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.     

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.     

单级有资源约束的生产批量计划问题的元算法

为了解决生产计划系统中单级多资源约束的生产批量计划问题,采用将遗传算法广度搜索能力和局部深度搜索能力相结合的元算法(memetic algorithm,MA),对资源约束型生产批量计划模型进行了求解,并采用能力调整法和罚函数法处理不可行解.在能力调整法的实施阶段,采用"先顺序,再逆序"的处理方式进行资源能力调整.给出了元算法的运行流程图,对元算法的计算性能进行了测试,并与现有文献中的若干实例进行了比较,验证了所提算法的可行性和适用性.     

单一品种项目的生产批量问题的动态规划算法

单一品种项目的无能力约束的生产批量计划(ＳＵＬＳ)是生产批量计划的基本形式·多品种项目批量计划一般通过分解,可以变换为多个单一品种项目品种项目的批量计划子问题进行求解·基于单一品种项目无能力约束批量计划问题(ＳＵＬＳ)的性质,用ＭＳ．Ｃ实现了动态规划算法能够求得该问题的精确解·此算法不但可以用于比较启发式算法的性能,也可以用于多品种项目批量计划问题的子问题的求解·     

多资源约束的GTLS问题的遗传算法

成组单元环境下的生产批量计划问题成组批量计划问题（ＧＴＬＳ）对带有多能力约束的ＧＴＬＳ构造了遗传算法和线性规划混合算法进行求解，能够获得问题的近优解，仿真和计算结果表明了算法的有效性。     

考虑再制造的多级受限批量问题

文章针对单一最终产品的多级生产系统,建立了混合制造与再制造的一般批量模型;考虑了制造和再制造的多资源限制,并假设经过再制造出来的产品性能与新制造出来的产品相同,共同满足外部需求;构造了一个惩罚因子随着迭代过程变化而变化的自适应罚函数,把有能力约束的批量问题转换成无能力约束的批量问题后,采用遗传算法对模型进行求解;最后通过具体的算例来验证模型的可行性与算法的有效性,为相关企业进行生产决策提供参考.     

具有能力约束的供应链系统模型

针对包含一个供应商、一个制造商和一个经销商的三级供应链系统进行研究,并依次将系统中的成员称之为首级、中间级和尾级.在相关文献研究的首级和尾级具有能力约束的供应链系统联合批量模型的基础上,建立了一个中间级具有能力约束的三级供应链系统的联合批量模型,并提出了基于推拉混合规则的新的动态规划算法,可在多项式时间求解供应链系统中各个层级的最优决策批量,并通过相关定理的证明保证了算法能够求得全局最优解.最后通过算例分析对上述方法进行了阐述.     

热轧批量计划的模型与算法

针对钢铁企业中的热轧生产调度问题,考虑了生产工艺中的多重约束,建立了基于奖金收集车辆路径问题模型的批量计划模型。模型综合考虑了同宽轧制长度的限制和烫辊材的约束,并针对约束复杂冲突的特点,设计一种基于遗传算法和禁忌搜索的混合算法来求解。生产实际数据的仿真实验表明模型和算法的有效性。     

允许缺货的模糊库存模型优化求解与多目标规划

利用模糊结构元方法,研究允许缺货条件下模糊库存模型的求解与多目标决策问题.首先,介绍了经典库存模型,并定义了模糊库存模型.之后,在模糊结构元理论的基础上,得到了模糊数多元运算定理,在该定理的基础上确立了模糊经济批量公式的解析表达形式.由于确定最优经济批量是一个多目标决策的问题,因此,在得到最优模糊经济批量的基础上,采用分层序列法来求解该问题,进而得到了考虑企业战略规划、竞争对手和资金约束等因素的经济订购批量.最后,通过算例求解对比,模型适用范围更广且求解更为简捷.     

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.     

几何规划的简约共轭梯度算法

利用对偶理论将正定式几何规划转化为带有非负约束和线性等式约束下的非线性凸规划,并且将简约梯度算法与共轭梯度算法恰当结合,应用于求解约束正定式几何规划的对偶问题,构造出了求解几何规划的一个有效算法,并在Armijo步长搜索和适当的条件下证明了该算法的收敛性.     

基于混合算法求解ELSP问题的可行域分析

本文给出求解ELSP问题(Economic Lot Scheduling Problem)的可行域的特征、启发式规则和演化神经网络设计问题.经济批量问题采用基本时段方法表示,该方法产生两类决策变量,一种是表示基本时间段的连续变量,另一种是表示时间倍数的整数变量.在求解ELSP问题的算法设计中,可行域是判定启发式规则有效性的基础.为了给出可行域的特征,利用神经网络的演化计算,设计求ELSP问题的初值算法,设计演化参数函数、网络结构、演化函数、演化规则,并依此获得可行域的约束条件.对在可行域约束条件和启发式规则下设计的算法进行测试,并与用HGA和一般GA方法求解ELSP问题进行比较,求解效果明显提高,使得在满足可行性的前提下总费用减小.     

