基于模糊集理论利润最大目标库存控制

应用模糊集理论研究了不确定条件下模糊需求、允许缺货、有拖后补定的库存管理问题.基于模糊集理论,给出库存参数的模糊数表达和模型的有关假定,得到每周期单位时间平均利润函数,采用广义平均数表示法进行解模糊并优化求解,在单位时间平均利润最大的标准下,求出每周期最优库存进货批量.最后,通过示例分析,证明了模糊理论处理库存管理问题的实用价值和现实意义.     

缺货的模糊需求回收物流库存控制模型及算法

为了研究模糊需求下回收物流的库存问题,对退回物品采用批量修复处理的方式,在不考虑提前期的情况下,假设销售商允许消费者退货,且退货服从Poisson分布,建立了一个包括单位购买成本、维修成本、库存成本和缺货成本的回收物流最优库存策略模型.引入模糊模拟和遗传算法相结合的混合智能算法,对不确定需求的回收物流单周期库存模型求解,以找到模糊情况下总成本的估计,从而推导出与之相对应的最优定购量.最后,应用一个实例对结果进行讨论,表明该算法有一定的有效性.     

批量运输的二层供应链系统的生产和订购计划:模型与算法

研究由一个生产商和一个零售商组成的二层供应链系统中的生产和订购计划问题.由于运输费用较高,该供应链系统中产品需要整车运输,即生产量和订购量必须是车辆运输能力的整数倍.生产和订购计划中的费用包括生产和订购的启动费、产品的生产费、库存费以及对顾客缺货的罚款.问题的目标是决定何时生产、何时订购从而使得生产和订购计划的总费用最小.建立了问题的数学模型,分析了问题的若干重要性质,并设计了2个计算复杂度均为O(n2)的动态规划算法分别求解允许对顾客缺货和不允许对顾客缺货的情形.     

不确定情况下基于模糊集理论的库存管理研究

主要探讨不确定性情况下用模糊理论处理库存管理问题.在简要介绍模糊理论的基础上,给出了库存管理中模糊参数的表达,导出了允许适度缺货情况下多模糊参数单库存管理问题的模糊数学模型,采用梯级平均综合表示法进行解模糊并优化求解,最后通过示例表明:用模糊理论处理库存管理问题更符合现实的不确定情况,具有很大的应用价值.     

考虑缺陷率和缺货的模糊库存模型

研究了考虑缺陷率和缺货的模糊库存模型.将缺货量、缺陷率和其他变量作为模糊数,提出了一种考虑缺陷率和缺货的模糊经济订货批量模型,以确定经济订货批量,并使得年总成本最小.最后利用实验仿真验证了模型,并分析了缺陷率对经济订货批量和总成本的影响.     

短缺量拖后率不相同时的边生产边需求EOQ模型

在边生产边需求库存管理系统中，考虑出空期间短缺量拖后率与是否开始生产有关，建立了出空期间短缺量拖后率不相同时的边生产边需求EOQ模型。由模型的最优解分析知，库存系统的总成本函数是服务水平的凸函数。运用某电子公司的实际数据对该模型进行测算，表明最优解存在且受缺货期间是否开始生产的影响。     

模糊环境下分销系统的库存决策问题研究

针对由一个中心仓库和多个零售商组成的分销系统,研究模糊环境下该分销系统的库存决策问题,建立了分销系统的总成本与服务水平的集成优化模型.并通过数值算法求解中心仓库和零售商的适当库存决策策略.最后,给出一个算例说明了模型的求解过程.     

带有限缓冲区的知识化制造单元无死锁调度

鉴于制造系统无死锁随机调度问题研究的缺乏,在加工时间、工件到达以及产品需求到达均为随机的生产环境下,研究了带有限缓冲区的知识化制造单元无死锁随机调度问题.针对自动机对定量指标描述能力的不足,首先给出了一种费用自动机概念.在同时考虑工件加工、库存以及缺货费用的情况下,采用无限时域折扣准则下马尔可夫链建立了单元的费用目标函数,通过一致化技术对目标函数进行离散化处理,得到目标函数的随机动态规划模型,分析并证明了单元最优目标值函数的性质.为了克服离散状态空间组合所产生的维数灾问题,提出了一种基于仿真和函数逼近的启发式近似动态规划算法对模型进行求解.在上述研究基础上,构建了一种单元无死锁随机调度策略,以保证单元安全高效地运行.最后,通过实例研究对无死锁调度策略进行了验证.     

