梯度策略的多目标GANs帕累托最优解算法

针对基于梯度策略的多目标优化算法无法适用于多目标、高维度的生成对抗网络(Generative Adversarial Nets, GANs)及多目标GANs中利用交叉验证产生次优解,极难求得最优解等问题,提出一种基于梯度策略的多目标GANs帕累托最优解算法。该算法采用硬参数共享方式,将多目标优化分解为多个两目标优化,确定多目标权重参数后,沿着梯度方向进行线性搜索,最终确定帕累托最优解。理论上,在弱条件约束下,证明了所提算法能够确切地产生帕累托最优解。实验上,将所提算法应用到图像处理的常见领域,对比所提算法与原算法的性能。结果表明,当目标数量大于2时,所提算法能够产生明显的性能优势。     

建筑生命周期碳排放评价函数多目标优化算法

碳排放量一旦超标,会使全球气温升高,导致南北极冰川融化,形成自然灾害.为此提出一种建筑生命周期碳排放评价函数多目标优化算法,通过对建筑物的规划设计、施工阶段、运行维护阶段以及拆除阶段二氧化碳总排放量进行计算,获得排放的碳系数,再找出帕累托最优解集以及帕累托前端,决策者依据实际需求,解决建筑工程内多目标优化问题,最后计算非劣解集到达帕累托最优解集间距离、分散性以及错误率,完成对建筑物的碳排放量多目标优化评价.仿真结果证明,所提方法得到的碳排放量的数据更加准确,可更有效完成评价.     

基于帕累托改进的多机器人动态任务分配算法

针对多机器人系统动态任务分配中存在的优化问题,在使用合同网初始任务分配的基础上提出了一种使用帕累托改进的任务二次分配算法。多机器人系统并行执行救火任务时,首先通过初始化任务分配将多机器人划分为若干子群;然后,每个子群承包某一救火任务,子群在执行任务的同时与就近子群进行帕累托改进确定需要迁移的机器人,实现两子群之间帕累托最优;最后,使用后序二叉树遍历对所有子群进行帕累托改进实现全局帕累托最优。理论分析和仿真结果表明,相较于强化学习算法和蚁群算法,所提算法的救火任务时间分别减少26.18%和37.04%;相较于传统合同网方法,所提算法在时间方面能够高效完成救火任务,在系统收益方面也具有明显优势。     

混合分解和强度帕累托多目标进化算法

在多目标进化优化中,使用分解策略的基于分解的多目标进化算法(MOEA/D)时间复杂度低,使用〖BP(〗强度帕累托策略的〖BP)〗强度帕累托进化算法-2(SPEA2)能得到分布均匀的解集。结合这两种策略,提出一种新的多目标进化算法用于求解具有复杂、不连续的帕累托前沿的多目标优化问题(MOP)。首先,利用分解策略快速逼近帕累托前沿;然后,利用强度帕累托策略使解集均匀分布在帕累托前沿,利用解集重置分解策略中的权重向量集,使其适配于特定的帕累托前沿;最后,利用分解策略进一步逼近帕累托前沿。使用的反向世代距离(IGD)作为度量标准,将新算法与MOEA/D、SPEA2和paλ-MOEA/D在12个基准问题上进行性能对比。实验结果表明该算法性能在7个基准问题上最优,在5个基准问题上接近于最优,且无论MOP的帕累托前沿是简单或复杂、连续或不连续的,该算法均能生成分布均匀的解集。     

基于粒子群蚁群算法的供应链合作伙伴选择研究

针对供应链合作伙伴选择的准确性和效率问题,提出一种基于粒子群和蚁群优化的合作伙伴选择算法。建立基于供应链链节体和连接弧的有向图路径模型,构造多目标规划模型。利用改进的离散型粒子群算法,求取伙伴选择问题的初始解集,构建初始信息素矩阵,通过改进蚁群算法的寻径规则,求取供应链合作伙伴选择问题的最优解。实验结果表明,所提算法有效提高了供应链合作伙伴选择的精度和效率,具有较好的性能。     

