具有变异特征的蚁群算法

蚁群算法是一种新型的模拟进行算法，初步的研究已经表明该算法具有许多优良的性质，但该算法也存在一些缺点，如计算时间较长。  

自适应蚁群算法

蚁群算法是由鄣大利得Ｍ．Ｄｏｒｉｇｏ等人首先提出的一种新型的模拟进化算法，初步的研究已经表明该算法具有许多优良的性质，为求解算杂的组合优化问题提供了一种新思路，此方法已经引起了众多学者的研究兴趣，但同时也存在着一些缺点，如需要较长的计算时间，容易出现停滞现象等，目前国内对此研究尚少，为此，本文对景中算法的研究现状作一综述，希望能够对相关研究起到一定的启发作用。  

基于遗传算法的知识获取及其在故障诊断中的应用研究

从优化角度出发，本文提出一种基于遗传算法的机器学习方法，该方法能够从学习 实例中总结出有用的知识．针对该优化模型，本文用一种新型的遗传算法对其进行优化，并 将该方法应用于旋转机械故障诊断知识获取过程，仿真实验结果说明该方法是比较有效的．  

零售商价格竞争下的最优决策与收益共享契约

研究由一个制造商与两个竞争零售商组成的两级供应链系统的最优决策及契约协调问题,其中每个零售商面临的需求是价格敏感和随机的.当随机需求分布具有递增失败率(IFR)时,竞争的零售商存在唯一最优的定价和订购决策,并给出了最优决策的解析表达式,证明了收益共享契约能使两个竞争零售商加盟的供应链达到协调及契约成立的条件.最后通过理论推导和数值分析给出了需求价格弹性系数对最优决策及协调的影响.  

实时专家系统可靠性分析的随机Petri网模型

可靠性是限制实时专家系统广泛应用的主要原因之一．然而目前国内尚未见有关的理论及论文出现．本文讨论了影响实时专家系统可靠性的主要因素．给出了基于规则专家系统推理过程的随机Ｐｅｔｒｉ网模型及其参数的数字化方法．在假定硬件系统可靠性一定且没有软件错误的条件下，通过对该模型的仿真对实时专家系统的可靠性进行了分析，给出系统可靠性与实时限制及启发误差之间的关系曲线．  

两种需求模式下报童模型的最优定价-订购联合决策

在加法和乘法两种需求模式下，研究了带有缺货惩罚的单周期报童模型的最优定价-订购联合决策问题，证明了最优决策的存在性及唯一性的充分条件，并具体给出了最优决策的解析表达式。通过数值算例，验证了结论的有效性，给出了价格敏感因子对最优决策和期望收益的影响。研究结果在理论上更具有一般性，而且为研究多零售商的价格竞争决策问题和供应链契约协调等问题提供了理论依据。  

期权契约中风险态度对最优决策的影响

考虑一个供应商与一个零售商组成的单一时段、单一产品的两层供应链模型.供应商提供基于期权的数量柔性契约,零售商将条件在险价值作为其风险度量准则.首先得到了零售商的初始订货量及期权购买量与风险厌恶程度之间的解析表达式,并分析了解的性质;然后通过数值实验分析了风险厌恶程度及各个系统参数对最优决策及最优利润的影响.  

带运输时间的无等待供应链在线调度问题研究

研究了供应链在线调度问题.该问题具有工件无等待、工序之间存在运输时间、加工时间介于一个区间等特点,制造商随时可能接到顾客订单,订单到达前,所有信息如订单数量、到达时间及加工时间等均未知.研究了在不改变已有工件调度的情况下,使用资源的可用时间区间最早完成临时订单的算法.计算机仿真表明,使用该算法求解大规模临时订单问题是十分有效的.  

基于正交试验的免疫遗传算法在调度问题中的应用

提出了优先权值编码与三个体交叉算子相结合的免疫遗传算法．该编码方法不仅满足车间作业调度问题(Job shop Scheduling Problem, JSP)中工序优先约束的要求，而且可以有效避免非可行解的产生．三个体交叉的交叉算子在保证后代群体多样性的前提下，在很大程度上继承了父代的优良特性．基于正交试验的免疫算子丰富了抗体群的多样性，从而大大提高了算法克服局部收敛的能力．在算法参数的选取上，采用正交试验法来确定参数值，加快了收敛速度．对车间作业调度的几个典型问题进行了仿真，并与其它算法进行了比较．实验结果表明了该算法的有效性，仿真结果令人满意．  

动态评价免疫微粒群算法在Job-shop调度中的应用

传统粒子群优化算法在解决组合优化问题上具有一定的局限性,通过分析其优化机理,对迭代公式加以改进,提出了改进微粒群算法。算法中,利用遗传算法的交叉思想来完成粒子间的信息交换,以期达到粒子更新。粒子进化过程中,为保留群体中的优秀粒子,使用了加速度这一优化算子。为避免粒子陷入局部搜索,迭代过程中使用免疫算法来动态评价微粒群体。通过大量实验仿真,算法可以有效求解作业车间调度问题,验证了算法的合理性。