敏捷供应链质量兼容生产计划模型与算法

描述了敏捷供应链质量兼容生产计划问题,建立了有限企业资源约束条件下的极大化模糊交货期满意度数学模型,设计了一种求解模型的导引变异遗传算法,从而利用信息查询引导变异个体进行可行化随机变异,同时应用惩罚技术和精华选择策略来引导遗传搜索达到可行解空间的最好区域.大量计算结果表明了模型和所提算法的有效性.     

基于时间槽的敏捷供应链集成调度模型及优化

针对市场需求出现后敏捷供应链需要选择各级部件供应商并安排对应的生产运输调度问题,以准时满足市场需求为基本约束,以供应链库存、生产和运输总成本最小为目标函数,建立了基于供应商可用时段时间槽表示方式下的敏捷供应链集成调度INLP模型;基于该模型具有大量的时间和数量约束,设计了以时间槽实数编码作为基因编码的混合遗传算法,在解码过程中引入贪婪-序的解码方法保证产生满足约束的解,加速算法收敛和寻优; 最后以算例验证模型和算法的有效性和稳健性.     

提前期牛鞭效应的产生与基于TOC的生产计划控制

分析敏捷供应链下存货型生产类型生产计划和控制的特点和要求，从新的角度——“通过时间综合症”的存在分析了生产提前期牛鞭效应产生的原因及对敏捷供应链生产计划和控制的影响，阐述了常规控制牛鞭效应措施的局限，探讨了在敏捷供应链条件下，基于约束理论（TOC）的存货生产牛鞭效应的控制方法。     

基于蚁群算法的敏捷供应链伙伴选择

伙伴选择是在组建敏捷供应链过程中的关键问题。引入蚁群优化来解决这一问题,提出了一种基于蚁群算法的敏捷供应链伙伴选择优化算法。在求解过程中蚂蚁倾向于选择曾经合作过并且合作效果比较好的企业作为伙伴并组成供应链,体现了熟人机制;“自适应扰动机制”可以避免算法的早熟。最后以一个典型算例说明了该算法的有效性。     

采用优先权解码的多阶段供应链网络设计方法

建立基于物流成本最小的多级供应链网络模型。该模型综合考虑了运输成本,设施的建设开办成本以及生产装配成本,本质上属于混合整数非线性规划模型。由于非线性约束及供应链网络庞大的变量和约束条件,常规的分支定界法难以精确求解。为此,本文设计了基于优先权编码的遗传算法进行求解,并将求解结果与Lingo软件的算法结果进行比较,算例结果显示了这种算法的有效性。     

一种基于对偶与逆序组合算子的遗传算法

针对遗传算法易陷入局部最优的问题,模拟生物基因的对偶性和有序性,提出对偶与逆序组合算子,与具有良好全局搜索模式的遗传算子优化组合应用,构造了一种基于对偶与逆序组合算子的遗传算法.从理论上证明了算法的收敛性.仿真实验表明,该算法具有更好的寻优性能,对应用串型编码遗传算法解决非线性优化问题有很好的借鉴意义.     

一种求解工程调度中资源水平问题的遗传算法

结合资源受限情况下工程调度中资源水平问题的特点 ,提出了一种有效的遗传算法 .文中对解的编码方式、遗传算子的定义及算法结构进行了描述 .通过对大量被普遍应用的标准问题的求解实验表明 ,遗传算法是求解 RLP的一种有效算法 .     

基于遗传算法的供应链联盟伙伴选择

在描述供应链联盟伙伴选择多目标决策模型的基础上,提出了一种求解供应链联盟伙伴选择优化问题的自适应遗传算法,并以实例说明了该算法的有效性.     

基于递阶遗传算法的一类多旅行商问题优化

针对最小化单个旅行商路程的多旅行商问题,提出了一种递阶遗传算法和矩阵解码方法。该算法根据问题的特点,采用一种递阶编码方案,此编码与多旅行商问题一一对应。用递阶遗传算法优化多旅行商问题不需设计专门的遗传算子,操作简单,并且解码方法适于求解距离对称和距离非对称的多旅行商问题。计算结果表明,递阶遗传算法是有效的,能适用于优化多旅行商问题。     

基于服务型制造的再制造批量计划问题

服务型制造环境下再制造批量计划问题包含产品回收过程和新产品满足过程2个非独立的生产活动。研究了存在产品回收再制造和新产品制造的动态批量生产计划问题。通过将2个活动在批量生产环境下进行整合分析,得出了批量生产环境下最优解属性;采用了一组依赖问题特征的遗传编码,将问题的特殊性在编码阶段得以体现。最后,通过算例证明了模型及算法的有效性。     

Global Convergence Analysis of Non-Crossover Genetic Algorithm and Its Application to Optimization

Selection, crossover, and mutation are three main operators of the canonical genetic algorithm (CGA). This paper presents a new approach to the genetic algorithm. This new approach applies only to mutation and selection operators. The paper proves that the search process of the non-crossover genetic algorithm (NCGA) is an ergodic homogeneous Markov chain. The proof of its convergence to global optimum is presented. Some nonlinear multi-modal optimization problems are applied to test the efficacy of the NCGA. NP-hard traveling salesman problem (TSP) is cited here as the benchmark problem to test the efficiency of the algorithm. The simulation result shows that NCGA achieves much faster convergence speed than CGA in terms of CPU time. The convergence speed per epoch of NCGA is also faster than that of CGA.     

