多目标粒子群算法的动态多燃料经济环境负荷分配

考虑动态的负荷需求和多种燃料资源,以经济成本和环境成本为优化指标,建立动态多燃料经济环境负荷分配的多目标优化模型,并提出一种多目标粒子群优化算法求解该类优化模型.模型采用动态负荷需求和多种燃料资源,更有利于节约电能成本和提高能源利用效率,但高维数、复杂非线性和多目标成为求解该优化模型的难点,故在算法中引入多目标解集更新策略和变邻域搜索策略.实验仿真结果表明,该模型是有效的,且采用所提算法求解这类模型时所获得的近似Pareto前端的精度明显优于其他算法.     

考虑元素烧损和仓储成本的特种铝合金配料优化

配料计算是特种铝合金熔炼的重要准备工序,直接影响产品的最终性能.为提高产品质量和配料效率,降低原料和仓储物流成本,建立考虑元素烧损和旧料循环利用等因素的特种铝合金配料优化模型.针对该模型的目标多样性和非线性等特点,设计以投料量和投料时间为决策变量的实数编码规则,提出一种基于第3代非支配遗传算法并融入分布式估计策略的多目标优化算法用于求解该模型.通过基于真实生产数据的仿真实验进行模型和算法验证.实验结果表明,所提出模型能够有效地解决特种铝合金配料优化问题,与传统的多目标优化算法相比,所提出求解算法能够获得更优的结果.     

MTO 管理模式下钢铁企业生产合同计划建模与优化

基于对钢铁企业MTO管理模式下合同计划的编制策略、约束条件和优化目标的研究，建立了合同计划优化模型，模型综合考虑了拖期惩罚费用、设备能力均衡利用和库存成本等优化目标，并采用加权法将多目标优化模型转换为单目标优化模型，针对模型的特点设计了求解模型的特殊PSO算法，以某钢铁企业的实际合同计划问题作为实例，在算法不同参数组合下进行了系统的测试，实验结果表明模型和算法是令人满意的。     

考虑换模时间的冲压车间库存储备定额优化

在市场经济条件下，科学合理地确定物资储备是企业物资管理的重要内容。以某车身厂的冲压车间及生产库房为例，建立了库存储备定额优化模型。该模型考虑了机器加工时的换模具时间，以最小化库存成本为目标，一定的供应下游生产能力和库存平均占用资金为约束。运用遗传算法求得了模型中库存定额的优化值，从而帮助企业制定出更加合理的短周期生产计划。     

基于模糊决策与进化算法的生产设备布局优化

为解决复杂情况下制造系统的生产设备布局优化问题,提出了一种将模糊决策与进化算法相结合的设备布局优化方法。进一步完善了优化模型,优化目标包括总成本最小、设备相邻要求最大化和面积利用率最大化等优化目标;其中总成本最小目标考虑了物料搬运成本,设备重置导致的设备拆装、移动成本,生产停工造成的产能损失成本。该方法考虑了用户对于成本、利用率及相邻性要求等存在的满意度、优先度等模糊情况,基于模糊决策理论,对多目标优化模型进行了模糊化处理,设计了模糊适应度函数,用以根据用户的优先关系评价pareto解集。基于求解模型的特点,对多目标进化算法的染色体编码方式与交叉、变异等遗传操作方式进行改进,以提高求解该模型的实用性与效率。最后以实际案例的优化结果证明了该方法的有效性。     

基于多目标数据生成的昂贵多目标进化算法

昂贵多目标优化问题是一类需要同时优化多个相互冲突且评估计算成本十分昂贵的目标的复杂优化问题,需要算法在计算资源受限的情况下尽可能找到目标值好且多样性好的一系列非支配解.进化计算方法是求解多目标优化问题的有效手段,但在求解昂贵多目标优化问题时仍面临多样性和收敛性这两个方面的挑战,即难以找到多样性好且收敛到全局最优的一系列解.针对上述挑战,本文提出了新型的基于多目标数据生成的昂贵多目标进化算法.本文的贡献点和创新点主要有以下三个方面.首先,本文提出并证明了非支配解生成定理,并基于此提出了多目标数据生成方法,以更有效地搜索到更多非支配解,提高算法的多样性.其次,本文提出了多种群多代理框架,使用多个代理模型替代评估成本昂贵的真实目标函数,并协同演化多个种群对多个代理模型进行协同求解,从而提高算法的收敛性.再次,基于上述提出的方法和框架,本文提出了基于多目标数据生成的昂贵多目标进化算法,以对昂贵多目标优化问题进行求解.为了验证算法性能,本文在两个著名测试集的共16个问题上进行了丰富的大量测试实验,并与现有的五个前沿算法进行对比.实验结果表明,本文提出的算法能在大部分问题上取得比所有对比算法都更好...     