设备多状态、多类顾客制造系统的生产速率和库存分配联合决策

在生产制造系统中, 设备状态严重制约系统产能, 并增加生产过程的不确定性. 为应对不确定性对系统的影响, 对顾客进行细分, 实施差异化服务. 在顾客泊松达到、 缺货不补的假设下, 研究了设备多状态、多类顾客制造系统的生产和库存分配联合决策问题. 利用马尔科夫决策理论, 建立了系统在无限期期望折扣总成本准则和平均成本准则下的最优方程, 并证明了最优策略具有相似的结构性质. 最优生产速率策略是生产阈值水平随设备状态非增的阈值策略, 即当库存水平降至该阈值水平之下时, 以允许的最大生产速率生产, 否则不生产. 最优库存分配策略是分配阈值水平随设备状态非增的阈值策略. 另外, 缺货成本大的顾客具有较低的分配阈值.     

基于周期性不完全预防性维修的最优经济生产批量决策

在经典EPQ模型基础上,考虑周期性不完全预防性维修策略下,以单位产品总成本最小化为目标,构建最优经济生产批量的决策模型.在产品生产总成本模型的构建中,结合设备故障率及次品率随时间增加这一实际问题,引入役龄回退因子和等效役龄概念进行动态预防性维修成本、故障维修成本及次品修复成本的构建.考虑目标函数的复杂性,本文采用粒子群算法对模型进行数值求解,并验证其合理性.     

基于模糊多目标规划的防空反导火力分配

针对现有多目标火力分配(weapon target assignment,WTA)方法很难适用于不确定情况下防空反导作战的问题,提出了基于模糊多目标规划的防空反导WTA方法。首先,采用三角模糊数刻画不确定的目标威胁度,在考虑防空反导作战特点的基础上,基于模糊多目标规划建立了WTA模型;然后,根据必要性测度原理将含有模糊参数的目标函数进行了等价清晰化;接着,提出了具有单/双势阱的多目标量子行为粒子群算法用于求解WTA模型,该算法采用了单/双势阱位置更新方式、粒子混合随机变异方法、领导粒子两阶段选取方法;最后,通过实例仿真验证了模型的合理性和算法的有效性。     

具有模糊关系约束的线性规划的解法

研究了具有模糊关系方程约束的线性规划问题.由于此类规划的非空可行集一般是一个非凸集,传统的求解线性规划的方法不适合求解此类规划问题,因此有必要提出一个求解此类规划问题的有效算法,本文首先刻画了该类规划可行集的结构,基于该可行集的结构,应用惩罚函数和遗传算法给出了该类规划问题的一个具体求解方法,得到了近似最优解.为了说明该方法的有效性,最后给出了具体的算例.     

基于量子粒子群的广义模糊熵阈值法参数选取

针对广义模糊熵阈值分割法中参数m的选择问题,提出了一种结合优化算法的自适应参数选取算法.该算法依据一种图像分割质量评价指标建立目标函数,再基于量子粒子群优化搜索算法在参数的变化空间自适应地搜索最佳参数,同时依据模糊熵最大准则对S型隶属度函数中的三个参数(a,b,d)进行了全局组合寻优,从而建立了一个嵌套的优化搜索过程,实现了广义模糊熵图像阈值分割方法的自动阈值选取.实验表明,该方法对光照不均匀图像有更好的分割效果.     

