多阶段煤炭供应链网络设计及其遗传算法

煤炭供应链网络设计旨在为大型煤炭集团选择合理的设施网络布局与最佳运量,以便提高效率并降低成本。考虑配煤加工与流量平衡等特有约束,建立了煤炭供应链网络混合整数规划模型,其优化目标是最小化固定设施成本、运输总成本与采购成本。考虑到模型求解的复杂度,设计了一种遗传算法,结合优先权与整数规则对染色体进行了编码与解码。实验算例表明所建立的模型能够真实地模拟煤炭供应链网络中设施布局与最佳运量的决策环境,其算法能够在允许的运算时间内获得稳定的满意解,随着算例规模的增大,其计算时间与优化结果均优于LINGO软件。     

一种求解混合整数非线性规划问题的混合优化方法

提出了一种适用于求解混合整数非线性规划(MINLP)方法(GA-SQP),针对确定型算法在NLP子问题复杂的情况下难以在有限时间内收敛的问题,将MINLP问题分解为一系列简单的NLP子问题,外层用遗传算法搜索最优的整数变量集,内层执行SQP算法解决NLP问题,相比传统的确定性算法,它能减少模型本身的非凸性,从而消除双线性项的求解困难,而相对于智能算法,它充分利用梯度信息,在求解NLP问题上具有明显的效率优势。在改进求解效率上,进一步引入存储机制,减少NLP重复求解从而加速收敛。最后以3个常用的测试函数和水处理网络问题为例,数值计算表明本文提出的方法搜索精度明显优秀于传统的确定型算法和启发式算法。     

遗传算法在供应链优化问题中的应用

本文以新疆某番茄酱厂番茄酱生产过程信息化项目为背景,主要针对生产计划中的供应链出现的问题,提出了一个新型供应链优化模型,并且采用遗传算法对其求解。     

融入逻辑关系的项目调度遗传算法

为解决复杂施工项目中存在的模型表述和计算问题,研究互斥、共存、依赖3种逻辑关系在调度计划表述模型中的应用,建立复杂施工调度问题的混合整数线性规划模型,并设计一种改进的遗传算法以快速求解模型。基于布尔变量划分的顺序编码方式,将染色体分为独立变量和半独立变量编码基因段,以最短工期的倒数为适应度函数进行最优解的启发式求解。在遗传操作后进行冲突检测,消除由种群初始化、交叉和变异操作生成的违反约束规则的个体,保证算法的有效性。工程案例计算结果表明,与传统精确式算法相比,该算法能有效缩短大型工程项目工期的求解时间。     

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。     

基于免疫遗传算法的制造元设计

为了提高工厂的生产效率,给出了一种制造元设计问题的解决方案.基于单元数规则,建立了制造元设计问题的整数规划模型;受生物接种疫苗提高免疫机理的启发,把问题的先验知识抽象成疫苗,利用疫苗接种提高算法的收敛速度,利用免疫克隆选择机理避免算法早熟,设计了一种基于疫苗接种的免疫遗传算法.最后构造了一种基于免疫遗传算法的制造元设计问题解决方案.实验结果表明,该方案能够有效地解决大中等规模的制造元设计问题,具有较高的应用价值.     

基于遗传算法的传感器管理系统的优化

介绍一种用于解决带有模糊目标和资源约束的传感器系统的模糊非线性规划问题的非精确方法。提出一种沿加权梯度方向进行变异的特殊遗传算法,在遗传算子中运用模糊控制的思想,寻找最优解所在的邻域,而不是发现精确最优解。从而实现模糊非线性规划传感器系统的优化。     

基于遗传算法的多UCAV动态任务分配研究

为了使多无人作战飞机在复杂多变的动态战场环境下协同性、实时性更优,文章针对多无人作战飞机动态任务分配问题建立了一种扩展的多目标整数规划模型,同时设计了基于模糊集隶属度的混合重调度方法,并采用遗传算法进行求解;对无人作战飞机失效和出现新目标两种动态情况进行仿真实验,与完全重调度进行对比,得到基于模糊集隶属度的混合重调度方法在效率及稳定性方面明显优于完全重调度,说明设计的混合重调度方法及模型在解决多无人作战飞机动态任务分配问题上的有效性。     

基于免疫遗传算法的供应链库存协同优化研究

在全球经济一体化发展的大背景下,企业之间的竞争方式发生了本质上的改变,即已由原来单个企业之间的竞争变为企业间所在供应链之间的竞争。在这种竞争方式下,企业逐步向追求整个供应链利益的最大化转变。针对供应链整体协同运作来有效控制库存的问题,建立了多级库存供应链模型,运用改进的免疫遗传算法对所建的供应链多级库存模型进行优化求解;并以西部某实木家具公司的P1和P2产品为例,结合所建立的多级库存成本优化模型和相应的算法设计,运用Matlab数学仿真软件仿真求解。     

基于遗传算法的多模型模糊控制

在非线性系统的多个平衡点建立线性模型的基础上，提出了多模型系统的模糊加权控制策略，采用遗传算法对模糊系统的隶属函数进行优化，综合了遗传算法强大的空间搜索能力，高精度和模糊控制器快速性的优点，使模糊控制达到较好的控制效果，仿真结果证明了所给方法的有效性。     

