一种改进企业在框架协议下库存管理的方法

企业为了货源的稳定而与供应商签订一定期限内的订购框架协议,但如何实施订购策略以保障协议量的完成,保证满足需求的同时最小化企业的库存成本成为企业必须考虑的一个问题.传统的企业库存管理方法如(r,Q)、(s,S)等订购策略在一定程度上只考虑了如何满足需求,避免缺货,而没有考虑供应商的供货能力,在协议期内的总订购量只考虑了需求的影响,因而不能保证框架协议的完成.本文在(s,S)策略的基础上,考虑了框架协议的约束,提出了一种既能够保障框架协议的完成,又能够最大限度满足需求,同时降低企业库存成本的方法一“双表作业法”,并验证了方法的有效性.     

基于改进强化学习的准时化物料搬运系统实时调度方法

准时高效的物料搬运系统保证了装配制造的持续稳定运行,为动态应对装配线状态变化,有效平衡混流装配的生产效率与能耗,本文提出了基于Q学习算法的强化学习调度模型,对其系统状态、动作策略、报酬函数进行设计,并引入神经网络对Q值函数进行泛化和逼近,改进策略选择机制,形成基于双参数贪婪策略的强化学习动态调度方法。仿真实验结果表明,这种强化学习调度相比其他调度方法,物料搬运调度的优化效果更好,能在保证物料准时运送到装配线,实现最大产量的同时,有效减少搬运距离。     

多供应商单配送中心的库存优化模型研究

针对有容量约束的多供应商单配送中心的库存问题,通过对影响物流运作成本各因素的分析,确定各变量之间的关系;并结合企业运作实际,首先构建了混合整数非线性规划的数学模型;进而对该模型进行优化分析,提出了最优解的解决方法;最后,运用算例对该模型做进一步的分析总结.     

交叉口交通信号动态回报值强化学习控制

强化学习能有效的实现随机动态交通环境下的自适应交通信号控制.为了适应交叉口交通需求水平的变化,在强化学习回报值定义中引入多重动态回报值结构.以孤立多相位信号控制交叉口为例,设计交叉口不同交通需求水平和交通需求变化情景,将算法与定时信号控制、Q-学习、SARSA进行性能比较,并分析不同回报定义和动作选择策略对算法性能的影响.结论表明,在所有交通情景下基于强化学习的自适应交通信号控制的鲁棒性比固定配时控制更强.在高交通需求情景下,算法均优于具有其他各种类型的回报定义的强化学习.最合适的回报定义是累计车辆延误的减少.在动作选择策略方面,协同ε-greedy和softmax方法可以获得更好的收敛性能.     

等距丢失模型下的框架张量积重构方法

框架理论常应用于信号重构.当编码系数在传输过程中发生等距丢失时,基于框架张量积的一些性质,我们可以利用框架张量积对信号进行编码从而降低数据丢失对重构信号的影响.本文由此提出了一种等距丢失模型,并在此模型下,研究了数据等距丢失下的最优对偶框架张量积,得出了对偶框架和正则对偶框架的张量积是最优对偶框架张量积的两个充分必要条件.最后数值实验也说明了：在等距丢失模型下,最优对偶框架张量积比一般对偶框架张量积的信号重构结果更优.     

考虑中断风险与库存成本的分销网络设计模型

分销网络可能面临各种中断风险,而分销网络设计属于战略决策问题,短期内难以改变,因而有必要在选址设计阶段就考虑中断风险。考虑中断风险,对传统的分销网络设计问题进行扩展,基于非线性0－1整数规划方法建立了一个有容量约束的设施定位-库存模型。采用遗传算法予以求解。算例分析证明了遗传算法的有效性。结果表明：在网络设计阶段就考虑中断风险可以显著降低将来可能发生的应急成本;系统对中断风险、惩罚成本因子等因素的反应敏感。     

考虑碳排放的需求可拆分车辆路径问题模型及算法研究

考虑低碳环境下的需求可拆分车辆路径问题,建立了以配送成本最小为决策目标的数学模型.随后根据模型特点,设计了基于动态学习因子的改进粒子群算法,并通过两个不同规模算例对模型验证模型和算法的有效性和合理性.通过两个算例中的算法对比发现,所提出的算法较改进前算法,均能够在保证求解质量的前提下,减少计算时间;而当算例规模增大时,这一优势更为明显.     

