一类含有随机和模糊参数的规划模型

提出一类模糊机会约束的随机期望值规划模型,该模型同时含有随机和模糊参数.对改进的“报童问题”进行的分析,说明了模型的合理性.运用随机模拟与模糊模拟相结合的技术,给出了求解该规划模型的遗传算法.并对改进的“报童问题”进行了数值求解,同时给出了其它数值例子,进一步说明了所给出模型的适用性和有效性.     

基于粒子群算法的随机和模糊混合机会约束规划研究

研究一类混合机会约束规划模型,该模型含有随机和模糊参数。基于粒子群算法运用随机模拟和模糊模拟相结合的技术,给出了一种求解该规划模型的混合智能算法。并通过对实际模型的规划问题进行分析和数值求解,说明了该模型和算法的合理性和有效性。     

供应链库存的模糊机会约束规划模型

研究了不确定环境下的供应链库存优化问题。考虑需求为模糊量,且可能在一定条件下不满足约束条件的决策前提,用三角模糊数表示需求,结合可能性理论中的可信性测度,建立了多品种联合补充的模糊机会约束规划模型,目标函数为最小化供应链订货成本和库存成本的期望值。用遗传算法对优化模型求解,以目标函数值作为染色体适应度,给出了编码方案及选择、交叉、变异算子。用数值实例进行了仿真计算,证明了模型和算法的有效性和性能,并给出了不同置信水平下的计算结果。     

求解随机机会约束规划的混合智能算法

随机机会约束规划是一类有着广泛应用背景的随机规划问题,采用随机仿真产生样本训练BP网络以逼近随机函数,然后在微粒群算法中利用神经网络计算适应值和实现检验解的可行性,从而提出了一种求解随机机会约束规划的混合智能算法。最后通过两个实例的仿真结果说明了算法的正确性和有效性。     

求解随机机会约束规划的混合智能算法及应用

为更有效地求解随机机会约束规划问题,提出一种基于克隆选择算法(CSA)、随机模拟技术及神经网络的混合智能算法。采用随机模拟技术产生随机变量样本矩阵训练反向传播(BP)网络以逼近不确定函数,之后在CSA中利用神经网络检验个体的可行性、计算适应度,从而得到优化问题的最优解。为保证算法搜索的快速性和有效性,CSA采用双克隆和双变异策略。仿真结果表明,与已有算法相比,混合智能算法在500代时已取得比较满意的结果,且其精度在单目标优化问题中提高了2.2%,在多目标优化问题中提高了65%;将该算法应用于求解水库优化调度的难题上,结果也表明所建立的模型及算法的可行性和有效性。     

基于随机模拟与PSO算法相结合的随机机会约束规划算法

随机机会约束规划作为一类重要的随机规划,广泛存在于许多领域中.为了寻找更有效的求解随机机会约束规划的算法,通过采用随机模拟来逼近随机函数,并在微粒群算法PSO(Particle Swarm Optimization)中利用随机模拟实现估计适应值和检验解的可行性,从而给出了求解随机机会约束规划的新算法,最后,测试其性能并与遗传算法进行了比较,实例结果表明该算法的正确性和有效性.     

求解模糊机会约束规划的混合智能算法

模糊机会约束规划是一类重要的模糊规划,它广泛地存在于许多领域中,微粒群算法已实现了对其的有效求解,但求解速度仍不能满足大规模模糊机会约束规划问题的求解,为了寻找更为高效的求解模糊机会约束规划的算法,通过采用模糊模拟产生样本训练BP网络以逼近模糊函数,然后应用微粒群算法并以逼近模糊函数的神经网络作为适应值估计及检验解的可行性,从而提出了一种求解模糊机会约束规划的混合智能算法。最后通过仿真结果说明了算法的正确性和有效性。     

求解模糊相关机会规划模型的混合差分进化算法

针对不确定规划领域中存在的模糊相关机会规划模型,基于群体智能的差分进化算法,设计一种新的求解模糊相关机会规划模型的混合智能算法．该算法基于粒子群优化算法对差分进化算法进行改进,并运用模糊模拟技术对模糊相关机会规划模型进行分析和数值求解,无需像传统的基于遗传算法的混合智能算法需要很长时间并经过复杂的计算才能得到合理的结果．最后,通过实例表明了所提混合智能算法的合理性和有效性．     

求解模糊相关机会规划的混合智能算法

模糊相关机会规划是一类有着广泛应用背景的随机规划问题,该文采用模糊模拟产生样本训练BP网络以逼近机会函数,然后应用微粒群算法并以逼近机会函数的神经网络作为适应值估计,从而提出了一种求解模糊相关机会规划的混合智能算法。最后通过实例仿真说明了算法的正确性和有效性。     

产品开发方案优化的模糊机会约束规划模型及求解

为解决项目网络计划中产品开发方案的时间、成本、质量的不确定优化问题,在模糊机会约束规划的框架下分别建立了基于关键路线的项目周期优化模型、基于资源使用的项目周期-成本优化模型和基于质量功能展开(QFD)的产品周期-质量优化模型,在此基础上构建了项目周期-成本-质量多目标优化模型;在使用模糊模拟技术处理3个目标函数约束的过程中,构建了一个基于遗憾度的适应度函数,然后利用离散微粒群算法对多目标优化模型进行求解.最后,以滚珠丝杆副产品开发项目的方案优化为例验证了文中模型的合理性和算法的有效性;实验结果表明,周期-成本-质量多目标优化模型的求解得到的方案能够取得时间、成本和质量的平衡优化,为产品开发项目的规划提供了定量、可靠的决策依据.     

