两类需求下双源供应的库存配置策略

建立应急供应是应对市场需求波动的主要策略之一。围绕零售系统在双源供应下向两类顾客提供服务的库存配置策略,建立库存水平状态稳态概率分布平衡方程,并推导出稳态概率分布以及系统的稳态性能指标;构建库存成本控制优化模型并给出改进的遗传算法;通过数值实验验证了算法的有效性并研究了库存配置策略。结果表明,库存配置策略优于优先权库存控制策略。另外,在顾客到达强度较大的情况下,当两种供应源产品价格差别较小时,可优先从应急供应源补货来控制成本。     

成本约束下影响力最大化问题研究

企业希望在社交网络信息传播过程中影响到更多的用户,以便其在有限成本约束下达到营销目标。依据此背景,定义了一个新的社交网络影响力最大化问题:成本约束下的影响力最大化问题,即在有限成本条件下选择一个初始节点集传播信息使得最终状态下全网被影响到的范围最大化。基于网络中用户的网络拓扑结构和用户交互信息衡量用户激活成本,并在独立级联模型下使用遗传算法求解上述问题,最后通过不同数据集上的实验验证遗传算法在最终影响范围和运行时间上都获得较好的效果。     

基于安全约束的停机位分配问题的研究

停机位在机场运作系统中扮演着重要的角色,如果没有制定高效合理的停机位分配方案,航班便不能按原计划准时到达预定的停机位.随着航班数量的不断增加,机场运作效率的提高面临重大挑战,因此需要对航班进行停机位的合理分配.同时,合理地控制各个停机位的空闲时间可以避免相邻机位航班的运行冲突.考虑到机场系统的安全运行约束,建立避免冲突的停机位分配模型,引入实例,采用遗传算法进行求解,得出停机位分配的甘特图,验证了模型的合理性与有效性,更加贴近实际,提高了机场运行效率.     

基于改进遗传算法的自抗扰控制器优化设计

针对超空泡航行体受力特征及其航行时具有非线性、时滞与耦合等复杂问题,提出可根据适应度对控制参数进行自适应动态调整的改进遗传算法。通过建立超空泡航行体纵向模型,设计专用自抗扰控制器对其进行控制,并针对控制器参数多、调节困难的问题,改进了自适应遗传算法对其精确优化。最后通过特性仿真,验证了基于改进的自适应算法的自抗扰控制器相比经典自抗扰控制器的优势。仿真结果表明,该自抗扰控制器符合实际需求,具有良好的控制效果。     

基于非泊松分布的不可修备件优化配置模型

 针对已有备件配置模型的局限性,研究需求服从非泊松分布的不可修备件优化配置模型.通过分析两级库存系统不可修备件的保障特点,将需求服从泊松分布的假设放宽,建立需求服从非泊松分布的不可修备件满足率通用模型,在此基础上构建以备件配置费用最小为优化目标,以系统备件配置满足率为约束条件的两级库存系统不可修备件配置优化模型,并通过遗传算法给出最优配置方案.结合案例的优化及验证结果显示,该优化配置模型适用于正态分布等需求服从非泊松过程的备件配置问题,其配置方案在保证系统备件配置总费用最低的前提下,使备件满足率达到95.02%,与Opus 10 软件的计算结果一致,表明优化配置模型的可行性和可靠性.     

粒子群与遗传算法的混合算法

针对粒子群算法直接用于求解离散旅行商优化问题会存在诸多困难,通过分析粒子群算法、遗传算法各自优缺点,将粒子群算法、遗传算法有效结合组成混合算法用于求解离散旅行商问题.混合的目的在于保持两种算法各自的优点,并有效地避免各算法原有的不足.对3个不同规模的巡回旅行商问题进行实验,结果表明:混合算法提升了算法的局部搜索能力.     

空天高速飞行器多传感器协同跟踪任务规划研究

针对空天高速飞行器连续稳定跟踪难题,构建了基于多智能体（multi-agent system, MAS）的多传感器协同跟踪任务规划框架,建立了面向空天高速目标协同跟踪的多传感器协同调度优化模型,并提出了基于自适应克隆遗传算法(self-adaptive clonal genetic algorithm, SCGA)的协同跟踪任务规划算法。仿真实验验证了所建立的模型、算法的合理性和优越性,对未来空天高速飞行器探测预警系统的构建具有一定的技术支撑作用。     

一种配送中心订单分拣优化问题的研究

研究一种配送中心订单分拣优化问题.目标函数设置为总的拣选订单行走的距离,使用遗传算法优化订单的分批组合,并且在本文中订单分批时,先挑选种子订单,通过对种子订单有策略的选取,最终达到优化拣选的总距离的目的.所采用的模型、方法对订单分拣有较好的优化.     

新的时变时滞不确定系统的稳定性判据

研究带有时变有界的不稳定时滞系统的稳定性问题。通过运用Lyapunov-Krasovskii稳定性理论、合理建立Lyapunov-Krasovskii函数,结合积分不等式引理和交互式凸组合方法,减少不确定时变时滞系统相关判据的决策变量,给出了系统是渐近稳定的充分条件。所得结论采用线性矩阵不等式表示。数值例子验证了该方法的有效性。     

改进遗传算法在TSP组合优化问题中的应用

TSP组合优化问题随着问题规模的增大,其潜在解的搜索空间增长速度比指数函数增加的速度还快.TSP问题的NP-hard使得求解这些问题的最优解非常困难.提出了通过改进经典遗传算法来求解TSP问题近似解的一个算法.仿真结果验证了该算法的有效性.