结合批量问题的多目标矩形件优化排样

设计多目标启发式进化算法,研究了一种考虑批量问题的二维矩形件排样问题,建立了含有原材料成本最小化和零件库存成本最小化的多目标优化模型。先用启发式算法初始化下料方式,再用改进的快速非支配排序算法进行优化求解,确定下料方案。通过实验结果以及与其他算法的对比表明,在中等规模的矩形件排样问题中,该算法能够在较快的时间内既保证较高的原料利用率,又能降低该问题的总成本,证明了该算法的有效性。     

低碳环境下闭环供应链网络设计多目标鲁棒模糊优化问题

针对低碳环境下多级闭环供应链网络设计的战略定位和配置问题,综合考虑网络参数的模糊性以及多产品流,以供应链网络的总成本和总碳排放最小为目标,建立多目标鲁棒模糊优化模型.该模型将机会约束的最低置信水平作为决策变量,实现目标函数期望值、最优鲁棒性和可行鲁棒性之间的有效平衡.最后,设计一种基于必要性测度的交互式$\varepsilon$约束模糊求解方法,并通过算例验证所提模型和算法的有效性和可行性.     

考虑客户聚类与产品回收的两级闭环物流网络选址-路径优化

针对目前不合理的废旧产品回收以及物流活动产生的碳排放污染，提出了一种考虑客户聚类与产品回收的两级闭环物流网络选址-路径优化模型。首先，结合实际物流网络的动态性假设客户需求量和回收率的不确定性特征，以最小运营成本和最小环境影响为目标建立选址-路径优化模型；其次，对多目标进化算法进行改进，提出了考虑客户聚类结果的两级物流设施选址-路径问题求解算法；最后，对该优化算法进行算法性能分析，并以重庆市某企业为例进行了模型和算法验证。结果表明，所建立的模型和算法能有效降低决策难度并提高物流系统的运作效率，所求出的优化方案能减少物流运作成本和降低物流运输过程对环境的影响。     

面向双目标应急物资调度的改进差分进化算法

本文对应急物资调度模型的建立及求解该模型的优化算法进行了研究.首先,在资源受限情况下,以配送费用总成本最小和最大缺失损失最小为优化目标,建立了连续消耗问题的多供应点对多受灾点的应急物资调度模型.然后,通过引入DE/best/1变异策略与DE/rand/2变异策略对差分进化算法进行了改进,提出了一种基于双变异策略的改进差分进化算法,将Pareto非支配等级分层与拥挤距离的概念引入到改进差分进化算法中,对约束双目标调度模型进行求解.最后,通过两种不同规模的四组仿真实验,验证了本文提出模型及改进的差分进化算法的可行性和有效性.与基本差分进化算法对比,双变异策略的改进差分进化算法对相同应急物资调度问题进行求解时,得到了更多的Pareto前沿解个数,和较低的应急物资调度配送费用成本与较小的最大缺失损失,同时解分布的广泛性也得到了显著提高.     

考虑碳排放的冷链物流轴幅式网络多目标优化

针对传统冷链网络优化模型忽视碳排放量的不足,基于绿色物流、共享经济的相关理念,在轴幅式理论下对多个区域的冷链配送进行资源整合后进行共同配送,提高冷链配送车辆的满载率。同时,构建考虑碳排放成本在内的总成本最小和最大化客户满意度的多目标优化模型,达到降低总成本和满足客户最大满意度的目的,实现经济效益和环境效益共赢的状态。以客户满意度来表示物流网络系统的可靠性和服务质量,并结合易腐品的新鲜度对时间的敏感性,引入货损成本。最后,设计粒子群算法对其进行求解。通过算例对比验证了模型与算法的有效性,有效解决冷链物流网络的网点布局和运输配送问题。     

可持续闭环供应链网络的多目标优化研究

针对可持续的闭环5供应链网络优化问题,考虑柔性供应策略、设施改造对网络优化的影响,并以经济成本最小、碳排放量最低、社会效益最大为优化目标,构建了多目标的多情景-模糊优化模型。针对模型中的不确定参数,用三角模糊数与多情景优化的方法处理其模糊性和随机性,然后根据不同的分析角度,分别用线性加权法和NSGA-[Ⅱ]算法对模型进行求解,基于算例的求解结果,对目标权重的灵敏度、模型的稳健性以及目标间的冲突性进行了分析。证明了考虑柔性供应策略和设施改造问题的必要性;给出了闭环供应链网络设计的决策建议。     

考虑电池损耗的电动冷藏车路径及充电策略

电池充电造成的电池损耗对企业运营成本影响较大,以不同SOC区间内一次充电造成的电池容量衰退成本模型估计电池损耗成本,研究了车辆途中可多次进入充电站充电的路径优化问题,在考虑运输成本、制冷成本、货损成本、充电时间成本、惩罚成本的基础上,将电动冷藏车的电池损耗成本纳入总成本最小的目标函数,并建立了线性规划数学模型。采用增加粒子间共享信息类型的改进粒子群算法对该模型进行求解。将改进粒子群算法应用于构造的算例中,得到包括充电策略在内的车辆最优路径方案和最小运营成本,结果表明充电上限为80%的车辆路径方案可得到最低的运营成本,同时与标准粒子群算法求得的计算结果进行了比较分析,证明该改进粒子群算法在求解该问题上的可行性。     

