多级树形供应链牛鞭效应与综合补偿

讨论了多级树形供应链系统的牛鞭效应及其补偿问题,旨在提高供应链实际运行的效率.给出了若干牛鞭效应的量化指标,从定量的角度讨论了多级树形结构、竞争、信息传递、提前期、分配、预测等对牛鞭效应的影响作用.建立了针对信息传递、提前期,分配方式等的几种补偿方法,并结合常规补偿和模糊补偿的优点,设计了一种用模糊开关切换的综合补偿模型.对树形供应链在随机需求、竞争、促销、飞货情况下的补偿过程进行了仿真,验证了所提出的补偿方案的有效性.     

带平衡约束矩形布局优化问题的遗传算法

研究二维矩形布局优化问题,将多个不同重量和尺寸的矩形目标填充到一个圆形容器中,要求给出最小的容器半径,并且系统保持平衡。目前的文献多采用局部搜索方法,但布局质量有待提高。文中设计一种构造式方法——定位法。其基本思想是将一个矩形围绕另外一个已经确定位置的矩形作为参照进行部署。由于围绕着参照矩形部署时只考虑有限个可布局位置,故定位法具有多项式时间复杂性。定位法可能得到较好的布局,但其质量受到布局顺序的影响较大,因此文中提出一种基于遗传算法的布局顺序寻优算法,其中遗传算法的交叉算子和变异算子经过特别的设计,使得遗传的下一代能继续作为布局顺序。在具有大规模测试用例的测试集上的计算结果表明,该布局方法比局部搜索方法有更优良的计算性能。     

一个面向样本利用的智能系统的实现

本文实现了一个面向样本利用的智能系统ＩＳＳＵ,它能够完成样本的输入,具有样本学习的能力,并且能将样本知识自动转化为产生式规则,将产生式规则自动转化为框架知识,在此基础上还实现了一个基于框架的推理机。对ＩＳＳＵ的系统结构和实现技术进行了论述,并介绍了一个应用系统。     

群智能新研究:角色?匹配的狼群劳动分工

启发于生物狼群群体的劳动分工行为,本文提出一种新颖的角色?匹配狼群劳动分工方法。通过剖析自然狼群的生物学行为,概括提炼出狼群劳动分工行为的个体任务的专职化、个体角色可塑性和任务分配均衡性3个典型特征,并建立了生物狼群劳动分工行为与普适性任务分配问题之间的仿生映射关系;从狼群“个体?个体”+“个体?环境”的交互方式角度出发,分析了角色?匹配的狼群劳动分工的个体角色转换和任务调整机制,研究了狼群角色?匹配的柔性劳动分工机制,提出了一种新的群智能方法,即角色?匹配的狼群劳动分工方法;将狼群的角色?匹配劳动分工与蚁群的刺激?响应劳动分工和蜂群的激发?抑制劳动分工进行了比较分析,并展示出角色?匹配狼群劳动分工方法的应用前景。     

基于混合反馈机制的扩展蚁群算法

由于传统蚁群算法基于正反馈机制的单一搜索方式,导致其存在收敛速度慢、易陷入局部极值的缺点.针对该问题提出一种基于混合反馈机制的扩展蚁群算法(MF-ACO),该算法在传统蚁群算法的基础上定义一种具有较强全局搜索能力的扩展型蚂蚁,帮助算法跳出局部极值;参考蚁群劳动分工行为,设计基于刺激-响应分工模型的负反馈平衡机制,动态平衡算法的收敛能力和全局搜索能力;最后依据分工模型对蚂蚁个体的信息素更新策略进行改进,进一步加快算法收敛速度.以多个TSP实例作为测试对象进行仿真实验,实验结果验证了所提算法的优越性,并将该算法用于机器人路径规划问题,在实际应用中进一步验证了所提算法的有效性.     

双源渠道闭环供应链生产计划的一种干扰恢复模型

研究双源渠道闭环供应链生产计划调度中的干扰问题,从双源渠道供应、正向制造和逆向再制造等5个方面分析了供应链中的不确定性和干扰问题;然后建立一种干扰恢复模型,采用基于干扰恢复思想的双模糊PID控制器,针对各种随机离散型和连续型干扰事件的参数进行优化和干扰恢复,并从鲁棒性、干扰损失、库存扰动3个指标对系统稳定性和干扰进行量化分析;最后通过一个仿真案例,表明所提出的方案比无干扰恢复的方案具有更高的鲁棒性和更低的干扰损失．     

基于VRP-DM的粮油配送优化方法*

针对粮油配送中干扰现象引起的服务水平下降的问题,充分考虑成本、时间等约束条件的前提下,以对原方案偏差最小为目标,建立了基于干扰管理的车辆路径选择模型,并利用局部搜索优化的粒子群优化算法对模型求解。结合仿真实例,运用该算法对模型进行了求解及比较分析,结果验证了模型的有效性。     

面向拉式生产系统的蚁群劳动分工建模及仿真

分析了拉式生产系统中的看板控制策略所存在的局限性,论述了看板控制策略与群集智能中的固定阈值蚁群劳动分工模型之间的相似性,提出将后者引人看板控制策略,以弥补看板控制策略缺乏全局优化能力的不足,实现平衡生产.据此对基本的同定阈值蚁群劳动分工模型进行了改进,建立了多状态蚁群劳动分工模型.通过一个多状态蚁群劳动分工模型执行过程的示例,绐出了其算法实现步骤,进而选取一个典型的生产加工实例,采用该模型进行了计算仿真实验,结果表明了该模型的可行性和有效性.     

一种基于最大最小策略和非均匀变异的萤火虫算法

针对多目标萤火虫算法勘探能力弱、求解精度差的问题,本文提出了一种基于最大最小策略和非均匀变异的萤火虫算法(HVFA-M).该算法首先引入Maximin策略,实现对外部档案的动态调整和对精英解的随机选择;其次,精英解结合当前最好解共同引导萤火虫进行全局搜索以扩大算法的搜索范围,提高算法的勘探能力,从而增加找寻全局最优解的...