基于模糊时间窗的多目标冷链配送优化

随着生鲜冷链行业竞争逐渐白热化,成本高、时效性强、新鲜度难以保持等问题已成为制约冷链物流配送的瓶颈。为提高生鲜配送效率,考虑客户满意度,以货损成本、惩罚成本等综合配送成本最低为目标函数,构建了一个多目标配送路径优化模型。设计带精英策略的非支配排序遗传算法（Elitist Non-dominated Sorting Genetic Algorithm,NSGA-II）求解该问题,利用Solomon标准数据集进行仿真模拟实验。实验结果对比分析表明,考虑满意度时冷链物流配送所需车辆更少,总路径长度更短,设计的算法可以在较短的时间内获取到帕累托最优解集,能够有效地解决模糊时间窗下的配送路径优化问题。     

考虑时变交通状况的低碳车辆路径优化

研究了由常发性交通拥堵造成的实时交通状况变化对低碳车辆路径优化的影响。用道路交通状态指数表示城市实时交通状况，以低碳和配送时间最短为目标建立整数规划模型进行路径优化。设计了改进的粒子群算法进行求解，得到帕累托前沿解集。数值算例表明，改进的粒子群算法能有效找到满意解。通过帕累托解集可以证明该方法可以在牺牲少量配送时间的前提下减少碳排放量。随着交通状态指数的增大碳排放量的优化效果更加明显。     

经济效益与水质提升双视角下南水北调水资源供应链契约协调

南水北调工程是国家水网的重要组成部分,为进一步发挥南水北调工程水资源优化配置能力,确保优质南水供给,推动后续运营管理工作有序开展,助力国家水网建设,结合博弈论与供应链理论,从考虑经济效益和水质提升双目标视角,探讨南水北调水资源供应链协调问题.基于对南水北调水资源供应系统的概化及相关假设,建立水资源供应链的市场需求函数、水质效用函数和水质提升成本函数,分别构建包括集中决策、批发价格契约和收益共享-水质提升成本共担契约下的水资源供应链多目标模型并探讨相应的协调策略.最后通过数值分析对结论进行验证.研究表明,水质效用与经济效益之间存在冲突,批发价格契约无法实现供应链的协调,而收益共享-水质提升成本共担契约可以实现水质效用目标的协调,以及经济目标的帕累托改进.     

风险规避制造商市场入侵策略

针对由风险中性的在位制造商、风险规避的外来制造商和风险中性零售商组成的二级供应链系统,基于Stackelberg博弈理论建立不同市场入侵策略下的决策模型,研究风险规避的外来制造商市场入侵策略选择问题,分析市场入侵和风险规避行为对供应链成员均衡决策的影响.研究发现:当外来制造商通过零售商销售产品时,损害在位制造商的利润,但对零售商有利;当外来制造商通过网络渠道直接向消费者销售产品时,不一定损害在位制造商的利润,存在帕累托改进区域;当外来制造商的风险规避程度较大时,价格战愈发激烈,对自身、在位制造商和零售商都是不利的;外来制造商的市场入侵策略受质量差异程度、风险规避程度、生产成本和直销成本的综合影响;外来制造商选择最优的市场入侵策略时,损害在位制造商的利润,而且供应链系统不能实现帕累托改进.     

边云协同计算中基于预测的资源部署与任务调度优化

数据集中处理的云计算模式提供交互迅速、绿色高效的多样化应用服务面临新挑战.将云计算能力扩展到边缘设备,提出了边云协同计算框架;设计了基于任务预测的资源部署算法,在云服务中心通过二维时间序列对任务进行预测,结合分类聚合、延迟阈值判定等优化边缘服务器任务运行所需资源部署;提出了基于帕累托优化的任务调度算法,在边缘服务器分2个阶段进行帕累托渐进比较得到用户服务质量和系统服务效应2个目标曲线的相切点或任一相交点以优化任务调度.实验结果表明:结合基于任务预测的资源部署算法与基于帕累托优化的任务调度算法在提高平均用户任务命中率基础上,其用户平均服务完成时间、系统整体服务效应度、总任务延迟率在不同用户任务规模、不同Zipf分布参数α的应用场景下,均优于基于帕累托优化的任务调度算法和基于FIFO(first input first output)的基准任务调度算法.     

