

多资源约束的MLLS的遗传分解混合算法

对带有多资源的生产批量计划构造了遗传算法和线性规划混合算法，用遗传算法产生可行调整模式，对应每一调整模式，则将原问题变换为一个线性规划模型进行求解。通过遗传算子进行迭代和进化，从而获得近优解，分析和计算结果表明了算法的有效性。     

制造系统中能力约束下的生产批量计划优化方法

以动态库存成本与加班惩罚费用之和为优化目标,考虑单台机器的生产能力,研究生产批量计划问题。建立了数学模型,提出基于遗传算法、参数线性规划方法和启发式方法的分级混合算法。该算法采用遗传算法的流程,用遗传算子寻解批量矩阵(第1级),根据批量矩阵用参数线性规划法求解每台机器上的排产方案(第2级),用启发式方法对上述两级解进行调整使之满足约束条件。在冲压车间的排产中进行了实际应用,获得了理想的排产方案。实例验证说明,该算法有良好的收敛性,并且是有效的。     

单级无能力约束批量大小问题的遗传搜索算法

基于ＳＬＵＬＳＰ问题的性质提出了用遗伟算法来进行求解，通过１０个随机产生的问题进行，结果表明，这１０个问题的平均计算结果与３通过动态规划获得的最优解进行比较，近优率平均可达３．２９％以内。     

再制造系统能力约束下拆卸批量计划优化方法

针对再制造系统中能力约束下的拆卸批量计划问题,应用两阶段启发式遗传算法进行了优化求解.首先对再制造产品结构进行了描述,建立了再制造系统中能力约束下的拆卸批量计划优化模型;其次在不考虑能力约束情况下应用遗传算法求解出初始的拆卸批量计划,其中,染色体编码采用拆卸决策变量来表示,同时对适应度函数进行了线性变换,设计了具有自适应的交叉概率和变异概率;然后应用转移算法对初始得到的批量计划进行了修正,使其符合拆卸能力的约束.大量随机算例的仿真实验说明所提出的算法不论在寻找最优解方面还是在求解速度和稳定性方面,都要大大优于精确算法,能够较好地解决实际生产中面临的拆卸批量计划问题.     

带排斥算子的GA求解无能力约束的多级生产批量计划问题

离散制造行业中的多级生产批量计划(multi-level lot-sizing,MLLS)问题的研究不但是一个理论和应用上的难题,也是在生产中产生重大经济效益的问题之一.针对无能力约束的装配结构MLLS问题,为避免基本遗传算法(genetic algorithm,GA)因过早收敛造成搜索效率降低,将排斥算子(repulsion operator)引入GA中,提出带有排斥算子的遗传算法(GA integrated with repulsion operator,RGA).采用GA算法和RGA算法对6组不同规模的问题进行了仿真实验.结果表明,RGA算法的运行效果明显优于普通GA算法;RGA算法对于...     

无资源约束MLLS问题的三种求解算法效果比较

用于求解无资源约束多级生产批量计划(UMLLS)问题的算法包括混合粒子群(HPSO)算法、混合分散搜索算法(HSS)和带排斥算子的遗传算法(RGA).为了研究各算法对问题的适用性,对于上述三种算法的求解效果采用标准测试集进行了较全面的测试和比较,给出了针对不同规模无资源约束生产批量计划问题的算法选择方案.测试结果显示:对于小规模和中规模问题,HSS算法的效果更好;对于大规模问题,HPSO算法的性能更优越.     

容量受限工厂选址问题模型及贪婪蚁群算法求解

研究了在容量受限条件下的工厂选址问题.针对现有模型对覆盖问题、经济效益问题和发展状况问题考虑不足,提出了一种新的数学模型.由于容量受限的工厂选址是一个复杂的决策过程,较难得到满意解和最优解,提出一种新的改进蚁群算法对其进行求解.改进蚁群算法在传统蚁群算法的基础上结合了贪婪算法.仿真结果一方面说明了新的数学模型的有效性,另一方面证明了改进蚁群算法改善了传统蚁群算法易于陷入局部最优解的缺点,提高了寻优质量.     