Optimising multi-product multi-chance-constraint inventory control system with stochastic period lengths and total discount under fuzzy purchasing price and holding costs

While the usual assumptions in multi-periodic inventory control problems are that the orders are placed at the beginning of each period (periodic review) or depending on the inventory level they can happen at any time (continuous review), in this article, we relax these assumptions and assume that the periods between two replenishments of the products are independent and identically distributed random variables. Furthermore, assuming that the purchasing price are triangular fuzzy variables, the quantities of the orders are of integer-type and that there are space and service level constraints, total discount are considered to purchase products and a combination of back-order and lost-sales are taken into account for the shortages. We show that the model of this problem is a fuzzy mixed-integer nonlinear programming type and in order to solve it, a hybrid meta-heuristic intelligent algorithm is proposed. At the end, a numerical example is given to demonstrate the applicability of the proposed methodology and to compare its performance with one of the existing algorithms in real world inventory control problems.     

求解随机相关机会规划的有效算法

随机相关机会规划作为一类重要的随机规划,存在于许多领域中.为了寻找更为有效的求解随机相关机会规划的算法,采用随机仿真来逼近机会函数,在微粒群算法中利用随机仿真估计适应值,提出一种将随机仿真与微粒群算法相结合的随机相关机会规划算法.通过实例仿真测试该算法的性能,并与遗传算法进行比较,结果表明本算法具有一定的优势.     

A Genetic Algorithm Approach to Solving Stochastic Job-shop Scheduling Problems

This paper proposes a method for solving stochastic job-shop scheduling problems based on a genetic algorithm. The genetic algorithm was expanded for stochastic programming. In this expansion, the fitness function is regarded as representing fluctuations that may occur under stochastic circumstances specified by the distribution functions of stochastic variables. In this study, the Roulette strategy is adopted for selecting the optimum solution in terms of the expected value. Within this algorithm, it is expected that the individual that appears most frequently must give the optimum solution. The effectiveness of this approach is confimed by applying it to stochastic job-shop scheduling problems. I compare the approximately optimum solutions found by this approach with the truly or approximately optimum solutions obtained by other conventional methods, and discuss the performance and effectiveness of this approach.     

遗传算法和模糊控制的融合研究与设计

将遗传算法与模糊控制相结合,能达到取长补短的作用,一方面,模糊控制能够表达非线性和模糊性的系统知识;另一方面,通过遗传算法所拥有的高度并行,随机、全局搜索能力,使控制系统具有了学习能力,提出了先使用模糊逻辑的思想进行交叉概率和变异概率的整定,再利用模糊遗传算法对模糊子集进行了划分,可获得一个基于一定性能指标的次优或最优模糊控制器,又以二阶系统为例进行了计算机仿真,研究结果表明这种方法是有效的。     

随机仿真优化的一类遗传序优化框架

针对仿真优化问题存在随机性、计算费时、解空间巨大、多极小等难点,结合遗传算法的并行遗传搜索、最优计算量分配以及序优化的目标软化和序比较思想提出一类遗传序优化框架,进而讨论了该方法的收敛性和具体实施问题,最后指出了进一步的研究内容.     

模糊非线性规划对称模型基于遗传算法的模糊最优解*

本文基于扩展原理,借助于隶属函数,对具有一般形式的Ｆｕｚｚｙ数,提出了描述和表达Ｆｕｚｚｙ目标和Ｆｕｚｚｙ约束条件的方法,将一类具有Ｆｕｚｚｙ目标／资源约束非线性规划的对称模型转化为确定性的非线性规划。基于遗传自救的思想提出了Ｆｕｚｚｙ环境下求解非线性规划对称模型的Ｆｕｚｚｙ最优解方法。     

逆向物流供应链最佳供应商选择及订单量分配*

为解决逆向物流供应链中,供应商选择、订单量分配和提货点位置等不确定问题,建立了一个新的模糊多目标数学模型来确定最佳供应商选择、供应量及提货点位置,为避免在解决多目标模型时人为主观赋权,运用基于模糊目标规划的蒙特卡罗仿真模型来求解帕累托(pareto)理想解,采用遗传算法进行求解,并给出了相应优化方案,在此基础上研究讨论了不同权重分配下结果的优劣性及供应商选择风险,最后,针对不同权重分配,比较了遗传算法和Gurobi求解,实验表明,对于该问题模型遗传算法在解的优劣性上优于Gurobi。     

基于递阶遗传算法模糊加权神经网络的模糊规则自动获取

针对模糊规则的自动获取一直是模糊系统的一个瓶颈问题,提出一种基于递阶结构的混合编码遗传算法与进化规划相结合的模糊加权神经网络学习新算法,利用该算法同时优化模糊加权神经网络的结构和参数,最后说明了从网络中提取模糊规则的方法,从而自动获得最优的模糊规则。分析和实验结果表明,本文方法在规则提取和分类准确性等方面比其他方法更好。