基于混合属性的产品优化聚类算法

针对分类研究中采用单一类型数据造成的结果失真, 提出了综合考虑产品属性和销售时间序列的两阶段优化聚类算法。分别采用基于属性的相似性排序及时间序列的分层优化聚类实现产品单独聚类, 然后基于初始聚类结果及参数化的动态相对权重提出考虑噪声数据处理的分层聚类方法实现产品综合优化分类。企业实例应用研究表明综合聚类模型及两阶段算法在聚类精度及时间复杂度上具有明显的优势, 相对权重的动态参数化设置有效解决了不同产品间个性化特征的差异表示。通用数据集的仿真进一步验证了算法在解决混合属性产品聚类问题时的优越性及广泛适用性。     

面向钢管生产企业的ERP系统研究与开发

ERP系统的建立和应用将提高企业的管理效率,不同行业、不同企业的ERP系统有较大的差异。研究了直缝ERW钢管生产企业ERP系统的基本结构、主要功能及该系统的作用和应用特点。该系统的建立和应用将全面提高直缝ERW钢管生产企业的管理水平和市场竞争能力。     

不完全维修条件下的备件多级库存优化

考虑到不完全维修条件下有限维修次数的约束,研究含有报废流程的可修件多级库存优化问题.以可维修备件多级管理技术模型为基础,以可用度为约束条件,以系统费用为优化目标,引入报废流程,建立多保障等级多装备层次的库存优化模型;在算法设计上提出了粒子群—边际禁忌混合算法,算法前期使用粒子群算法求解,以便快速得到全局优质解,后期进入禁忌搜索以开发局部搜索能力,并利用边际优化算法构造邻域,从而求得最优解.多个实验结果表明,所建模型正确有效,所提算法在解决备件多级库存优化问题上具有一定的优越性.     

基于RFID的煤矿井下物流管理系统研究

为解决井下人员、安全物资跟踪定位以及灾害事故、责任事故预防与灾后搜救等关键问题,将RFID技术引入煤矿井下物流管理系统,通过人员和物资的动态、静态信息识别获取,实现实时管理。RFID非接触识别等技术特点与煤矿井下管理作业流程相结合,辅之以现代网络信息技术,将提高井下安全管理水平。     

新品上市的CBR动态预测

针对新品上市数据匮乏、不确定性高所带来的预测难点,提出了关于案例推理和改进粒子群神经网络的动态预测方法.首先考虑产品属性及销售序列特征,提出两阶段综合聚类算法划分案例集合;其次采用核心案例的相似性搜索机制确定RBF神经网络模型的训练集,并通过动态聚类和改进的粒子群算法进行网络训练及参数优化;最后采用相异距离的聚类方法保留预测结果,实现模型的动态扩展.企业实例及公共数据集的仿真结果表明,CBR-IPRBF动态预测方法能够适用于任何类型新品上市的销量预测,且对于数据量不足等非理想状况具有较优的性能.模型预测精度高,算法扩展性强,具有广泛适用性,能够为企业提供实际、有效的决策支持.     

武器装备贵重备件保障模型研究

不论是目前武器装备保障管理业务划分，还是综合保障理论量化研究领域，武器装备保障性、维修性和备件供应都是相对独立的体系。本文通过对经典METRIC模型及理论进行扩展研究，讨论了备件供应程度对备件订购费用的影响，以及备件订购费用与系统可用度之间的关系，在满足单级修理和紧急供应的条件下，构建了联系武器装备可用性、维修性和备件供应等参数的保障模型，并进行了实例仿真分析。     

板坯的ABC分类与管理

采用ＡＢＣ分类方法和计算机模拟技术，研究了板坯库的倒垛作业问题，提出了板坯分类和管理方法，并研究了合同计划的稳定性对板坯分类的影响。     

基于遗传搜索算法热轧合同编制优化仿真研究

为解决钢铁企业多品种、小批量的热轧合同编制优化问题,针对规模大、约束复杂难以建模及求解等难点,以半旬为基本时间单位,在考虑各钢种炼钢能力、轧制能力等约束条件的基础上,建立以合同的提前期、拖期惩罚最小,各工序产能利用均衡,相邻排产合同的工艺约束惩罚费用最小以及各半旬的炼钢余材最少为优化目标的0-1非线性整数规划模型.由于所建模型具有多旅行商问题结构的特征及模型中约束条件复杂、数据规模较大,采用分段整数编码和启发式修复策略的遗传搜索算法进行求解.通过对实际生产数据进行仿真,验证了所提模型和算法的有效性,为科学合理地编制热轧合同计划提供了有效的解决方法.     

基于精英重组的混合多目标进化算法

针对多目标进化算法搜索效率低和收敛性差的问题,提出了基于精英重组的混合多目标进化算法,将多目标优化问题分解为多个单目标优化问题单独求解,并采用基于遗传算法的精英重组策略将多个相异解重组生成唯一的精英解.提出区域化的种群初始化方法,改进局部搜索及群体选择机制,采用以优化子群为核心的分组交叉策略及自适应多位变异算子,并引入基于混沌优化的重启机制,有效克服了精英保存的固有缺陷,以及现有多目标进化算法存在的目标空间解拥挤、收敛慢、易早熟等问题.多目标测试函数的数值仿真和关键步骤的性能分析证明了本文算法的有效性和优越性.