双渠道多级分销网络库存优化配置方法

本文研究企业采用双渠道分销策略时面临的如何保证较低运作成本对多层级、多节点的分销网络中每个节点的线上线下库存进行节点内与节点间协同性配置的问题。针对目前国内外在多级的双渠道分销网络库存优化配置方面的研究甚少，提出了线上库存在多个层级可优化配置方法并将多级保证服务库存模型拓展为双渠道多级分销网络库存优化配置模型。研究结果表明，整合双渠道分销网络将降低企业的运作成本，而可配置的线上库存将提高企业线上商品交易效率并降低分销网络整体运作成本。     

多级库存控制的连锁经营企业配送网络设计

研究了随机需求条件下连锁经营企业配送网络设计及其库存决策的联合优化问题.详细分析了基于POT(power of two)多级库存控制策略的连锁企业多级工作库存及订货成本,给出了门店及配送中心在满足给定服务水平条件下的安全库存成本.在综合考虑运输成本和配送中心选址成本的基础上,建立了以系统总成本最小为目标的配送系统总成本优化模型,并采用遗传算法求解该优化模型,在得到最优配送网络设计方案的同时,确定了配送中心订货周期及门店配送周期.通过算例验证了模型及算法的有效性,并分析了需求、运输距离和选址成本等因素的变化对系统总成本的影响,为连锁经营企业的物流配送网络设计及库存控制提供决策支持.     

缓冲区容量约束下发动机混流装配线排序研究

为解决缓冲区容量约束下发动机混流装配排序问题,以关键部件消耗均匀化和最大完工时间最小化为目标,建立了优化数学模型,设计了一种多目标遗传算法,采用了混合交叉算子和启发式变异方法,并设计了基于帕累托分级和共享函数的适应度函数,将多目标遗传算法和多目标模拟退火算法的优化结果进行了比较。研究结果表明,多目标遗传算法在满意度和计算效率方面均优于多目标模拟退火算法,是一种有效的混流装配线排序问题求解算法。     

集中控制VMI&TPL模式下的库存运输集成问题

以“多供应商,单TPL,单制造商”供应链网络为研究环境,研究了集中控制VMI&TPL模式下的库存运输集成优化问题,旨在为供应商和TPL提供补货决策和车辆路线计划.基于滚动计划期,构建了库存运输集成计划模型.鉴于该模型问题是一个NPC问题,提出了基于模拟退火遗传算法的四步骤启发式算法.算例分析结果表明该启发式算法是有效可行的.     

基于遗传模拟退火算法的空袭兵力分配及优化

对遗传模拟退火算法中的交叉、变异操作进行了改进，并实施了最优保留策略，形成了改进遗传模拟退火算法．以突击效果最大化和兵力损失最小化为目标函数，以空袭兵力总量的限制、空袭兵器挂载类型的限制等为约束条件，建立了空袭兵力分配及优化模型．在考虑兵力分配模型特点的基础上，利用改进遗传模拟退火算法求解．通过与多目标数学规划和标准遗传算法优化进行的比较表明，该方法能够有效地解决带约束的多目标优化问题．     

JITD确定需求单级物流分销网络ILRIP

引入了JITD思想,对分销网络中的总库存进行统一集成运作,考虑了配送的准时性和稳定性,并从物流系统集成的高度出发,研究建立了确定需求下多设施多顾客的集成设施选址——运输路线安排——库存控制问题(ILRIP)模型,设计了一个两层粒子群优化(PSO)算法,并给出了计算实例。研究结果有助于优化物流分销网络结构,提高顾客服务水平以及交期可靠度、降低成本。     

双渠道多级分销网络库存整合优化配置

针对拥有线下、线上销售渠道的实体零售企业分销网络运作成本居高不下的现状,研究综合渠道整合和线上订单履行问题下的双渠道库存优化配置问题。在“双渠道库存独立管理、线上订单分散履行”和“双渠道库存整合管理、线上订单集中履行” 2种不同分销网络运作模式下分别建立数学模型,并利用基于实数编码的遗传算法进行求解。通过对比这2种不同运作模式下的运作成本,同时在需求波动率增加条件下对运作成本进行敏感性分析,发现渠道库存整合、线上订单集中履行方法能够将库存总费用降低17.25%,能够将库存总费用从中下游往上游转移,减缓中下游节点的库存总费用。     

