低碳供应链纵向合作减排的动态优化

基于微分博弈, 研究由一个供应商与一个制造商组成的低碳供应链中纵向合作减排的动态优化问题. 构建了以制造商占主导、供应商跟随的Stackelberg 微分博弈模型, 分别得到了制造商和供应商的最优反馈均衡策略及各自的利润最优值函数, 推导出产品碳排放量随时间变化的最优轨迹. 通过数值算例分析了制造商和供应商的长期合作减排策略对产品碳排放量的影响, 为供应链上下游企业开展长期减排合作提供了理论依据.

     

混合粒子群算法和多Agent系统的协同生产调度及其组合优化

为了从整体角度优化调度供应链网络的各个环节,研究了在供应链环境下核心制造商与制造商的协同生产调度方案,考虑在满足产品生产时间节点的最少加工时间。建立了多Agent的供应链环境下的协同生产调度模型,针对此模型设计了协同混合粒子群优化算法并进行求解。通过实例研究表明,供应链环境下制造商的协同优化对生产的计划与实行起到了关键的作用。     

基于混合方法的供应链协同计划研究

本文主要研究了供应链协同计划中的优化问题,所建数学模型中考虑了多计划期、多产品、多供应商、多制造商和多分销中心,以供应链系统总成本和总运行时间最小化为目标,采用整数规划和仿真相结合的混合方法来求解该模型。最后通过算例说明该混合方法对多目标供应链生产-分销计划模型求解的可行性和有效性。     

基于拉格朗日松弛算法的分布式供应链优化

为解决分布环境下的无协调中心的供应链生产计划的协调问题,提出了一种基于拉格朗目松弛算法的折扣价格协调优化策略。针对企业计划只能基于本地信息的特点,利用拉格朗日松弛算法将企业之间的物料耦合约束松弛掉,从而把整个供应链计划问题分解为多个可利用本地信息求解的企业生产计划子问题。通过上下游企业之间对折扣价格（拉格朗目算子）的异步更新,可以逐步获取整个供应链生产计划的优化解,从而实现分布环境下的供应链生产计划的异步协调。仿真实验证明了该方案的可行性。     

基于拉格朗日松弛的供应链合作生产计划模型研究

为解决供应链生产计划协调问题,通过市场价格和中间库存因素使供应链上下游企业结合成一个整体,建立一种供应链上下游一体化计划模型,从整体考虑供应链合作计划问题．为获取问题的可行解,采用拉格朗日松弛技术进行优化,为供应链上下游企业在信息共享条件下实现“多赢”目标,提供了理论依据．仿真结果验证了模型和算法的有效性．     

基于拉格朗日松弛的供应链合作生产计划模型研究

为解决供应链生产计划协调问题,通过市场价格和中间库存因素使供应链上下游企业结合成一个整体,建立一种供应链上下游一体化计划模型,从整体考虑供应链合作计划问题．为获取问题的可行解,采用拉格朗日松弛技术进行优化,为供应链上下游企业在信息共享条件下实现“多赢”目标,提供了理论依据．仿真结果验证了模型和算法的有效性．

     

基于双层规划的多供应商物料配送期量优化

为有效解决多供应商单制造商构成的二级供应链中供应商配送批量不经济、配送时间无序导致物流成本高和卸货拥堵等问题,建立多供应商配送期量的双层规划模型.上层模型从库存与配送联合优化视角,考虑供应商配送批量经济性,以供应链物流总成本最低为目标,确定最优配送批量;下层模型基于上层优化结果,考虑制造商生产时序性,以供应商时间惩罚成本最小化为目标,确定供应商配送时间序列.采用遗传算法和动态规划相结合的方法求解上下层模型,得到供应商最优配送期量标准.通过实例运用,验证了模型与算法的有效性及可行性.     

基于双层规划的多供应商物料配送期量优化

为有效解决多供应商单制造商构成的二级供应链中供应商配送批量不经济、配送时间无序导致物流成本高和卸货拥堵等问题,建立多供应商配送期量的双层规划模型.上层模型从库存与配送联合优化视角,考虑供应商配送批量经济性,以供应链物流总成本最低为目标,确定最优配送批量;下层模型基于上层优化结果,考虑制造商生产时序性,以供应商时间惩罚成本最小化为目标,确定供应商配送时间序列.采用遗传算法和动态规划相结合的方法求解上下层模型,得到供应商最优配送期量标准.通过实例运用,验证了模型与算法的有效性及可行性.     

