基于粒子群算法的敏捷供应链伙伴选择问题研究

伙伴选择是组建敏捷供应链过程中的关键问题之一,主要研究如何在众多候选企业中选择合作伙伴组成最优敏捷供应链.引入粒子群算法解决这一问题,提出了一种基于粒子群算法的敏捷供应链伙伴选择算法,最后以一个典型算例说明了该算法的有效性.     

基于自适应遗传算法的虚拟企业伙伴选择求解

针对虚拟企业合作伙伴的选择问题,根据虚拟企业的市场目标,采用层次分析算法确定评价因子的权重,然后建立多目标的虚拟企业伙伴选择优化模型.为简化模型,以最短的完工时间、最低的成本和最高的信誉度为目标.在遗传过程中对各个单目标进行排序选择,通过对交叉、变异算子进行自适应改进,采用最优保存策略迭代求出最佳合作伙伴及分配的具体工作量.通过与普通遗传算法的对比,仿真算例验证了改进后的算法的优越性.     

基于自适应遗传算法的虚拟企业合作伙伴选择

针对均衡分配生产任务与合理选择合作伙伴问题,应用自适应遗传算法进行计算求解.根据低效候选企业的概念,对解的空间进行了缩减以降低计算复杂度;建立了以生产负荷率为主要变量的适应度函数,通过算例分析以验证算法的可行性;应用标准遗传算法以及枚举法作对比验证,表明建立的模型和方法可以获得满意的解.该方法有助于提高制造企业的资源利用率.     

一种基于自适应免疫算法的优化设计方法

提出了一种新的机械优化设计方法——自适应免疫算法，该算法以种群的方差和熵作为结束条件，能自动调节优化参数。使用该算法对QAY50全地面起重机的转向梯形进行了优化设计，优化结果表明，该算法在保证全局收敛的同时提高了局部搜索能力，证实了算法的有效性。     

基于GA的敏捷制造系统资源选择研究

针对资源选择提出了一种以最小的竞标花费和交通运费为优化目标的算法,该算法分两步完成.首先,通过对时间因素的排除,将0-1整数规划问题转化成2次指派问题;其次,在引入虚拟资源和虚拟任务之后,提出了一种基于遗传算法的优化算法.通过引入虚拟资源或虚拟任务,使得该算法种群的编码、初始化,以及交叉算子的设计等都变得非常简单,从而大大提高了运算速度.最后的实例分析也表明了该算法的有效性.     

一种基于人工免疫的模糊核聚类算法

针对模糊聚类及核聚类算法存在的初值敏感及易陷入局部极值点的问题,提出了一种基于人工免疫的模糊核聚类新算法。新算法将基于核的模糊聚类方法与人工免疫进化算法相结合,借鉴生物免疫系统中免疫细胞克隆和记忆、亲合力成熟等机理,采用克隆选择机制对抗体进行逐代克隆、高频变异及抑制操作。相对于模糊聚类及核聚类算法,新算法能快速地获得全局最优解。仿真数据、IRIS数据和空气压缩机运行数据测试结果证明了新算法的可行性和有效性。     

基于免疫算法的复合材料铺层顺序优化设计

介绍一种模拟人体免疫系统工作原理而得出的全局优化算法--免疫算法,简述其工作原理和基本步骤,并用该方法研究复合材料层合板的铺层顺序优化设计问题.最后通过算例结果验证文中提出的复合材料层合板优化设计方法的有效性,并研究免疫算法的记忆抗体群的大小对优化结果的影响.     

一种基于能量法的自由曲面展开算法

提出了一种基于能量法的自由曲面展开算法,适用于任意复杂自由曲面的展开.根据建立的曲面能量模型,采用映射法进行曲面的Delaunay三角网格划分,并计算空间网格三角形点的变形能,然后进行变形能的释放,得到自由曲面展开后的二维平面.能量法不拘于问题的形式,可以用来求解一般的问题,该算法具有一定的通用性,适用于CAD/CAM中的曲面展开问题.     

一种基于Petri网和AGA算法的测试系统死锁预防策略

在自动测试系统中,很多任务需要并行测试.测试过程比串行测试复杂,较容易出现死锁现象,因此提出一种基于Petri网和自适应遗传算法(adaptive genetic algorithm)的死锁预防策略.在该策略中,首先为自动测试系统建立一个Petri网模型,然后将Petri网的状态方程作为约束条件,最后求出模型的发射序列即系统中无死锁的任务调度路径.Petri网的发射序列求解一直是NP问题,针对这种情况,引入自适应遗传算法对可行解空间进行全面的搜索,可得到所有无死锁的路径.最后,通过雷达接收机的并行测试例子,和启发式算法搜索进行对比,进一步体现了该死锁预防策略的优越性.     

