供应链环境下的装备多级库存优化研究

研究了一个战役级、多个战术级仓库组成的树型多级库存系统,建立了战役级仓库分别采用等量等间隔、不等量等间隔订货策略的模型。采用自适应遗传算法实现了模型的求解,并用实例验证了算法的有效性。     

基于连续性库存检查策略的库存系统仿真优化

库存能够保证企业的正常运作,但过多的库存又导致库存成本增加、占用大量流动资金．因此,有必要在库存持有量和成本之间寻求一个平衡点．利用AnyLogic软件构建了单一库存点的库存仿真系统．以连续性库存检查策略为例进行仿真与优化实验,得出最优库存控制策略,在保证客户服务水平的基础上实现了库存成本最低．     

基于时变需求的树型多级库存优化研究

考虑到战术仓库的需求率具有时变性的特点,应用供应链管理的思想研究了一个战役仓库、多个战术仓库组成的树型多级库存优化问题,建立了战役仓库采用延迟化订货策略、战术仓库分别采用等间隔或等量订货策略时的模型,并采用自适应遗传算法实现了模型的求解,实例验证了模型及算法的有效性.实验结果表明,战术仓库采用延迟订货策略,战术仓库采用等量订货策略时总费用最低.     

一类非凸优化问题的遗传算法

线性二层规划是一类特殊的非凸优化问题,为了有效求解该问题,提出了一种基于单纯形方法的遗传算法。首先基于下层约束给出了一种新的编码方法;其次利用单纯形表的信息得到了下层问题的解函数,并结合最优性条件给出了适应度函数;最后基于个体编码的特点,设计了新的遗传算子。数值结果表明,所提出的算法是可行有效的。     

基于多级库存策略的网络营销模型设计

基于多级库存策略的网络营销模型设计这一课题,设计多级库存策略下的网络营销模型首先构建多级库存网络营销的成本函数为订货费用加上运输费用,划分库存管理营销层次,对模型数据进行统一化处理,基于销售层次最终建立网络营销模型.通过实例运用,与其他两种网络营销模型相比较,证明了多级库存策略的网络营销模型能有效地降低库存成本,提高营业额,具有推广性.     

有限期延迟交货的随机性库存系统的仿真模型

本文基于离散事件系统仿真原理,建立了有限期延迟交货的随机性库存系统的仿真模型,从而可用计算机仿真的方法为物流管理选定最佳库存策略。     

一类带筛选策略的改进遗传算法及其性能分析

为避免遗传算法的早熟收敛，增强算法的全局搜索和局部趋化能力，在传统保优GA中引入筛选策略，即基于种群性能和种群地域差别删去一些性能相对差的冗余个体，进而维持种群的多样性．基于典型复杂函数的数值仿真结果表明，所提算法的全局收敛速度和命中全局最优的几率相对传统方法大大提高，并对参数具有较好的鲁棒性．     

基于遗传算法的一类带缓冲区的混合生产调度

提出带缓冲区的混合生产的一种调度模型,将离散生产所需的半成品原料的生产分解为连续生产各生产线的分段式生产任务,并给出快速调度方法,再利用遗传算法和分派规则求解离散生产调度问题,仿真算例表明了该方法的有效性。     

具有时变需求的配送型多级库存优化研究

考虑到战术仓库的需求率具有时变性的特点,应用供应链管理的思想研究了一个战役仓库、多个战术仓库组成的配送型多级库存优化问题,建立了战役仓库采用等量订货策略,战术仓库分别采用等间隔、等量订货策略时的模型,并采用自适应遗传算法实现了模型的求解,实例验证了模型及算法的有效性.实例表明：战役仓库采用等量订货策略,战术仓库采用等间隔订货策略时总费用最低.     

协同供应链多级库存控制的多目标优化模型及其求解方法

在多级库存的协调控制过程中,只考虑成本的单目标优化模型对于提高供应链总体性能水平存在着局限,本文提出了考虑需求满足率、时间、成本的多目标协同优化模型,对于多品种、复杂拓扑结构,以及库容、生产能力受限的情况,提出了一种在外层对库存策略和内层对物流分配方案分别进行寻优的双层求解方法,并采用演化多目标优化技术构造了算法. 通过算例实验对模型的有效性进行了验证,实验结果表明,基于多目标模型的优化结果使得系统总体性能得到显著改善.     