敏捷供应链插单调度优化的启发式算法

针对在敏捷供应链已有生产计划基础上进行的插单调度问题,以单工厂和多供应商组成的两级供应链系统为研究对象,采用时间槽表示可用调度时间,以最小化供应链总成本为目标,建立了调度优化问题的整数规划(IP)模型,设计了求解该模型的逐批选优启发式(OOSH)算法。通过算例将其与距离优先和作业周期优先决策算法比较,验证了启发式算法的有效性,显示了敏捷供应链协同调度可以有效提高供应链的市场竞争力。     

主制造商供应商协同合作最优定价决策博弈与混沌分析

基于主制造商供应商的协同合作模式和利益追求,建立了主制造商供应商的价格博弈模型,考虑主制造商供应商的合作共生关系,引入共生系数,研究利益分配下的供应链定价问题.应用复杂系统理论分析了系统的稳定性与混沌状态,通过数值模拟,发现了供应商的价格调整速度影响供应链系统的稳定,共生系数影响主制造商和供应商的利益.由此,供应链企业通过选择合适的控制系数,可使系统维持在稳定状态下,这一研究结果对复杂产品主制造商供应商的价格决策有很好的借鉴作用.     

Location and allocation decisions for multi-echelon supply chain network – A multi-objective evolutionary approach

This paper aims at multi-objective optimization of single-product for four-echelon supply chain architecture consisting of suppliers, production plants, distribution centers (DCs) and customer zones (CZs). The key design decisions considered are: the number and location of plants in the system, the flow of raw materials from suppliers to plants, the quantity of products to be shipped from plants to DCs, from DCs to CZs so as to minimize the combined facility location and shipment costs subject to a requirement that maximum customer demands be met. To optimize these two objectives simultaneously, four-echelon network model is mathematically represented considering the associated constraints, capacity, production and shipment costs and solved using swarm intelligence based Multi-objective Hybrid Particle Swarm Optimization (MOHPSO) algorithm. This evolutionary based algorithm incorporates non-dominated sorting algorithm into particle swarm optimization so as to allow this heuristic to optimize two objective functions simultaneously. This can be used as decision support system for location of facilities, allocation of demand points and monitoring of material flow for four-echelon supply chain network.     

基于强化学习的HP模型优化方法研究

蛋白质结构预测问题一直是生物信息学中的重要问题。基于疏水极性模型的蛋白质二维结构预测问题是一个典型的NP难问题。目前疏水极性模型优化的方法有贪心算法、粒子群算法、遗传算法、蚁群算法和蒙特卡罗模拟方法等，但这些方法成功收敛的鲁棒性不高，容易陷入局部最优。由此提出一种基于强化学习的HP模型优化方法，利用其连续马尔可夫最优决策与最大化全局累计回报的特点，在全状态空间中，构建基于能量函数的奖赏函数，引入刚性重叠检测规则，充分挖掘生物序列中的全局进化关系，从而进行有效与稳定的预测。以3条经典论文序列和5条Uniref50序列为实验对象，与贪心算法和粒子群算法分别进行了鲁棒性、收敛性与运行时间的比较。贪心算法只能在62.5%的序列上进行收敛，该文方法能在5万次训练后稳定的在所有序列上达到了收敛。与粒子群算法相比，两者都能找到最低能量结构，但该文的运行时间较粒子群算法降低了63.9%。     

整合供应商选择的多层级选址-库存模型

针对多级供应链网络设计中选址和库存一体化决策问题,基于梯级库存策略,建立了整合供应商选择的多层级选址-库存模型。模型以网络中供应商的选择成本、工厂和配送中心的打开成本、层级之间的运输成本、库存成本、采购成本和生产成本之和最小为目标,同时对供应商的选择、工厂和配送中心的选址、配送中心对顾客的分配、层级之间的运输量、工厂和配送中心的订货批量进行决策。为了求解所建立的模型,设计了基于部分编码的粒子群优化算法。20个不同规模的算例测试表明：所建立的模型是有效的,能用于多层级供应链网络的设计;所设计的算法无论是在求解精度,还是在运算速度上都明显优于数学优化软件Lingo 9.0,尤其是当供应链网络中总节点数较大时。     