基于新型Memetic算法的多目标优化

为了更好地解决多目标优化问题,提出一种求解多目标优化问题的新型memetic算法.该算法利用微粒子群算法的全局搜索能力和同步启发式局部搜索相结合进行局部微调;利用基于模糊全局极值的概念处理种群中过早出现收敛以及解多样性保持等问题.通过进一步检测得出新算法的特点并展示其在多目标优化问题上的独立性和综合效应.同时应用新型算法对IEEE14节点标准电网进行无功优化计算.结果证明,该新型memetic算法具有很好的寻优能力,验证了该算法的有效性及科学性.     

基于Baldwin效应的memetic差分进化算法

针对Baldwin效应在memetic差分进化算法中使用不成熟的研究现状,提出一种基于Baldwin效应的memetic差分进化算法。算法采用简化的模式搜索为局部搜索算子,差分进化算法为全局搜索算子,Baldwin效应为结合机制。创新了Baldwin效应的实现方法:改进普通memetic差分进化算法中仅根据个体适应度值引导进化的方法,加大局部搜索成功个体的被学习概率,使其能够参与引导进化。在CEC2014中30个测试函数上与其它知名差分进化算法对比,实验结果表明改进的算法具有更强的跳出局部最优解能力和更快的收敛速度。     

加强的混合遗传算法求解能力约束弧路径问题

为了在可接受的时间里求解具有NP-hard性质的能力约束弧路径问题(CARP),提出了加强的混合遗传算法(EHGA). 该算法是在遗传算法框架里嵌入加强的局域搜索算子来强化搜索,充分发挥了遗传算法的全局搜索能力和加强的局域搜索算子的局域搜索能力. 同时,在进行种群替代时,二元锦标赛替代被提出,并使用了种群管理来保持种群的多样性.测试了标准CARP算例,并给出了算法效果比较. 结果表明,加强的混合遗传算法胜出一般的Memetic算法,是有效的求解CARP的方法.     

基于改进的Memetic算法求解大学考试时间表问题

分析了大学考试时间表问题，给出了一种使用启发式重度变异算子的Memetic演化算法，讨论了该算法中的编码方案、约束条件以及各演化算子的实现等问题，实验结果表明：启发式重度变异算子的使用能有效提高算法性能，减少演化代数。     

用于集装箱配装问题的Memetic算法

针对集装箱配装问题这一NP-hard问题,提出了用于求解背包式强异类货箱的集装箱配装问题的memetic算法,该算法采用了“WB＋DBL”的解码方式,并结合了常规遗传算法的广度搜索能力和局部搜索的深度搜索能力,能够有效地提高集装箱配装问题的求解质量。通过仿真实验,表明该算法是有效的。     

基于互信息和文化基因算法的网络流量特征选择

利用文化基因框架的引导,提出一种结合了封装和过滤的混合型特征选择算法.该算法在传统的遗传算法中采用了基于互信息的局部搜索算法,全局搜索以分类器精度为适应度函数,保证得到全局最优解;局部搜索以联合互信息为评价指标,加快了寻找最优特征子集的收敛速度.实验表明,与现有算法相比,该算法在特征数量和计算复杂度上有显著改进,采用该算法的网络流量识别方法能以更少的特征获得更高的分类精度.     

MRPⅡ实施过程中若干问题的研究

通过分析我国MRPⅡ应用的现状和在实施过程中遇到的问题、产生原因 ,提出了在MRPⅡ实施过程中首先要提高企业全体员工的认识 ,在员工中形成必切需求实施MRPⅡ的共识 ,其次不仅要在组织上落实 ,技术上可行 ,而且目标明确 ,实施方案合理 ,把高起点和企业现状相结合 ,MRPⅡ的规划和企业规划相结合 ,充分做好数据准备 ,加强系统运行管理 ,健全运行管理机制 针对具体问题提出了根据企业不同规模和不同生产方式应当使用相应不同的实施方法