考虑员工学习效应的MTO/MOS指派模型及算法研究

订单式生产(MTO)人工作业系统(MOS)是我国中小制造企业广泛采用的生产系统模式。在MTO/MOS中,一线员工生产技能对生产绩效具有直接的影响。随着重复操作次数的增多,员工的生产效率不断提高,即产生学习效应。本文考虑员工学习效应来优化一线员工的配置,强调员工初始技能和学习能力的个体差异对完工期的影响,以期缩小理论研究与生产实践之间的差距。本文首先提出一个基于员工初始技能、员工的学习能力、工艺难度和订单批量的员工技能动态变化函数。然后,以最小化完工期为目标,建立一个优化模型。由于员工指派问题属于“完全NP-Hard”问题,为了求解本文所提出模型,本文提出Bootstrap方法对问题进行求解。最后,基于一个算例分析,验证该模型及算法的有效性。     

对经典隐马尔可夫模型学习算法的改进

改进经典隐马尔可夫模型(HMM)的状态转移和输出观测值的假设条件,并在经典隐马尔可夫模型的基础上导出新模型的学习算法.新算法避免了经典隐马尔可夫模型中状态转移概率和输出观测值概率计算时只考虑当前状态而不考虑历史的简单做法.     

乘客策略行为下考虑需求学习的航空客运动态定价策略研究

研究航空公司在需求学习下的动态定价策略。通过假设乘客到达率不确定以及具有策略等待行为,运用贝叶斯理论和博弈论对航空公司需求学习下的多周期动态定价问题进行建模,探讨了机票最优定价策略的充分条件,并通过分析航空公司收益函数的性质,得到了最优定价随时间和已出售机票数量的变化趋势。最后应用算例分析了需求学习的效果,得出:需求学习能够缓解需求不确定带来的损失,但不能完全消除;乘客策略程度越大,需求学习效果越明显。     

原材料易变质和产成品有保质期的生产库存模型研究

考虑需求是时间的线性函数,原材料和产成品的变质率也是时间的线性函数,建立了原材料易变质和产成品有保质期的生产库存模型.用进化规划算法对模型进行求解,确定最佳订购周期,原材料的经济订购批量和产成品的经济生产批量.最后,用具体的数值例子验证了模型与算法的有效性.     

基于遗传算法的工业企业库存控制模型分析

库存信息在整个企业信息系统中起着纽带作用 ,为了对企业的整体运作进行有效的监控和管理 ,采用规范化的方法建立库存系统模型是核心 .本文针对工业企业库存控制问题 ,结合遗传算法的特点 ,提出了一种新型的探索策略 .仿真结果表明 ,该方法求解的最优控制策略同弱化条件后用其他方法求解所得的最优策略非常逼近 .该方法不仅提高了求解全局最优解的可靠性 ,而且减少了迭代次数 ,提高了计算效率     

第三方库存-路线问题的模型及混合遗传算法设计

根据第三方库存-路线问题的特点,以车辆租赁费用和运行费用之和为目标函数,不限制客户每次的配送量小于车辆容量,建立了满载运输和非满载运输混合的整数规划模型.针对第三方库存-路线问题的复杂性,本文设计嵌入禁忌搜索的遗传算法来同时决策库存和路线问题.首先对配送间隔进行编码,然后用禁忌搜索法计算每天需要配送的车辆路线问题.最后与其下界值进行比较,结果表明该算法是一个有效的算法,不但第三方能取得较低的运营总成本和较高的车辆利用率,而且也能为客户节约库存空间.     

求解大规模优化问题的改进海洋捕食者算法

针对海洋捕食者算法(Marine Predators Algorithm,MPA)在求解大规模问题时存在解精度低和易陷入局部最优的缺点,提出了一种改进的海洋捕食者算法(Improved Marine Predators Algorithm,IMPA)。采用Lloyd’s算法初始化种群使种群个体分布均匀;基于Q-learning算法自适应选择更新策略来平衡算法的探索和开发能力;通过反向学习机制提高种群多样性避免陷入局部最优。选取13个大规模(100维,500维和1000维)标准测试函数进行仿真实验,结果表明,IMPA算法在求解精度和收敛速度上优于其它对比算法。     

库存系统中的时滞变质物品的EOQ模型

本文考虑时段性变质物品的库存问题 .给出了一订货就交货 ,不允许缺货的时滞变质物品的库存模型与最优库存策略 ,并证明了该模型不是那物品自始至终有变质性质的 EOQ模型的简单叠加 .     

连锁中心店存贮决策模拟系统研究

针对连锁店中心在约束条件下，如何确定各种商品合理存货水平的问题，本文在建立动态规划模型并求解的基础上，利用计算机对市场需求量的仿真，计算选择连锁中心店存贮量最佳决策方案。