一种新的敏捷虚拟企业合作伙伴选择与评价方法

针对敏捷虚拟企业合作伙伴选择和评价中出现的待选企业多、信息模糊性增加等新问题，以及传统层次分析法和其他模糊层次分析法在处理类似多方案问题中出现的判断矩阵不一致性等缺陷，将层次分析法、三角模糊数理论和其他基本模糊理论相结合，提出了一种合作伙伴选择和评价的新方法。该方法采用基于三角模糊数的层次分析法求取各层次指标的权重，采用模糊关系矩阵确定各待选企业的属性值，最后归并获得评价结果。在Matlab环境开发了基于该方法的具体应用系统，并进行了实例分析计算。     

敏捷虚拟企业合作伙伴选择的方法研究

提出了敏捷虚拟企业伙伴选择的三阶段结构化进程,给出了一种多目标决策数学模型,并基于ＡＨＰ法对权重因子的取值进行确定,提出了采用Ｂｅｎｃｈｍａｒｋｉｎｇ法对关键因素的的决策值进行量化计算的方法。     

敏捷虚拟企业伙伴选择的多维决策模型

描述了在敏捷虚拟企业伙伴选择群体决策问题中项目之间的联系因素，及其在决策过程中的处理方法，并提出相应的多维决策模型。基于该模型的群体决策过程支持对伙伴选择方案的整体规划，有利于进一步优化任务完成的性能；能在决策过程中从全局上指导参与企业的决策方向，减少冗余环节，提高群体决策的效率。     

敏捷虚拟企业合作伙伴选择评价体系研究

提出了敏捷虚拟企业伙伴选择的三阶段结构化进程和伙伴选择的评价参考体系 ,给出了一种多目标决策数学模型 ,并基于 AHP法对权重因子的取值进行确定 ,提出了采用 Benchmarking法对关键因素的决策值进行量化计算的方法     

敏捷供应链中合作伙伴的选择研究

结合敏捷供应链的特点，建立敏捷供应链合作伙伴选择模型。在此模型的基础上，提出基于模糊多属性原理的评价算法，该算法适用于敏捷供应链合作伙伴选择过程。最后给出运行实例。     

基于信任评审的虚拟企业伙伴选择

以模糊综合评价法为工具，提出了一种基于信任评审的虚拟企业伙伴选择方法。采用具有较强综合反映能力的信任度指标来进行虚拟企业伙伴选择，能解决虚拟企业运行中的合作相容性和稳定性问题。将该方法应用到实例中得到了一个伙伴选择排序表，与企业的实际运作较吻合。     

虚拟企业伙伴选择中的多目标决策问题

在竞争，合作，动态的市场环境中，虚拟企业被认为是21世纪最有竞争力的企业运行模式，但如何选择合适的伙伴，则是虚拟企业能否组建成功的关键。在应用整数规划描述虚拟企业伙伴选择多目标决策模型的基础上，给出了支持伙伴选择的多目标决策工具与算法，并以实例说明该工具能有效支持虚拟企业伙伴的选择。     

基于Agent的虚拟企业合作伙伴选择方法

提出了一个虚拟企业合作伙伴选择过程模型和基于Agent的合作伙伴选择系统，系统包括核心企业Agent域和合作伙伴Agent域，核心企业Agent域由管理Agent、任务规划Agent和评价Agent组成。介绍了规划Agent把一个任务分解为多个子任务组成的工作流，以及决策Agent中模糊变量的创建方法、基于XML的模糊规则表示方法和推理机的工作原理。     

基于协同学理论的虚拟企业合作伙伴选择研究

为最大化虚拟企业项目中各任务间的协同程度,提出了一种基于协同学理论的虚拟企业伙伴选择方法。建立了以极大化系统协同度为优化目标的伙伴选择模型,该模型考虑了系统的交货时间、总费用和产品准时交货率等因素的协同度。此外,针对基本杂草算法在求解伙伴选择模型的过程中容易陷入局部极值的缺点,设计了一种嵌入混沌搜索行为的混合杂草算法来求解该模型。仿真结果表明了该方法的可行性及有效性。