积分控制粒子群算法在再制造生产调度问题中的应用研究

针对不确定条件下再制造模糊加工时间的车间调度问题,建立了模糊工时调度模型,并提出了一种积分控制微粒群算法。考虑到基本粒子群算法易于早熟的缺点,通过增加控制器对粒子轨迹进行控制,在算法中引入加速度项,增强了种群多样性,提高了算法全局寻优能力。通过仿真实例验证表明,该算法在解决不确定条件下再制造生产车间调度问题方面是行之有效的。     

混合约束多目标优化问题的凝聚同伦内点方法

考虑用凝聚同伦内点法求解带有等式和不等式约束的凸多目标优化问题, 先用凝聚函数法将目标函数和约束条件进行光滑逼近, 再用组合同伦方法证明可行域内任一点在广义弱法锥条件下几乎处处收敛于混合多目标问题的弱有效解. 数值计算结果表明, 所给方法有效、 可行.     

主动配电网下分布式能源系统双层两阶段调度优化模型

为解决当前能源系统调度优化模型分层调度能力不高的问题,在控制分布式能源系统运行成本的前提下,构建主动配电网下分布式能力系统双层两阶段调度优化模型。优化调度模型分层调度函数,并设定能源系统调度约束条件。使用帝国竞争优化算法对能源系统调度优化模型进行求解,获取最佳调度方案。构建算例分析环节,引入IEEE-33节点配电网测试系统完成分析过程。算例测试结果表明：此模型在日前阶段与日内阶段均可提高能源利用率,确保了能源系统的经济性。可见此模型可有效提高分布式能源的消纳能力,使主动配电网的经济效益最大化。     

基于改进灰狼算法的并网交流微电网经济优化调度

为了提高微电网的日运转经济效益,本文构建了并网模式下交流微电网运转结构图,建立了并网模式下交流微电网日优化经济调度数学模型,该模型包含有多个子目标函数、多个约束条件。针对传统灰狼优化算法无法很好均衡算法的全局寻优能力和局部寻优能力,寻优精度差的问题,引进一种基于非线性变化的收敛因子均衡算法的全局寻优能力和局部寻优能力,从而提高灰狼算法的寻优精度。采用改进的灰狼算法和原始灰狼算法对四个基准测试函数进行仿真,实验结果表明改进灰狼算法相较于原始灰狼算法能够获得更优解,初步证实了改进灰狼算法的可行性及优越性,再将改进灰狼算法和原始灰狼算法分别应用于并网模式下交流微电网日优化数学模型求解,通过对仿真结果对比分析,证实了改进灰狼算法的确能够更好的提高并网模式下交流微电网的日运转经济效益。     

基于粒子群优化算法的支持向量机研究

基于粒子群优化算法提出了一种通过优化支持向量机模型参数,建立更佳的支持向量机数学模型的方法. 针对双螺旋分类问题,分别利用基于粒子群优化算法所建立的支持向量机分类器和标准支持向量机分类器进行了仿真实验,利用所建立的评价体系对仿真实验所获得的实验数据进行了评估,评估结果表明基于粒子群优化算法的支持向量机分类器明显优于标准支持向量机分类器,其分类结果表明基于粒子群优化算法的支持向量机分类器提高了分类结果的准确性,同时也验证了基于粒子群优化算法的支持向量机分类器在数据分类中的有效性.      

基于位变异的模式遗传算法

针对简单遗传算法容易陷入局部最优点的问题,提出了一种基于位变异的模式遗传算法,并利用典型应用函数进行计算测试,结果表明该算法可有效地提高全局搜索能力,较好地解决早熟问题。     

战时车辆调度问题算法及应用分析

战时车辆调度是精确后勤的核心内容之一,对提高部队机动性和后勤保障能力具有重要作用.对战时车辆调度问题进行分析研究,提出一种快速、高效的算法.对战时多任务车辆调度组合优化问题,即NP-Hard问题进行求解.构造了一个两层搜索结构的遗传禁忌混合算法,该算法充分利用了不同领域搜索方法的优点,增强了算法在解空间中的搜索能力和运行效率.试验分析结果表明:所提算法能有效地解决战时多任务车辆调度问题;与基本遗传算法相比,该算法的优化能力、运行效率、可靠性均得到了提高.     

一种可用输电能力量子粒子群优化算法

以量子行为与粒子群优化相融合的量子粒子群算法解决可用输电能力计算的优化问题.利用Matlab软件平台,以IEEE-30节点标准系统为算例进行仿真计算,比较本算法与传统粒子群算法的仿真结果,分析两种算法的寻优性能和收敛速度.仿真结果验证了量子粒子群算法解决可用输电能力优化问题的有效性.