应急物流车辆调度多目标鲁棒优化研究

针对应急物流车辆调度问题中对于经济性、时效性、可靠性和鲁棒性的多种要求，考虑了含有时间窗、不确定需求、不确定行驶时间，以及路段含有失效风险的多目标鲁棒车辆路径优化问题，通过定义新的成本函数、满意度函数、风险度函数和鲁棒度函数作为四个优化目标来构建模型，并基于鲁棒优化理论将不确定模型转化为确定性鲁棒对应模型求解，为解决不确定环境下优化问题提供了新的思路。算法方面，主要基于SPEA2算法框架求解该多目标模型，针对算法缺陷提出多种改进策略，并通过对比实验证明了改进策略的有效性。     

供应链集成化模型与优化

本文建立了一个包括供应商、制造商、销售商 在内的集成化模型,这一模型含有线性状态方程和神经网络非线性模型,提出了库存成本、 供应成本、生产水平等在内的供应链目标函数和约束条件．对于供应链集成化模型采用模拟 退火方法进行优化,并以辽化公司为背景进行了初步条件的仿真工作．     

云计算环境下基于粒子群算法的多目标优化

为了优化资源的部署调度,需要考虑处理费用、传输费用,并提高云计算的性能.对云计算环境下特点进行了研究,把云计算环境下的数据部署和任务调度问题映射为处理交互图,对处理交互图进行分析、提出了多目标优化模型,并通过粒子群算法对多目标模型进行优化.仿真结果表明,该多目标优化模型和算法不但能优化处理时间、传输时间,也能优化处理费用和传输费用.     

逆向物流多产品两阶段再生产网络鲁棒优化

考虑不同周期内逆向物流回收数量的不确定性和再生产设备的生产能力约束,将逆向物流回收数量、再生产成本和市场需求作为不确定参数,以成本最小为目标,建立了包含生产成本、设备运作成本、库存成本在内的多周期多产品两阶段逆向物流网络鲁棒优化模型。通过算例验证了模型的有效性。     

考虑公平性的面向多灾点需求应急资源调度

针对铁路突发事件多需求点多供应点的应急资源调度问题,结合"软时间窗"的概念,以公平性最大和调度总成本最小为优化目标,设计了有多个救援目标的应急资源调度模型,并利用并列选择遗传算法求解。该算法根据目标函数的个数,将种群均等地划分为与目标函数个数相等的子种群,为划分后的各个子种群各自分配一个目标函数,并对其进行独立的选择运算,将各个子种群中适应度高的个体组成新的种群,对这个新的种群进行交叉、变异,生成下一代种群。算例表明,与粒子群优化（PSO）和两阶段启发式算法相比,利用并列选择遗传算法进行计算,目标函数中所有需求点的资源满足程度的方差分别减小了93.88%、89.88%,成本分别减少了5%、0.15%。所提算法能够有效减小所有需求点的资源满足程度的方差,即提高各需求点的公平性,同时降低成本,其在求解多目标规划问题中能够得到更优的解。     

带多软时间窗VRP及其禁忌搜索算法

分析了带多软时间窗VRP实际应用背景和特点,以使用的车辆数、行驶费用和偏离时间窗的惩罚费用为优化目标,结合车辆载重、最大路长等限制,建立该问题的数学模型,并设计求解该问题的自适应禁忌搜索算法。为增强算法的全局寻优能力,设计了多邻域结构并在算法中嵌入一种有限地接受不可行解的自适应机制。分别用文献中的算例和以Solomon标准算例为基础构建的新算例测试该算法,并将结果与其他方法进行对比分析。对比结果表明,所提出的算法性能较好,能在可接受的时间内求出运输成本更少、满意度更高的解。     