铜闪速熔炼配料过程建模与智能优化方法研究

针对铜闪速熔炼配料过程人工计算配比的主观性和局限性,基于配比影响因素分析,建立综合考虑品位、成本、库存的配料优化模型;引入"软约束"调整模型的约束边界,改善优化问题求解的可行性;并提出以单变量编码的交叉变异来确定整体决策向量的改进遗传算法进行寻优,以克服多维变量编码时可能导致搜索空间剧增的缺陷.最后结合工业运行数据进行配比优化计算,优化结果表明该方法在满足熔炼工艺要求基础上,能有效降低杂质含量和生产成本.     

利用多群体DNA遗传算法求解线性规划问题

针对经典遗传算法存在的问题 ,提出了多群体DNA遗传算法。该方法在经典遗传算法的基础上 ,通过借鉴生物学及社会学 ,引入了多群体及DNA片断等概念 ,并提出迁移与自适应变异算法 ,可以提高遗传算法的有效性与收敛性。为了验证算法的有效性 ,将该算法应用于线性规划问题的求解。在求解过程中 ,首先利用熵障碍对偶方法对原问题进行转换 ,然后使用多群体DNA遗传算法对转换后的目标函数进行求解。仿真结果表明 ,该方法具有良好的全局搜索能力和较快的收敛速度。以上工作为解决大规模线性规划问题的求解提供了全新的思路和方法 ,对遗传算法应用的发展具有重要意义     

解旅行商问题的一个新的遗传算法

对旅行商(TSP)问题设计了一个新的遗传算法.首先,对n个城市的旅行商问题设计了一个新的编码方法,并且对这种编码方法,给出了简便的解码方法.其次,针对编码的特点,设计了一种新的、有效的杂交算子和变异算子,这些算子均能直接产生可行的后代.为提高杂交算子的搜索能力,结合了一个局部搜索技术来改进杂交算子.在此基础上,提出了求解TSP的一个新的遗传算法,并证明了其全局收敛性.为了验证算法的有效性,对10个国际标准算例(城市规模从14到1000)进行了计算机仿真,结果表明算法是有效的.     

基于混沌遗传算法的板坯入库决策优化方法

针对热轧板坯库优化管理，分析了板坯入库操作流程，并建立了板坯入库决策的优化模型，考虑了板坯入库库位和垛位选择的多种原则，对一个板坯入库批次进行全局优化运算，可快速为板坯选择最优的库位和垛位。对于模型的求解方法，构造了一种自适应的混沌遗传算法，采用自然数编码方式，动态的在线调整算法的交叉和变异概率，并采用混沌优化方法作为变异算子。对生产数据进行实际排产的结果表明，建立的模型和算法切实可行，可应用于生产实际。     

自适应变异粒子群算法在交通控制中的应用

提出了自适应粒子群算法结合实数遗传算法中变异算子的混合算法，它能提高算法的收敛性和稳定性。同时，通过对交通路口的通行情况的研究提出了一种新颖的离散交通信号控制模型。此模型以交叉路口各方向车流支路为基本单元，以各支路车流信息为输入，得出交通信号控制的各项性能指标。在此模型的基础上，应用自适应变异粒子群算法实现交通信号优化控制及验证算法。仿真结果表明自适应变异粒子群算法能够有效实现交通信号优化控制。     

求解同顺序加工调度问题的一种改进遗传算法

同顺序加工调度问题是一类典型的 NP-hard问题 ,具有广泛的工程背景 ,该问题的研究具有重要的理论意义和工程价值 ,同时开发有效的优化算法一直是该领域的热门课题 .结合启发式和随机方法产生初始解 ,对种群进行分解并用多种交叉操作进行进化 ,在整体替换后用模拟退火的 Metropo-lis抽样过程代替变异操作 ,本文提出了一种改进的遗传算法 ,算法保证了初始种群一定的质量和多样性 ,多种交叉操作有利于丰富搜索行为 ,在温度控制下的抽样过程成为概率可控的变异操作且搜索行为一定程度上可控 .基于典型算例的仿真研究验证了改进遗传算法的有效性和较好的初值鲁棒性 ,其优化质量大大优于传统遗传算法和著名的 NEH启发式方法 .     

禁忌遗传算法在TSP中的应用

提出了带有禁忌交叉、变异的改进遗传算法,并将其应用于典型的TSP问题的求解.在求解过程中引入禁忌信息减小生成子代的模板空间的同时,加入张驰效应使得在禁忌操作中不丢失问题的最优解,从而改善了遗传算法的收敛速度.仿真数据表明,禁忌遗传算法比传统遗传算法在TSP问题中算法运行初期具备更好下降性,扩展了遗传算法在中、大规模NP-Hard问题快速求解中的应用.     

基于遗传算法的一类武器目标分配方法研究

针对联合作战的武器目标分配问题,建立了资源受限条件下的多组武器目标分配数学模型,并研究了用遗传算法求解模型的方法.该遗传算法通过设计一种满足约束条件的染色体编码格式,把求解问题转化为无约束的组合优化表现形式,从而可以利用单点随机定位算术交叉和变异运算以及精华选择策略来求解.仿真计算结果表明了模型和所提算法的有效性.