协同进化算法在关联规则挖掘中的应用

文中采用了一种协同进化算法,分别利用改进的遗传算法和粒子群算法对两个种群同时进行迭代,并在种群之间引入一种信息交互机制,使两个种群协同进化。文中最后通过实验对该协同进化算法、传统的遗传算法以及粒子群算法应用于关联规则挖掘时的性能进行比较,证明了该协同进化算法在可接受的时间复杂度前提下,不仅继承了传统遗传算法挖掘关联规则时无须产生规模庞大的候选项集和有效减少扫描数据库次数的优点,更弥补了其容易早熟收敛的缺陷,从而能高效地搜索出数据库中高质量的关联规则,这点在其应用于高维数据集时尤为显著。     

基于混合粒子群算法的供热管网优化设计

供热管网优化设计一直是多年来城市地下管网工程中的研究热点。通过分析供热管网的优化模型,建立关于供热管网的目标函数即供热管网投资费用,根据供热管网的目标函数及约束条件建立适应度函数。利用粒子群优化算法对该非线性模型进行求解,借鉴遗传算法中变异操作的思想,设计基于遗传算法的混合粒子群算法,寻求在水力约束条件下目标函数的最小值。实例结果表明,将粒子群优化算法应用于供热管网优化设计可以取得较好的优化结果,并且充分的体现出粒子群算法的寻优能力。     

量子微粒群在波阻抗反演中的应用

求解的局部性和计算速度慢是目前非线性波阻抗反演存在的主要缺陷。在与微粒群算法进行比较的基础上,研究了量子微粒群反演算法。数值实验结果表明,与微粒群反演相比,量子微粒群波阻抗反演在收敛速度和避免陷入局部极小等方面有着一定的优势,适合于非线性反演问题,该方法也适用于其他领域非线性最优化问题的求解,具有较强的普适性。     

遗传-粒子群的投影寻踪模型

以前的投影寻踪研究都是采用遗传算法来寻找最优的投影方向,但遗传算法对初始种群的选择有一定的依赖性,收敛速度较慢,而且得到的也未必是最优解。粒子群算法是一种模拟鸟群飞行觅食的行为,通过个体之间的协作来寻找最优解的进化计算技术。根据遗传算法和粒子群算法的优缺点,将两者有效地结合在一起,提出了遗传-粒子群的投影寻踪模型。该方法能有效地解决投影寻踪模型中投影方向的寻优问题,并将该方法应用于文本分类,在Reuters-21578文档集上分别采用KNN和朴素贝叶斯方法进行实验,结果表明此方法能有效提取投影方向,取得了满意的分类效果,也提高了算法收敛到最优解的能力。     

Supply chain modeling in uncertain environment with bi-objective approach

Supply chain is viewed as a large-scale system that consists of production and inventory units, organized in a serial structure. Uncertainty is the main attribute in managing the supply chains. Managing a supply chain (SC) is very difficult, since various sources of uncertainty and complex interrelationships among various entities exist in the SC. Uncertainty may result from customer’s demand variability or unreliability in external suppliers. In this paper we develop an inventory model for an assembly supply chain network (each unit has at most one immediate successor, but any number of immediate predecessors) which fuzzy demand for single product in one hand and fuzzy reliability of external suppliers in other hand affect on determination of inventory policy in SCM. External supplier’s reliability has determined using a fuzzy expert system. Also the performance of supply chain is assessed by two criteria including total cost and fill rate. To solve this bi-criteria model, hybridization of multi-objective particle swarm optimization and simulation optimization is considered. Results indicate the efficiency of proposed approach in performance measurement.     

QPSO算法在训练支持向量机中的应用

训练支持向量机的本质问题就是求解二次规划问题，但对大规模的训练样本来说，求解二次规划问题困难很大。遗传算法和粒子群算法等智能搜索技术可以在较少的时间开销内给出问题的近似解。量子粒子群优化（QPSO）算法是在经典的微粒群算法的基础上所提出的一种有较高收敛性和稳定性的进化算法。将操作简单而收敛快速的QPSO算法运用于训练支持向量机，优化求解二次规划问题，为解决大规模的二次规划问题开辟了一条新的途径。     

基于CRQP的多小区OFDMA系统联合资源分配算法

针对OFDMA多小区系统中相邻小区同频干扰下的吞吐量最大化问题,在系统功率的约束条件下,基于协同量子粒子群算法提出一种子载波和功率联合分配的协同随机量子粒子群算法（CRQP）。分别利用粒子群算法独立优化子载波的功率分配,并利用改进的量子遗传算法独立优化用户的子载波分配。在独立优化的同时,通过随机协同策略避免陷入局部最优解,达到全局最优。仿真结果表明,与传统的分步求解算法相比,CRQP算法能获得更多的系统吞吐量和更高的资源利用率。