Adaptive genetic algorithm for advanced planning in manufacturing supply chain

A main function for supporting global objectives in a manufacturing supply chain is planning and scheduling. This is considered such an important function because it is involved in the assignment of factory resources to production tasks. In this paper, an advanced planning model that simultaneously decides process plans and schedules was proposed for the manufacturing supply chain (MSC). The model was formulated with mixed integer programming, which considered alternative resources and sequences, a sequence-dependent setup and transportation times.The objective of the model was to analyze alternative resources and sequences to determine the schedules and operation sequences that minimize makespan. A new adaptive genetic algorithm approach was developed to solve the model. Numerical experiments were carried out to demonstrate the efficiency of the developed approach. Received: June 2005 / Accepted: December 2005     

求解敏捷供应链调度优化问题的混合遗传算法

针对敏捷供应链调度决策中,需求的时间、数量约束和供应商生产能力、可用调度时段约束造成系统优化的复杂性,设计结合贪婪算法的混合遗传算法进行求解。算法以供应链系统库存成本和运输成本为适应度函数,以包含企业信息、部件信息和调度时段信息的时段编码作为遗传编码,以线性次序交叉LOX算子和逆序变异INV算子进行交叉和变异操作,在解码过程中结合贪婪算法进行调度决策和适应度计算,保证算法在满足约束条件的基础上快速收敛到系统Pareto最优解,通过算例验证算法的有效性。     

基于改进遗传算法的泊位岸桥协调调度优化

针对集装箱码头资源调度不合理造成资源浪费的问题,在考虑岸桥装卸成本的基础上,以在港集装箱船总的作业成本最小为优化目标,建立了基于非线性混合整数规划的泊位岸桥协调调度优化模型。为使模型更加接近码头操作的实际情况,模型假设船舶装卸时间依赖于为其分配的岸桥数。采用基于可拓关联函数的改进遗传算法对模型进行求解。改进算法强调了不可行解的重要性,用可拓关联度来衡量种群中不可行解的优劣程度,通过在种群迭代中始终保持一定数量的不可行解来维持种群多样性,从而克服传统算法局部搜索能力较差的缺陷。数值实验验证了模型和算法的可行性和有效性,与不考虑岸桥装卸成本的模型相比,能够有效减少港口资源的浪费。     

多周期多原料的供应链网络成本优化及其混合遗传算法

建立并求解一个基于成本最小的供应链网络模型.与以往研究不同,在该模型中生产一种产品需要至少两种原料,每种原料都可以由备选供应商提供.根据模型的特点,用0、1代表对原材料供应商、工厂和分销中心的选择情况,以MATLAB 7.6为平台,运用Sheffield大学的遗传算法工具箱,将遗传算法与线性规划算法相结合,实现了模型的求解.算例结果表明,给出的染色体编码方案正确,混合遗传算法有效,能解决多周期、多原料的供应链网络成本优化问题.还探讨了需求和距离变化,以及需求随机时对最优成本和最优个体的影响.研究表明,需求变化的影响大于距离变化的影响,需求随机对最优成本和最优个体的影响不大.     

基于改进HBA算法的生鲜闭环供应链网络鲁棒优化设计

针对生鲜闭环供应链网络设计问题,建立了一种基于生鲜闭环供应链网络的鲁棒优化模型,以解决供应链网络中的不确定性问题。首先,针对涵盖五个节点的生鲜供应链网络结构建立了多周期、多产品,以最小化成本、最小环境影响为目标的混合整数规划模型,采用模糊折中规划与区间数据鲁棒优化方法进行处理;其次,在原有蜜獾算法的基础上引入差分进化原则,增强算法的全局搜索能力与收敛速度;最后,通过MATLAB数值分析与仿真实例表明,所提鲁棒优化模型与蜜獾算法在求解生鲜闭环供应链网络设计问题中具有明显优势。     

云自适应遗传算法

传统自适应遗传算法(AGA)虽能有效提高收敛速度,却难以增强算法的鲁棒性.以当代种群平均适应度为期望Ex,根据云模型"3En"规则确定熵En,由X条件云发生器自适应调整交叉变异概率,提出云自适应遗传算法(CAGA).由于云模型云滴具有随机性和稳定倾向性特点,使交叉变异概率值既具有传统AGA的趋势性,满足快速寻优能力;又具有随机性,且当种群适应度最大时并非绝对的零概率值,有利于提高种群多样性,从而大大改善避免陷入局部最优的能力.典型函数优化实验表明,与标准遗传算法(SGA)和AGA相比,CAGA具有更好的收敛速度和鲁棒性.     

基于供应商选择的大规模网络供应能力研究

在产品供不应求的市场环境下,为了最大限度地满足市场需求,核心企业需要对供应链中的供应商组合进行选择,实现整个供应链网络的最大供应能力。为了有效地解决组合方案规模庞大、计算困难的问题,采用了嵌套的混合遗传算法对此问题进行优化,提出了一种计算大规模网络最大流的新算法。算例结果显示,该方法能够正确选择供应商组合,并求解网络的最大供应能力。     

基于遗传算法的频繁项挖掘算法

从数学规划的角度重新表述了单维布尔型频繁项挖掘问题,利用新定义的加法和数乘及范数运算将其归结为一个非线性0－1规划问题,并利用遗传算法进行求解。在分析频繁项挖掘问题困难原因的基础上,提出了利用原数据库记录确定初始种群的方法,并在IBM公布的ticeval2000数据库上进行了数值实验。实际计算结果表明,该方法一般在几代内即可找到一批长频繁模式。     

基于遗传算法的城市混合型路网设计问题研究

针对目前城市路网设计中存在的一些缺陷,提出一种基于遗传算法的城市混合型路网设计的多目标优化模型,它可一次性求得多个可供规划决策者进行选择的路网设计方案,并利用一个算例进行仿真试验,结果表明,该模型和算法是可行的、有效的,可以为城市路网规划提供借鉴。