多种资源受限多项目排序问题的两层决策方法

分析了多种资源受限多项目排序问题的性质和特点 ,提出用两层决策方法建立这类问题的数学模型 .将基于直接搜索法的随机全局优化方法用于求解该问题的全局最优解 ,给出了具体的算法步骤 .计算示例表明 ,本文建立的模型和给出的算法能有效地求解多种资源受限多项目排序问题.     

一种求解连续空间优化问题的改进蚁群算法

蚁群算法是近几年优化领域中新出现的一种启发式仿生类并行智能进化算法,该算法采用分布式并行计算和正反馈机制,易于与其它方法结合,目前虽然已经在离散空间优化领域中得到了广泛应用,但是在求解连续空间优化问题方面的研究相对较少。在介绍基本蚁群算法机制原理和数学模型的基础上,提出了一种用于求解连续空间优化问题的改进蚁群算法。将连续空间优化问题的解向量分解成有限个网格,同时构造了一个与蚁群转移概率相关的评价函数,并借助相遇搜索策略对蚁群算法进行了改进,将各条寻优路径上可能的残留信息素数量限制在一个最大最小区间,以提高改进后蚁群算法的全局收敛性能。仿真实验表明,提出的改进蚁群算法较文献[11]所提出的自适应蚁群算法能更快地找到连续空间优化问题更优良的全局解,从而为蚁群算法求解这类问题提供了一条可行有效的新途径。     

多分厂、多机型纺织企业生产计划模型及优化算法

本文提出了可用于具有多分厂、多机型的纺织企业的生产计划模型。该模型实质上是一个大型混合整数规划问题。文中对这类实际上无法在微机上求取最优解的模型,提出了一种将专家系统方法和线性规划方法结合起来的求取模型近似最优解的优化算法。模型及算法已在微机上实现,并在实际使用中取得良好效果。     

软计算求解并行多机成组工件调度问题

自从Zade将模糊理论引入求解组合优化问题以来，出现了很多基于模糊规则与智能优化算法相结合的软计算方法，文章尝试将这种方法用于解决并行多机成组工件flow-time问题，本问题中，设有n个工件计划在M台并行一致的机器上加工，这n个工作根据相似性分为b组，开始加工时，需要一个准备时间，当工件接续在同组工件之后加工时，不需要准备时间，反之，接续在不同组工件之后加工时，需要一个准备时间，本问题的目标是找到一个工件加工的调度顺序序列，使M台机器总的流水时间最小，在文章中，作者首次利用模糊规则量化结合遗传算法的软计算方法求解这类复杂的组合优化问题，最后给出计算实例及仿真结果。     

基于仿真的车间作业计划优化设计

车间作业排序是一个NP-Hard问题,针对其复杂性和难以求解的特点,提出了采用仿真与优化算法相结合的求解方法。首先,建立了车间作业计划仿真优化系统的框架,采用UML对系统进行建模分析,并在仿真软件eM-Plant中映射实现,应用遗传算法优化模型关键参数,实现最优排序,最后示例说明该系统。该方法简单可行,为解决这类复杂问题提供了一条捷径。     

求解Job Shop调度问题的粒子群算法研究

为解决单一粒子群算法求解Job shop调度问题存在的不足,提出一种基于交换序的混合粒子群算法,提高了这类问题的求解质量.在混合粒子群算法中,采用粒子群算法进行大范围全局搜索.根据Job Shop调度问题解的特征,提出基于关键工序的邻域选择方法,并将基于这种方法的禁忌搜索算法作为局部搜索算法,增强了粒子群算法的搜索能力.采用混合粒子群算法对13个难解的benchmark问题进行求解,在较短的时间内,得到的最优解和10次求解的平均值优于并行遗传算法和粒子群算法.由此说明本文所提出的混合粒子群算法是有效的.     