基于模糊约束的军事物资配送多目标路径优化

针对带模糊时间窗口、模糊运输费用以及模糊运输风险的多目标军事物资运输问题,利用模糊期望理论,建立了带模糊约束问题的多目标运输路径优化模型,并利用改进的多目标量子遗传算法求解该模型,算法中采用量子比特编码,引入非支配排序和精英保留策略,防止算法陷入局部最优。仿真实验结果表明,建立的模型合理、算法有效,在军事物资配送问题中具有一定的实用价值,与传统的多目标遗传算法相比较,利用改进的多目标量子遗传算法求解该问题,收敛速度更快。     

基于模糊时间序列预测的二目标区间数折衷规划

用效用函数代替传统投资规划目标函数中的收益率,采用S型隶属函数描述反映投资收益带给投资者的心理满意度水平,利用模糊时间序列的模糊逻辑关系预测满意度水平,建立目标函数为区间收益和区间风险的二目标区间数规划,在引入优化系数的基础上,并采用折衷规划的方法求解.对上证180成分指数进行实证检验表明:所提出的模型对待定参数依赖性小,具有很强的鲁棒性;在参数在标量范围内,所提出的模型具有很好的投资决策效果.     

基于粒子群优化算法和模糊模拟的核电备件模糊EOQ模型

在备件存储费用和订货费用均为模糊变量情况下,构建了备件模糊相关机会规划EOQ模型;设计了基于改进粒子群优化算法和模糊模拟方法的智能算法来计算模糊目标函数的期望值和模糊事件的可信性,得到了使企业库存费用不超过某一预算水平的可信度最大的最优订货量,同时通过算例验证了模型及求解算法的有效性并进行了敏感性分析.     

对方案有偏好的区间直觉模糊多属性决策方法

针对属性权重信息未知或属性权重信息不完全且属性值和对方案的偏好值均为区间直觉模糊数多属性决策问题,基于偏差极小化的思想,给出了相应的决策分析方法。首先引入了区间直觉模糊数的一些运算法则、区间直觉模糊数的得分函数和精确函数。然后分别对权重信息未知或权重信息不完全且属性值和对方案的偏好值均为区间直觉模糊数多属性决策方法进行了研究,给出了基于最小偏差的目标规划模型,从而获得相应的属性权重,基于区间直觉模糊数加权平均(IIFWA)算子对区间直觉模糊信息进行集结,进而根据得分函数和精确函数对方案进行排序。最后,进行了实例分析,说明了该方法的实用性和有效性。     

模糊粗糙神经网络的结构与参数优化

基于模糊粗糙隶属函数,建立了一种五层结构的模糊粗糙神经网络（fuzzy rough neural network, FRNN）,对神经元之间的连接,引入一个开关函数,从而把结构优化和参数学习问题转化为单纯的函数优化问题。提出一种混合智能优化算法（hybrid intelligent optimization algorithm, HIOA）用于FRNN的结构和参数优化,适应度函数同时考虑模型的精确性和网络的节俭性。典型的实验结果表明,FRNN适用非线性系统建模,相对于普通神经网络及其优化方法能获得更高的精度和泛化能力。     

基于模糊机会约束双层规划的动态火力分配建模与实现

针对现有动态火力分配模型未考虑不确定因素及复杂约束的问题,引入不确定规划理论,建立了基于模糊机会约束双层规划的动态火力分配模型.首先,以最大化效费比和尽早拦截分别作为模型的上下层目标函数,并考虑复杂战场环境下的模型约束.在此基础上,构建了一种针对双层多约束动态火力分配问题的递阶结构粒子编码方案,并将带审敛因子的离散变邻域粒子群算法及带怀疑因子及斥力因子的粒子群算法有效结合,利用模糊模拟技术,提出一种分层递阶的混合模糊粒子群算法.仿真实例表明,该算法具有更强的全局寻优能力和更快的收敛速度,能够满足大规模动态火力分配问题对时效性的高要求.     

基于混合协同粒子群优化的广义T-S模糊模型训练方法

针对广义Takagi-Sugeno(T-S)模糊模型训练中存在的高维、非线性、混合参数估计问题,提出了一种基于混合协同粒子群优化的广义T-S模糊模型训练方法.该方法用离散二进制微粒位置表示模型的结构参数,用普通微粒位置表示模型规则中模糊集隶属函数的参数;这两种微粒位置联合体构成一个模型完整的模型前件参数集.两种群通过协同进化优化所有前件参数;模型后件参数用卡尔曼滤波算法估计.该方法不要任何先验知识,能产生紧凑的、泛化性能较好的模糊模型.函数逼近的数字仿真说明了该方法的有效性.