基于Prim-DMGA算法的闭环供应链网络鲁棒优化研究

针对不确定环境下的闭环供应链网络优化问题,在需求不确定及设施中断风险的条件下,基于鲁棒对等优化方法建立了一种以闭环供应链网络总成本最小为目标的鲁棒优化模型,以解决供应链网络中的不确定性问题,并提出了Prim-DMGA。首先基于Prim算法得到高质量的初始种群,其次让路径规划方案和设施选址方案在两层自适应GA的不断反馈中达到最优。实验结果表明,Prim-DMGA得到的目标函数值优于单层Prim-MGA与传统GA,且在求解大规模算例时,求解结果优于CPLEX软件。研究结论表明,Prim-DMGA能以较少的计算时间获得质量更优的解,鲁棒优化模型可以有效减少不确定因素带来的不利影响,提高闭环供应链网络的鲁棒性能。     

考虑供应商选择的选址一库存一路径的联合优化

针对装配型制造企业供应链集成优化问题,建立了随机需求情形下整合供应商选择和各层级之间运输方式选择的多层级选址—库存模型。该模型通过对供应商的选择,装配厂和分销中心的选址,相邻两层级之间的分配服务关系及运输方式的确定,实现整体供应链网络成本最小化。为求解此混合整数非线性规划模型,设计了一种矩阵编码的改进自适应遗传算法。仿真实验表明,该算法的解的寻优能力明显优于标准遗传算法,得出了供应链总成本与装配厂的最大提前期存在一定规律性的结论。     

Designing an integrated multi-echelon agile supply chain network: a hybrid taguchi-particle swarm optimization approach

The present paper attempts to explore the integration of production, distribution and logistics activities at the strategic decision making level where, the objective is to design a multi-echelon supply chain network considering agility as a key design criterion. The design network conceived here addresses a class of five echelons of supply chains including suppliers, plants, distribution centers, cross-docks and customer zones. The problem has been mathematically formulated as a multi-objective optimization model that aims to minimize the cost (fixed and variable) and maximizes the plant flexibility and volume flexibility. The notion of cross-dock has been introduced as an intermediate level between distribution centers and customer zones to increase the profitability of manufacturing and service industries. In order to solve the underlying problem, a novel algorithm entitled hybrid taguchi-particle swarm optimization (HTPSO) has been proposed that incorporates the characteristics of statistical design of experiments and random search techniques. The main idea is to integrate the fundamentals of taguchi method i.e. orthogonal array and signal to noise ratio (SNR) in the PSO meta-heuristic to minimize the effect of the causes of variations. The proposed model has been authenticated by undertaking problem instances of varying size. Extensive computational experiments are conducted to validate the same and also the efficacy of the proposed HTPSO algorithm. The results obtained reveal that proposed solution methodology is an effective approach to solve the underlying problem.     

基于改进鲸鱼优化算法的血液供应链网络多目标鲁棒优化设计

为解决血液供应链网络设计中的不确定性问题,建立了一种血液供应链网络多目标鲁棒优化设计模型。首先,针对带有5个节点的血液供应链网络,建立考虑安全库存的、目标为成本最小、存储时间最短的优化函数,并采用ε约束、Pareto最优和鲁棒优化方法对已建模型进行处理,将多目标问题转化为单目标鲁棒问题;其次,对原有鲸鱼优化算法（WOA）进行改进,引入差分算法的交叉和变异理念,增强了搜索能力并改善了局限性,从而得到差分鲸鱼优化算法（DWOA）,并采用此算法对处理后的模型求解。通过数值实例,验证当测试问题相同时,优化模型在需求短缺方面比确定模型的短缺量平均少76%。因此,所提优化模型在应对需求短缺时更具优势;通过仿真对比分析图像,得出DWOA相比WOA、粒子群优化（PSO）算法和遗传算法（GA）中断时间更短并且成本更低。     

Formulation and analysis of dynamic supply chain of backfill in construction waste management using agent-based modeling

Backfill is the excavated material from earthworks, which constitutes over 50% of the construction wastes in Hong Kong. This paper considers a supply chain that consists of construction sites, landfills and commercial sources in which operators seek cooperation to maximize backfill reuse and improve waste recovery efficiency. Unlike the ordinary material supply chain in manufacturing industries, the supply chain for backfill involves many dynamic processes, which increases the complexity of analyzing and solving the logistic issue. Therefore, this study attempts to identify an appropriate methodology to analyze the dynamic supply chain, for facilitating the backfill reuse. A centralized optimization model and a distributed agent-based model are proposed and implemented in comparing their performances. The centralized optimization model can obtain a global optimum but requires sharing of complete information from all supply chain entities, resulting in barriers for implementation. In addition, whenever the backfill supply chain changes, the centralized optimization model needs to reconfigure the network structure and recompute the optimum. The distributed agent-based model focuses on task distribution and cooperation between business entities in the backfill supply chain. In the agent-based model, decision making and communication between construction sites, landfills, and commercial sources are emulated by a number of autonomous agents. They perform together through a negotiation algorithm for optimizing the supply chain configuration that reduces the backfill shipment cost. A comparative study indicates that the agent-based model is more capable of studying the dynamic backfill supply chain due to its decentralization of optimization and fast reaction to unexpected disturbances.     