求解无容量设施选址问题的拉格朗日狼群算法及其应用

无容量设施选址问题(UFL)是应用于诸多领域的经典组合优化难题。首先,结合UFL问题的具体特征,重新定义了狼群算法中狼群协作捕食的智能行为,提出了求解该问题的狼群优化算法;其次,将狼群算法与拉格朗日松弛相结合,设计了一种求解UFL问题的拉格朗日狼群算法;最后,将本文提出的狼群智能优化算法及拉格朗日狼群算法用于UFL基准问题库中部分算例的求解,并将其求解结果与混合蚁群算法、半拉格朗日松弛方法以及优化软件CPLEX的求解结果进行比较。结果表明：拉格朗日狼群算法较狼群优化算法、混合蚁群算法及半拉格朗日松弛方法具有更好的求解效果,而且在一定程度上缓解了CPLEX求解时间长,消耗内存大的缺点,拥有良好的求解性能。     

废弃物收运网络周期性选址-路径问题多目标优化模型及算法

废弃物处理设施是典型的"Semi-desirable"设施, 其选址相关的决策需要考虑成本、负效应等多个相互冲突的目标. 废弃物中转站的选址和路径优化是一类周期性选址-路径问题(PLRP), 目前缺乏对这类问题的多目标优化的研究. 以多目标城市废弃物收运网络周期性选址-路径问题为研究对象, 提出基于扩散距离的负效应测度方法; 建立考虑负效应和成本的双目标混合整数规划模型; 设计DRECWA-LS算法, 结合启发式优化策略, 求解收运计划对应的周期性选址-路径问题, 并采用扩展邻域搜索策略的多目标进化算法实现对可行收运计划的深度搜索, 同步求解收运计划、中转站选址-分配及车辆路径三个问题. 算例结果显示: 算法能成功求解较大规模问题, 具有较高的求解质量和运算效率.     

一类人员调配问题的导引式局部搜索算法

描述一类生活实践中常见的可能存在过度约束的人员调配问题．这类问题用传统的分支定界等精确搜索算法求解时比较困难。本文则探讨了一种较新的超启发式搜索方法导引式局部搜索在求解这类过度约束人员调配问题中的应用。与其他常用的超启发式搜索算法如禁忌搜索和模拟退火的比较表明，GLS在此类问题的求解质量、求解速度和算法鲁棒性方面具有较好的综合性能。     

一种求解大型生产计划模型的算法

本文考虑在允许缺贷的条件下,多产品、多阶段生产计划问题,给出了求解该问题的算法。这种算法不需要对原问题直接求解,而是先将原问题进行分解,得到一个由一系列非常小且易解的子问题组成的序列,然后用迭代的方法求得一个初始解,再对这个解进行修正,从而得到原问题的最优解。这种算法较好地解决了大规模生产计划模型的求解难问题。     

带延期交货和固定成本的库存受限转包模型

研究了库存受限的带延期交货和转包的离散动态批量问题。在该问题中,所有成本函数均为带固定分量的线性函数,每周期的转包量、库存量和延期交货量均受限,目标是以最小的总体成本满足T周期规划时段上的需求。由最优解性质,最优计划可由定义在库存点间的子计划的组合或级联构成,据此将问题归结为如何有效地求解子计划;通过松弛子计划模型中的生产周期约束,将子计划分成2个分别定义在生产周期前后的子问题;并依据最优解性质,开发了求解子问题及处理松弛约束的多项式算法。在此基础上,给出了求解整个规划问题的动态规划迭代公式和算法步骤,算法的整体复杂性为O(T4logT)。最后,提供了一个来自奶制品公司的实例演示模型和算法。     

FMS之间工件传输有延迟的车间最优生产计划

研究了 FMS之间工件传输有延迟的柔性自动化车间 ( FAW)的最优生产计划问题 .文中首先根据实际需要建立车间生产计划的基于关联延迟的非线性规划模型 ,然后为求解方便通过引进约束将其转化成线性规划模型 .由于这种模型对于一般车间来讲其规模已经很大 ,很难在微机上用单纯形法在可接受的时间内获得其最优解 .为此 ,本文提出分别用卡马卡算法和基于卡马卡算法的关联预测法来求解车间最优生产计划问题 ,并编制了相应软件 .最后通过算例研究 ,比较了卡马卡算法、基于卡马卡算法的关联预测法和 Matlab中的线性规划法 ,结果表明所提方法非常适合将 ERP/MRP 下达给 FAW的中期计划最优分解成由 FAW中各 FMS执行的短期计划 ,尤其适合 FMS之间的工件传输需经出入库并有一步延迟的情况.     