基于JITD的服务备件二级分销网络集成研究

从供应链集成的角度出发,使用双层规划建立了服务备件二级分销网络的设施选址-运输路线安排-库存控制问题(CLRIP)模型,确定了分销中心的位置、车辆的运输路线等。该模型充分考虑决策部门和顾客双方的利益,针对服务备件的价值高以及服务水平要求高的特点,将按需拉动的准时制配送策略（JITD）应用于分销网络设计中,在降低系统成本的同时,可以大幅度提高配送的准时性和稳定性。设计了该模型的启发式算法,通过算例验证了模型和算法的有效性。研究结果有助于优化服务备件分销网络结构、提高配送准时性和降低物流成本。     

基于遗传算法的热管多目优化设计

热管作为一种高效热传输设备,被广泛应用于许多领域.对高效热管的优化设计,通常会涉及到多个目标参数,传统的设计方法往往无法同时有效地优化多个目标.首先通过对热管建立热网络分析模型和热传输极限模型,给出了热管多目标优化问题的数学描述.其次设计了基于遗传算法的多目标优化算法,并通过多个算例证实了该算法的有效性及优越性.由于数学问题的提出是基于热管的基本原理,因此该算法具有可推广性,可用于多种形式的热管设计.     

多级库存 RFID使能的 Push／Pull与（s，S）策略的仿真对比

基于RFID使能的电子看板以供应链分销网络三级库存系统为例,根据其结构特点和运作时各阶段节点企业的功能,借鉴单工厂多阶段生产存储系统最优的Push／Pull混合控制结构,设计了制造商库存采用Push控制,分销商和零售商库存采用RFID使能的Pull控制的RFID使能的Push／Pull混合控制结构。为验证混合控制策略的性能,将其与基于RFID技术的（ s,S）策略相对比,建立了两策略的数学模型及性能评价指标。考虑到供应链系统的动态性与随机性,基于离散事件系统仿真原理,设计并实现了系统的仿真模型,通过仿真实例验证并分析了混合控制策略的有效性和优越性,为供应链多级库存网络管理实践提供了参考。     

基于主从式并行遗传算法的岩土力学参数反分析方法

考虑到遗传算法的天然并行性和集群计算的高速并行性,提出了基于主从式并行遗传算法的岩土力学参数反分析方法。采用实数编码方法,缩短了个体编码的长度,减少了搜索空间;采用动态任务分配方案,可以避免处理器效率的不均衡;采取"松耦合"的方法将主从式并行遗传算法与FLAC程序进行耦合。基于C+MPI语言编写了反分析程序,并用标准弹性问题对程序进行了测试。测试结果表明,主从式并行遗传算法不仅能够准确地对岩土力学参数进行反分析,而且随着问题规模的增大可以得到接近线性的加速比。因此,针对适应度评价计算量大的岩土工程反分析问题,采用基于主从式并行遗传算法的岩土力学参数反分析方法,既保证了反分析的求解精度,又提高了反分析速度,满足工程上对于反分析的及时性需求,具有较强的应用价值。     

基于复合形算子的基础支护桩优化设计智能算法研究

本文通过遗传算法和传统复合形搜索法相结合,基于对遗传算法算子计算结构的调整,并将遗传算法与神经网络相结合,提出并研究了一种新的优化设计方法,协同求解复杂工程中的优化问题。并针对悬臂式支护桩的优化设计的数学模型,采用该算法进行了优化设计分析;计算结果表明,该算法可克服遗传算法最终进化至最优解较慢和人工神经网络易陷入局部解的缺陷,具有较好的全局性和收敛速度。     

基于整体退火遗传算法的膜系设计方法

提出了以遗传算法和模拟退火算法相结合的整体退火遗传算法（ＧＡＳＡ）进行膜系设计的新方法。整体退火遗传算法具有全局寻优能力,与作为现代光学薄膜自动设计的主要方法－针法相比,在相同薄膜层数情况下用该方法设计可以得到较优的结果,或者用更少的薄膜层数达到同样的设计结果。并且对初始条件不敏感,可以确定膜层厚度边界,以确保制备方便。理论与实例表明该方法是高效的和可靠的。     

基于遗传算法和拓扑优化的结构多孔洞损伤识别

鉴于拓扑优化和遗传算法在结构损伤识别中各自的优点,本文将遗传算法、有限元和拓扑优化三种方法相结合,提出了一种用于二维结构多损伤识别的新方法。这种方法将拓扑优化的设计变量和遗传算法的参数统一化,将拓扑优化中的目标函数和约束方程与遗传算法的适应度函数联系起来,并以拓扑优化的约束方程作为控制条件参与整个遗传运算的控制。采用二进制编码遗传算法代替连续变量拓扑优化的方式对发生孔洞损伤形式的二维结构进行损伤识别,避免了利用连续变量拓扑优化进行损伤识别时参数阈值的确定可能给识别结果带来的不良影响。通过对两个二维结构模型的多损伤识别仿真计算,结果显示本方法能够很好地识别二维结构中多个位置的损伤,对于仅用拓扑优化法很难识别的轻微孔洞损伤情况,该方法也能得出与实际情况吻合良好的结果。     