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。     

卫星有效载荷的多目标多学科设计优化研究

在卫星有效载荷系统研究中,实施多目标多学科优化的可行性设计。首先,分析了开展卫星有效载荷多学科设计优化的关键技术。建立了包含天线、转发器、数据传输、可靠性、成本和质量的多学科分析模型。然后,应用多目标遗传算法对某卫星有效载荷的可靠性和成本进行多目标设计优化,获得最优解集。最后,运用多学科协同优化结合遗传算法进行可靠性单目标设计优化。研究结果表明:有效载荷的多目标多学科设计优化全面考虑了多个学科之间的关系,设计人员可按需选择其满意的优化结果,大幅提高设计效率;协同优化方法有助于实现学科自治、并行设计,提高设计的灵活性和缩短设计周期。     

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。     

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。     

交互式多准则模糊集约生产计划

本文讨论具有模糊需求量、模糊加工能力约束以及资本水平约束的多品种集约生产计划的多目标非线性整数规划模型和求解方法.通过可能性测度和必要性测度的描述,建立了最小费用和最小满意水平最大化之间平衡(最小风险方法)的目的规划模型,并提出了交互式多准则求解模型的总体步骤.􀁱     

Robust supply chain design under uncertain demand in agile manufacturing

This paper considers a supply chain design problem for a new market opportunity with uncertain demand in an agile manufacturing setting. We consider the integrated optimization of logistics and production costs associated with the supply chain members. These problems routinely occur in a wide variety of industries including semiconductor manufacturing, multi-tier automotive supply chains, and consumer appliances to name a few. There are two types of decision variables: binary variables for selection of companies to form the supply chain and continuous variables associated with production planning. A scenario approach is used to handle the uncertainty of demand. The formulation is a robust optimization model with three components in the objective function: expected total costs, cost variability due to demand uncertainty, and expected penalty for demand unmet at the end of the planning horizon. The increase of computational time with the numbers of echelons and members per echelon necessitates a heuristic. A heuristic based on a k-shortest path algorithm is developed by using a surrogate distance to denote the effectiveness of each member in the supply chain. The heuristic can find an optimal solution very quickly in some small- and medium-size cases. For large problems, a “good” solution with a small gap relative to our lower bound is obtained in a short computational time.     

考虑驾乘人员公平性的网约出租车合乘路径优化模型

为了充分发挥合乘出租车承载率高、运营效益高及交通资源省等优点, 缓解城市打车难问题, 对网约出租 车合乘路径优化问题开展研究. 首先针对路网中网约出租车的供需情况, 以系统路径最短为优化目标建立目标函 数, 其次考虑网约出租车额定载客量、路径合理性、乘客利益及驾驶员收益与时间窗因素, 构建优化模型的约束条 件, 并结合绕行距离与乘客公平性原则进行费用约束, 使得绕行距离长的合乘子路径获得更多的费用补偿, 然后基 于遗传算法思想, 针对合乘路径中乘客需求起终点的次序问题, 设计了改进的交叉与变异算子. 最后依据大连市区 局部路网高峰时段内的出租车供需数据, 利用合乘路径优化模型及算法进行求解. 研究表明, 优化模型及算法可以 短时间寻求到系统近似最优解, 所得合乘方案较非合乘出行模式有效减少了出租车空驶率与乘客的出行成本, 提高 了驾驶员的平均收益.     

Genetic algorithm for supply planning in two-level assembly systems with random lead times

This paper examines supply planning for two-level assembly systems under lead time uncertainties. It is supposed that the demand for the finished product and its due date are known. The assembly process at each level begins when all necessary components are in inventory. If the demand for the finished product is not delivered at the due date, a tardiness cost is incurred. In the same manner, a holding cost at each level appears if some components needed to assemble the same semi-finished product arrive before beginning the assembly at this level. It is assumed also that the lead time at each level is a random discrete variable. The expected cost is composed of the tardiness cost for finished product and the holding costs of components at levels 1 and 2. The objective is to find the release dates for the components at level 2 in order to minimize the total expected cost. For this new problem, a genetic algorithm is suggested. The proposed algorithm is evaluated with a variety of supply chain settings in order to verify its robustness across different supply chain scenarios. Moreover, the effect of a local search on the performance of the Genetic Algorithm in terms of solution quality, convergence and computation time is also investigated.