学习遗忘效应在工程项目进度计划中的应用

在学习曲线理论和遗忘曲线理论的基础上,结合学习遗忘效应的模型,通过网络计划技术中的双代号网络图,引用案例来阐述员工的学习及遗忘行为对工期及关键路径造成的影响。与不考虑学习遗忘行为的情况相比,考虑员工的学习遗忘效应会使工期缩短、关键路径发生改变,且不同的学习比例会带来不同的效果。     

求解作业车间调度问题的改进飞蛾扑火优化算法

针对作业车间调度问题,为了克服早熟收敛和容易陷入局部最优等不足,提出一种基于Lévy飞行的改进飞蛾扑火优化模型(LMFO)。首先,采用MFO算法求解作业车间调度问题,并与粒子群算法(PSO)、遗传算法(GA)进行对比研究,证明了MFO算法求解此类问题的有效性;然后,采用改进的随机键编码,引入Lévy飞行对MFO算法进行改进;最后,仿真实验表明,LMFO算法在求解作业车间调度问题时优于MFO、PSO和GA算法,能够跳出局部最优找到更好的解,且具有一定的鲁棒性。     

基于MRO服务提供商的设备预维修调度

为了解决MRO服务提供商的预维修调度问题,提出了基于设备故障预期的预维修人员优化调度方法。在该研究方法中,分析了MRO服务提供模式及其优点,建立了基于设备故障统计分布的预维修计划时间优化模型,根据模型确定设备的预维修计划时间,建立了设备预维修调度模型,采用量子粒子群算法对模型求解,并比对基于预维修计划时间的先来先服务方法。最后,通过实例示例了基于MRO服务提供商的预维修调度的求解过程,并对结果进行了分析,保证了模型的合理性及算法求解的有效性。     

基于可靠度的高铁制动机周期预防维修优化研究

针对高铁制动机维修难、维修成本高等问题,建立了周期性预防维修优化模型。首先,基于可靠性理论,以最低成本为目标函数,引入改善因子来描述故障率演化规则;其次,以故障率服从威布尔分布为例,并用Matlab工具进行求解,求得设备最佳预防性维修次数,以及可靠度与成本、可靠度与改善因子间的关系;最终通过算法编程得出的结果验证了该模型在实际中的有效性。     

TFT-LCD制造cell阶段多目标绿色调度问题研究

针对薄膜晶体管液晶显示器(TFT-LCD)制造cell阶段的多目标绿色调度问题,构建了最小化最大完工时间、总能耗和总生产成本为目标的优化模型。采用基于机器和工序的两段式编码,使用在步长因子前加入动态系数的改进布谷鸟搜索算法,结合双元锦标赛和动态淘汰制,根据聚集距离法筛选Pareto最优解来获得Pareto最优解集,对TFT-LCD制造cell阶段多目标绿色调度问题进行求解。结果表明,改进布谷鸟搜索算法优于标准布谷鸟搜索算法和带精英策略的快速非支配排序遗传算法,可以提高TFT-LCD制造cell阶段多目标绿色调度问题的求解效率和质量。     

用微粒群算法求解含交易费用的组合投资模型

针对国内证券交易的具体情况,提出了含交易费用的投资组合优化模型。利用微粒群算法对问题进行了求解,并结合实际数据进行仿真。结果表明,利用微粒群算法可以较高的效率求解该模型,且从结果上表明模型的合理性。     

基于多目标萤火虫膜算法的学习效应生产调度问题北大核心CSCDCSSCI

针对复杂的生产环境,建立基于学习效应的多目标置换流水车间调度问题模型。设计嵌套有萤火虫算法的膜算法,改进其邻域搜索策略,对构建的模型进行寻优求解。利用Car类基准测试问题测试萤火虫膜算法的性能,并通过与萤火虫算法和粒子群算法的对比,验证了萤火虫膜算法在求解置换流水车间调度问题中的可行性和有效性。利用膜算法求解得到的不同学习率下置换流水车间调度问题的最大完工时间及总流经时间,构建Pareto最优解集,分析不同学习效应因子对多目标置换流水车间调度问题的影响程度。     

含风险价值约束资产配置模型的分析与应用

在经典均值-方差模型的基础上,提出了存在交易费用时基于风险价值约束的资产配置模型.给出了该模型的解析算法,对最优解的存在性条件进行分析.针对我国资本市场数据,提出了机构投资资金应用该模型在大类别资产中的最优配置比例.     

基于微粒群算法的半导体炉管区调度应用研究

提出了用微粒群算法来解决半导体炉管区的调度问题.给出了算法的具体过程及参数设置方案.实例计算的结果表明,该算法是解决半导体炉管区调度问题可行且高效的方法.     

基于非线性收敛因子和标杆管理的改进教与学优化算法

针对教与学优化算法寻优精度低、收敛速度慢以及局部最优避免性弱的问题,提出了一种改进教与学优化算法（MTLBO）。在算法的教学和学习阶段,分别引入了非线性收敛因子调整策略和标杆管理策略。基于2种策略的随机组合形成了3种不同的MTLBOs,与标准教与学优化算法（TLBO）的对比实验结果表明,3种MTLBO均优于TLBO,其中,引入2种策略的MTLBO3取得了最佳的数值实验结果,其远优于原始TLBO。为进一步验证提出算法的有效性,与其他著名的群智能优化算法进行了数值实验对比。数值结果和收敛曲线表明,MTLBO3的寻优性能明显优于其他对比方法,具有更高的求解精度、更快的收敛速度以及更佳的局部最优避免能力。最后,使用有约束的工程优化问题进一步验证了提出算法的有效性。