Adaptive genetic algorithm for advanced planning in manufacturing supply chain

A main function for supporting global objectives in a manufacturing supply chain is planning and scheduling. This is considered such an important function because it is involved in the assignment of factory resources to production tasks. In this paper, an advanced planning model that simultaneously decides process plans and schedules was proposed for the manufacturing supply chain (MSC). The model was formulated with mixed integer programming, which considered alternative resources and sequences, a sequence-dependent setup and transportation times.The objective of the model was to analyze alternative resources and sequences to determine the schedules and operation sequences that minimize makespan. A new adaptive genetic algorithm approach was developed to solve the model. Numerical experiments were carried out to demonstrate the efficiency of the developed approach. Received: June 2005 / Accepted: December 2005     

分布式多工厂、多分销商的供应链生产计划模型

描述了分布式多工厂、多分销商的供应链生产 计划,以实现最小化提前/拖期惩罚费用、生产成本、产品运输费用的总额为目标建立了模型 ,通过模型转换,求解得到了其生产计划调度方案.计算结果证明了模型的有效性和可行性.     

多目标多时间窗车辆路径问题的鸽群-水滴算法

针对智能水滴算法求解带时间窗车辆路径规划收敛速度慢、计算精度差的问题,根据带时间窗车辆路径问题的应用要求,利用整数线性规划方法,以配送车辆的最小运输总成本、最短运输距离和最少安排数量为目标,综合考虑了车辆出发点、服务点、装载量、行驶距离、服务时间窗等诸多约束条件,构建了多目标多时间窗车辆路径模型;为了精准快速求解多目标多时间窗车辆路径模型,提出一种鸽群-智能水滴互补改进优化算法,将河道水滴离散二进制变换后,采用地图罗盘算子和地标算子分别改进水滴的流动速度和方向,并利用自适应变邻域扰动策略干扰水滴携带的泥土量,提高水滴算法的开发和探索能力;利用理想点法和罚函数与多目标优化混合方法分别处理多目标函数与约束条件,并以两种经典的带时间窗车辆路径问题为实例,通过与遗传算法、智能水滴算法和鸽群-水滴算法的计算结果进行比较,结果表明：在相同的算法参数和经济指标下,鸽群-水滴算法相比于智能水滴算法求解模型中的运输路径缩短20 km左右、运输成本节约403元左右,且该算法的求解时间和迭代次数也明显优于其他两种人工智能算法。     

电网中断下基于DWOA的生鲜产品闭环供应链网络多目标模糊优化设计

针对生鲜产品供应链网络设计问题,建立了一种电网中断下的闭环生鲜供应链网络多目标模糊优化设计模型,以此解决供应链网络设计中的不确定性问题.首先,针对电网中断下生鲜产品闭环供应链网络结构设计,建立目标为成本最小、碳排放最少、中断时间最短的优化函数,采用Me测度和三角模糊数对该模型进行处理,将多目标问题转换为单目标问题;其次,在原有鲸鱼算法的基础上,引入差分算法的交叉和变异理念,增强其搜索能力,改善其局限性,得到改进差分鲸鱼优化算法(DWOA),并采用此方法对处理后的模型求解;最后,通过数值实例和敏感性分析表明,提出的算法和模型在处理生鲜产品供应链网络优化设计方面具有较强的求解能力,且计算时间较短.     

基于改进HBA算法的生鲜闭环供应链网络鲁棒优化设计

针对生鲜闭环供应链网络设计问题,建立了一种基于生鲜闭环供应链网络的鲁棒优化模型,以解决供应链网络中的不确定性问题。首先,针对涵盖五个节点的生鲜供应链网络结构建立了多周期、多产品,以最小化成本、最小环境影响为目标的混合整数规划模型,采用模糊折中规划与区间数据鲁棒优化方法进行处理;其次,在原有蜜獾算法的基础上引入差分进化原则,增强算法的全局搜索能力与收敛速度;最后,通过MATLAB数值分析与仿真实例表明,所提鲁棒优化模型与蜜獾算法在求解生鲜闭环供应链网络设计问题中具有明显优势。