采购与多层生产计划问题的协同优化

针对生产与采购这两项企业的重要活动,建立了一种采购计划和多层生产计划的集成优化模型,将采购计划、批量计划以及作业排序这三层计划问题进行综合决策。为求解该问题,设计了一种遗传算法和网络优化方法相结合的协同优化策略,遗传算法中每一个个体同时包含了批量计划和作业排序,并调用网络优化模型得出订购策略。数值仿真实验显示了提出的方法求解该类集成优化问题的良好性能。通过与独立优化方法进行比较,显示了协同优化策略的优越性。     

基于改进遗传算法的视差拼图缝线搜索方法

为了消除视差图像拼接后的局部不一致、不连续或变形,提出一种视差拼图最优合成拼缝搜索策略.将两浇幅图象重叠区域的归一化差图象作为搜索空间,定义一个与图象高相等维数的向量作为染色体,染色体的基因表示每一行图象中的最优拼接点,采用常用的最小值搜索适应度函数作为视差图像拼缝搜索的适应度函数.针对传统遗传算法在图像整数编码搜索中收敛慢的缺陷,提出了一种基于小区间整数编码,个体互异稳态定标的组合选择策略,按基因适应度自适应重组,自适应、变步长与多点选择性的变异操作等策略的改进遗传算法.实际图像拼缝搜索实验表明:改进后算法比基本遗传算法和传统自适应遗传算法收敛速度加快.     

基于贪心遗传的地下物流节点选择规划研究

以国内某地区物流概况为研究背景,结合国内外地下物流系统研究成果,将集合覆盖的思想引入地下物流网络节点选址规划,建立以物流节点数量最少及物流节点转运率最低为优化目标的双层多目标规划模型,并结合贪心算法和遗传算法进行优化求解。研究表明：通过将集合覆盖的思想对城市地下物流系统节点规划进行初步探讨是可行有效的;基于贪心遗传算法进行优化求解,使得该地区地下物流网络节点选择达到全局最优,有效控制了物流节点的数量及节点转运率的大小;地下物流网络节点表现出明显的区域集中性,即服务节点均集中在物流需求点附近,且二级节点服务区域总是邻近某个一级节点。     

混合花朵授粉算法在作业车间调度中的应用

对最大完工时间最短的作业车间调度问题进行了研究,总结了当前求解作业车间调度问题的研究现状,提出一种花朵授粉算法与遗传算法的混合算法。混合算法以花朵授粉算法为基础,重新定义其全局搜索和局部搜索迭代公式,在同化操作过程中融入遗传算法的选择、优先交叉和变异操作,进一步增强算法的勘探能力。通过26个经典的基准算例仿真实验,并与近5年的其他算法比较,结果表明所提算法在求解作业车间调度问题具有一定优势。     

Improved evolutionary algorithm for parallel batch processing machine scheduling in additive manufacturing

With the increasing prosperity of additive manufacturing, the 3D-printing shop scheduling problem has presented growing importance. The scheduling of such a shop is imperative for saving time and cost, but the problem is hard to solve, especially for simultaneous multi-part assignment and placement. This paper develops an improved evolutionary algorithm for application to additive manufacturing, by combining a genetic algorithm with a heuristic placement strategy to take into account the allocation and placement of parts integrally. The algorithm is designed also to enhance the optimisation efficiency by introducing an initialisation method based on the characteristics of the 3D printing process through the development of corresponding time calculation model. Experiments show that the developed algorithm can find better solutions compared with state-of-the-art algorithms such as simple genetic algorithm, particle swarm optimisation and heuristic algorithms.     

背包问题的混合粒子群优化算法

经典的粒子群是一个有效的寻找连续函数极值的方法，结合遗传算法的思想提出的混合粒子群算法来解决背包问题，经过比较测试，6种混合粒子群算法的效果都比较好，特别交叉策略A和变异策略C的混合粒子群算法是最好的且简单有效的算法，并成功地运用在投资问题中。对于目前还没有好的解法的组合优化问题，很容易地修改此算法就可解决