多目标离散控制: 一种对策方法

在多目标控制中,线性加权法常常被用于把多目标问题转化为单目标问题的研究中。若各子目标与总体目标存在非凸关系时,该方法难以有效。本文构造了一种对策模型来解决这类多目标控制问题,提出了利用对策理论求解这类问题的方法。该方法可将决策人对目标的偏好加入模型中,从而放宽了问题的凸性限制。     

以正好满足产品需求为约束条件的车间最优生产计划

研究以正好满足产品需求为约束条件的预选性自动化车间（FAW)伯最优生产计划问题，首先根据实际需要建立车间生产计划的含需求约束的非线性规划模型，然后为求解方便通过引进约束将其转化成线性规划模型，由于这种模型对于一般车间来讲其规模已经很大，很难在微机上用单纯形法在可接受的时间内获得其最优解，为此，提出分别用卡马卡算法和基于卡马卡算法的关联预测法来求解车间最优生产计划问题，并编制了相应软件，最后，通过算例研究，比较了卡马卡算法，基于卡马卡算法的关联预测法和Ｍatlab中的线性规划法，结果表明所提方法非常适合将ＥＲＰ／ＭＲＰＩＩ下达给ＦＡＷ的中期计划最优分解成由ＦＡＷ中各ＦＭＳ执行的短期计划。     

考虑延期交货、转包和非减库存能力约束的单产品批量模型

研究了一个非减库存能力约束下的允许延期交货和转包的单产品动态批量问题.引入子计划概念,通过先求解所有可能的子计划,再基于动态规划搜索子计划的最优组合,得到问题的最优解.给出了所有子计划的通用数学描述,并通过松弛正生产量约束将子计划的计算分成两个子问题;依据子问题和子计划最优解的性质,设计了求解子问题和重新集结松弛约束的多项式算法;在此基础上提出了一个复杂性为O(T4)的求解整个规划问题的多项式动态规划算法,这里T是规划时段上的周期数.最后通过数值试验测试了该算法的性能.     

有限资源能力下的供需问题研究

将 JIT思想引入供需链管理中 ,建立了具有供应能力、运输能力约束的极小化产品成本费用总额的供需问题计划模型 ,并利用易于求解的线性规划模型 ,提出了一个有效的启发式算法 .该算法可以在多种资源能力平衡的前提下 ,找到较优的供应计划.     

求解连续函数优化问题的改进蚁群算法及仿真

蚁群算法是近几年优化领域中新出现的一种启发式仿生类并行智能进化算法,该算法采用分布式并行计算和正反馈机制,易于与其它方法结合,目前虽然已经在离散空间优化领域中得到了广泛应用,但是在求解连续空间优化问题方面的研究相对较少.在介绍基本蚁群算法机制原理和数学模型的基础上,对信息素更新方式进行了改进,采用动态局部信息素更新方式和自适应调节信息素挥发的全局信息素更新方式相结合,并将各条寻优路径上可能的残留信息素数量限制在一个最大最小区间,以提高改进后蚁群算法的全局收敛性能.仿真实验表明,提出的改进蚁群算法能更快地找到连续空间优化问题更优良的全局解,从而为蚁群算法求解这类问题提供了一条可行有效的新途径.     

基于网格划分的混合优化算法

提出了用于求解大规模优化模型的基于网格划分的混合算法。该算法引入了空间划分和收缩的思想,在求解过程中首先应用全局优化算法确定优解信息,其次使用网格划分和合并将解空间快速划分和收缩为多个子空间,然后用局部优化算法在模型的极值点附近搜索,可以很快地收敛到极值点。仿真结果表明该算法在搜索效率、应用范围、解的精确性和鲁棒性上都体现了良好的性能。     

基于DPSO最小碰集算法的掩盖故障识别

针对可测性分析中掩盖故障识别的难点,提出一种掩盖故障存在性的判定及计算其冲突集方法;并将离散粒子群算法(discrete binary particle swarm optimization,DPSO)用于求解冲突集的最小碰集,实现掩盖故障最小碰集的求解;为克服DPSO易陷入局部最优的缺点,还比较了惯性权重对DPSO算法性能的影响。实例验证表明:与求解掩盖故障的其他方法相比,惯性权重线性变化的DPSO算法不仅提高了算法效率,而且避免了其他算法求解时容易出现"计算爆炸"的问题,尤其适合于识别大型复杂系统的掩盖故障。     

一种基于规划系统的计划识别混合求解方法

基于智能规划领域中机器人动作规划的思想,给出了一种求解计划识别问题的混合方法。首先讨论了规划及计划识别系统的一阶谓词逻辑知识表示,然后建立了一种基于智能规划的计划识别模型,并提出了一种计划序列的生成算法,再结合D-S证据理论来实现计划识别的不确定性推理。最后以一个例子说明了采用该方法进行规划推理和计划识别的过程,表明了使用该方法求解计划识别问题的可行性。