粒子群优化算法综述

粒子群优化（PSO）算法是一种新兴的优化技术，其思想来源于人工生命和演化计算理论。PSO通过粒子追随自己找到的最好解和整个群的最好解来完成优化。该算法简单易实现，可调参数少，已得到广泛研究和应用。详细介绍了PSO的基本原理、各种改进技术及其应用等，并对其未来的研究提出了一些建议。  

双枝模糊决策与决策识别问题

章提出具有中性域Ｘ^*(X^*≠X) X的上的双枝模糊决策的概念和决策优化分析模型，决策判定定理，决策识别定理，决策去余定理和决策因素域Ｘ上的挖洞原理，双枝模糊决策具有具下列特征，决策结论的双向依赖特性，决策结论的叠加合成特性，决策结论的枝－分离特性，决策的枝－退化特性，决策结论的非失误特性，研究结果得到了应用。  

基于空间收缩的并行演化算法

提出了一种基于空间收缩的求解MINLP问题的新算法。算法应用了快速有效的不完全演化搜索较优解的分布信息，通过分布信息定位最优解的可能分布，再由精英个体信息决定下次搜索空间。仿真结果表明该算法在搜索效率、应用范围、解的精确性和鲁棒性上都优于其他现存演化算法。  

生产调度的稳定性研究

生产调度中存在着大量的约束条件，它是否可行完全取决于所有约束条件是否都满足。文章研究了面向约束的调度稳定性问题。给出了硬约束、软约束和约束满意度的定义，提出了调度稳定度的概念，最后给出一个生产调度案例说明了调度稳定度在生产实际中应用的意义。  

基于模糊规划的间歇过程生产调度建模

通过对现有生产调度模糊模型的分析，针对间歇生产过程，提出了一种新颖的参数模糊的通用模糊规划建模方法，模糊模型采用2种基于普通遗传算法的模糊算法，即模糊模拟和SFA算法。该方法中，参数隶属函数选取灵活，采用合适的模糊表示方式。最后通过实例验证了该模糊建模方法是一种有效的方法。  

集成启发式规则的混合整数规划调度模型

针对生产调度优化问题,提出了一种集成启发式规则的混合整数规划调度模型.在分析启发式规则逻辑关系的基础上,用布尔逻辑变量表达启发式规则建立了启发式规则的基本逻辑表达式及其等价代数表达式,基于基本表达式给出了启发式规则的数学表达.将启发式规则的代数表达式与混合整数规划相结合,实现了启发式规则的集成.集成启发式规则的混合整数规划调度模型在结合启发式规则的基础上进行数学优化,克服了混合整数规划难以直接利用经验规则和基于规则的调度优化性难以保证的不足.最后以某炼油过程生产调度为例说明了模型的有效性.  

基于受控混杂Petri网(CHPN)的分层优化模型及其在炼油厂氢气管理中的应用

提出了一种基于受控混杂Petri网(CHPN)的分层优化建模结构,并将其应用于炼油厂的氢气网络优化管理中.这种分层优化结构将CHPN建立的过程仿真模型同传统的数学优化方法紧密结合在一起,上层的数学优化模型根据经济指标寻求最优解,下层CHPN在上层最优解的控制下运行,可以根据工厂的实际生产条件的改变在计划期内及时调整调度安排,并保证经济指标的最优性.炼油厂氢气平衡管理建模实例显示,通过该方法获得的炼油厂氢气平衡调度方案减少了炼油厂生产过程中氢气资源的浪费现象,提高了企业的经济效益.  

基于变量分离的生产调度空间划分算法

静态生产调度大多形成MILP或MINLP模型，由于调度规模大及混合整数规划的组合优化特性，造成调度求解困难。通过对混合整数规划模型空间的分析，提出依据整数变量和连续变量的分离策略进行空间的自然划分，从而将模型的求解转化为多个较小规模连续子空间的寻优。对典型间歇调度模型的分析表明，将空间划分后进行连续寻优的策略较大地降低了实际运算的规模，降低了求解难度，可以提高问题的求解速度和效率。  

生产调度的模糊建模方法研究综述

系统地总结了生产调度问题的各种传统建模方法, 并就模糊数学理论和传统建模及智能方法的结合, 综述了目前生产调度的模糊建模方法的研究进展和成果,提出了几个具有前途和代表性的关于这类问题的研究方法, 以期为这类问题的研究指出可行的道路和方向。