一类区间系数线性双层规划问题的遗传算法

针对一类上层目标函数带区间系数的线性双层规划问题,提出了一种基于双适应度函数评估的遗传算法(GA)。该算法的特点是在一次运算中同时获得最好最优解和最差最优解。首先,利用双层规划约束域的顶点进行个体编码,以上层目标函数中系数的上下端点构造两个适应度函数;其次,利用适应度函数排序种群中的个体,并按从好到差的次序验证个体的下层最优性,直到找到一个可行个体;最后,在算法运行中更新找到的可行个体。通过对4个算例的仿真实验,表明算法是可行且有效的。     

考虑区间约束的物流网络双层规划模型及算法

考虑物流网络需求的不确定性,利用区间参数度量不确定性变量与参数,建立区间需求模式下的物流网络双层规划模型,设计了一种含区间参数与变量的递阶优化遗传算法,通过定义问题求解的风险系数与最大决策偏差,给出适合物流网络结构的区间运算准则,实现模型的确定性转化。以区间松弛变量与0-1决策变量定义初始种群,通过两阶遗传操作运算,求解不同情景下双层规划目标的区间最优解与节点决策方案。算例测试表明算法求解的可操作性更强,求解结果具有区间最优解与情景决策的优越性。     

基于遗传算法的机场滑行调度优化策略

提出一种基于遗传算法的滑行调度优化策略。该策略首先用遗传算法确定各航班经过交叉点的顺序,再根据上一步得到的顺序求解具体的调度计划,并反复迭代以逐渐优化,直到得到最优解或满意解。相对于混合整数线性规划（MILP）模型而言,有效地提高了求解效率,减少了求解时间。     

协同进化理论及其在施肥模型中的应用

采用数理统计方法进行施肥模型构造,由于受到固定的数学结构的限制,导致有一些实验结果因不能被模型拟合而被舍弃,造成了一些数据的浪费。针对这些问题,提出了基于协同进化理论的施肥模型构建算法,将模型构建问题分解为模型结构构建与模型参数优化两个子问题,并将这两个子问题抽象成多种群间协同进化。使用遗传规划算法进行模型结构构建,使用遗传算法对模型参数进行优化,两个过程协同进行。实验结果表明,该算法能够在历史实验数据的基础上自动生成动态模型,同时具有较好的准确度。     

抑制孤立簇的软件模块化优化算法

针对传统软件模块化指标在解决软件模块化问题时容易导致孤立簇的问题,提出改进型软件模块化指标IMQ作为进化算法的适应函数以有效抑制孤立簇现象,并以IMQ最大化为目标建立软件模块化的数学规划模型,设计符合问题特点的基于相似度竞争和选择机制的改进遗传算法（IGA）求解该模型。首先,运用边收缩方法的启发式策略生成高质量的初始解,并将其作为种子植入到初始种群中;然后,利用IGA对模型进行求解,在提升搜索效率的同时进一步提高解的质量;最后,运用真实数据和仿真数据进行对比实验。实验结果表明IMQ指标能有效减少孤立簇的数目,而IGA比传统的多点爬山算法（IHC）和基于分组编码（GNE）的遗传算法具有更强的寻优能力和鲁棒性。     

改进的蚁群遗传优化算法及其应用

针对当前移动机器人的一些路径规划算法存在的局限性,提出了一种基于改进蚁群优化和遗传优化的融合算法。利用改进的信息素更新技术和路径节点选择技术使算法尽快找到优化路径,来形成融合算法的初始种群,机器人每前进一步,蚂蚁就对局部路径重新搜索,并处理随机出现的障碍物;然后利用遗传算法(GA)对种群个体进行全局优化,从而能使机器人沿一条全局优化的路径到达终点。仿真结果表明了该融合算法的可行性和有效性。     

通用测试系统硬件集成模型与集成策略

提出了通用测试系统硬件集成的策略问题,给出了系统功能分层描述,建立了数学模型,定义了性能评价指标,并对指标进行了求解,基于此构建了基于遗传算法的硬件集成策略,给出了算法步骤,并以某测试系统的组建为例,对提出的硬件集成策略和算法的可行性进行了验证,从结果可以看出提出的通用测试系统硬件集成策略具有较好的适用性、合理性和可行性。     

基于遗传算法求解两曲线间最短距离

针对传统算法求解平面两条曲线间最短距离较为困难的问题,提出一种基于遗传算法的求解方法.该方法通过交替求解一条曲线上样本点到另一条曲线上样本点之间最短距离的方式对问题的可行域进行优化搜索.并对传统遗传算法做了两方面的改进,一是根据曲线自身特征分区间选取初始种群,使其能够合理地分布在寻优空间;二是对交叉结果进行跟踪,确保交叉成功后的个体优于父代个体.最终实例验证结果表明,该算法能较好地收敛到此类问题的全局最优解.     

遗传算法中选择交叉策略的改进

提出一种改进的遗传算法,为排序选择压力引入自适应调节机制,确保选择压力随种群性状的改变而动态调整,采用新的竞争择优交叉策略提高种群中个体的平均性能。选取典型测试函数进行仿真,结果表明该算法在寻优精度和收敛速度上较原有算法均有较大提高,收敛概率达90%以上。     

基于并行遗传算法的气球力Snake模型参数优化

针对气球力Snake模型的图像分割效果很大限度上依赖于初始参数的选取,借鉴遗传算法的高效、并行和全局搜索的性能,提出了一种求解气球力Snake模型最优参数的算法。该算法用气球力Snake能量泛函作为目标函数,引入图像相似度函数作为遗传迭代终止准则,采用并行遗传计算进行分割参数寻优。实际医学图像的实验结果表明,算法能避免通过大量实验来人工选取参数的繁琐,也解决了参数选取不当导致的分割结果不理想的问题,可以得到较好的分割效果。