普通立体仓库的货位优化模型与算法研究

在物流仓储的总成本中,库存成本占很大比重。企业为了减少库存成本,不断设法去改进和优化仓库"存储"的过程。针对普通立体仓库的入库过程,在考虑叉车载重、货位容量和存储策略等限制条件下,建立了以入库作业过程中工作人员行走总路程最小为目标的货位优化模型。根据问题和模型特点,将货位优化问题分为两层优化:货位选择优化层和货位顺序优化层;然后将传统遗传算法同启发式算法相结合对模型进行求解;最后通过仿真实验验证了模型和算法的合理性和可行性。该成果可用于解决多数普通仓库的货位优化问题。     

考虑动态拥堵的多车型绿色车辆路径问题优化

为降低物流配送成本,促进碳减排,提出一种考虑动态拥堵的多车型绿色车辆路径优化方法.针对常发性道路拥堵状况,将配送时间划分为若干时段,以道路拥堵系数反映不同时段的拥堵状况,同时考虑到碳排放、多车型和客户时间窗的影响,建立以系统总成本最小为目标的绿色车辆路径优化模型,设计求解模型的头脑风暴优化算法.结合算例,对该问题进行仿真,将结果与遗传算法进行对比,验证了模型的可行性和算法的有效性,表明考虑多车型配送和动态拥堵可以有效降低系统成本.     

单线图动态规划最优布局成图技术

提出了一种基于动态规划算法得到布局最优解实现区域电网单线图生成的方法.根据电网空间数据构建拓扑模型,执行广度优先算法得到多个能构成连通图的邻接矩阵以及矩阵遍历序列,根据邻接矩阵宽度计算出能容纳全部设备的正方形范围,并建立了设备最小间距为优化目标的数学模型.提出了动态规划最优布局求解的算法,应用该算法求解布局最优解数组,最后按照最少交叉原则进行正交化处理.应用实例表明通过最优解布局的成图美观且高效.     

雷达装备测试性设计优化技术

针对雷达装备测试性优化设计的实际技术需求,对雷达测试性优化设计过程进行了分析。以雷达装备各阶段数据为基础,综合考虑测试效能、测试代价、可靠性约束等要素,研究了基于测试代价和测试效能的测试性优化方法,并给出了基于最小测试代价的雷达系统测试性优化模型。针对模型多目标优化求解问题,给出了一种基于改进的粒子群优化算法。该算法引入混沌理论,使初始种群呈现多样性,避免了传统粒子群算法的早熟现象,同时提高了搜索的精度和速度。通过对案例的仿真与验证表明,利用这种改进的粒子群算法对基于最小测试代价的测试性优化模型进行求解时,能够在满足模型目标函数的约束条件下,获得全局最优解。     

考虑多样化需求的诊疗设备维护和患者调度联合优化研究

针对诊疗设备维护和住院患者候诊难以有效协调的问题,建立了联合优化模型。首先,假设设备具有离散的劣化状态,将设备的劣化过程建模为连续时间马尔可夫链;其次,考虑到患者对诊疗设备的不同功能频率需求,以及不同劣化状态对患者治疗时间、费用的影响,以患者就诊顺序、检查策略、修复策略为决策变量建立了设备维护和患者调度模型;最后,采用改进后的非支配排序遗传算法对多目标问题进行了求解。实验结果验证了设备维护与患者调度联合优化模型的有效性。改进后的算法提高了整体和局部的搜索能力,且具有鲁棒性。     

基于粒子群算法求解区间值板坯设计优化问题

为了适应大规模定制对连铸计划的新要求,提出了在板坯设计阶段固定板坯重量的策略,以减少过度追求生产柔性造成的高成本。建立了考虑工艺限制的区间值板坯设计模型,该模型是以最小化板坯数量和总盈余量为优化目标的多目标整数规划模型。结合问题的特点,采用模糊决策方法对多目标函数进行集成,提出了符合板坯设计的粒子群编码规则,并利用粒子群算法对模型进行了求解,最后通过实例验证了算法的可行性,并与该问题的下界进行比较,表明了算法的有效性和稳定性。     

基于模糊物元模型的高维多目标FJSP研究*

为解决高维多目标柔性作业车间调度问题,提出了一种基于模糊物元模型与粒子群算法的模糊粒子群算法（Fuzzy Particle Swarm Optimization,FPSO）。该算法以模糊物元分析理论为依据,采用复合模糊物元与基准模糊物元之间的欧式贴近度作为适应度值引导粒子群算法的进化,并引入具有容量限制的外部存储器保留较优的Pareto非支配解以供决策者选择。此外,构建了优化目标为最大完工时间、设备总负荷、加工成本、最大设备负荷与加工质量的高维多目标优化模型,并以Kacem基准问题与实际生产数据为例进行仿真模拟与对比分析。结果表明,该算法具有良好的收敛性且搜索到的非支配解分布性较好,能够有效地应用于求解高维多目标柔性作业车间调度问题。     

双种群混合遗传算法的裁剪分床应用研究

为解决服装生产中的裁剪分床计划问题,结合生产过程的影响因素和订单需求,建立了裁剪分床的多目标数学模型进行优化,使用一种改进的双种群粒子群-遗传混合算法对模型进行求解。混合算法将进化种群划分为普通种群和精英种群,利用改进的遗传算法来全局搜索进化普通群体并筛选精英个体,同时结合粒子群优化算法进化精英群体。交叉和变异保证种群的多样性,粒子群寻优机制提升进化速度,两种群在进化时交叉影响不断寻找最优方案。实验结果表明：混合算法在解决多目标的生产订单裁剪分床问题上表现稳定,相比改进的遗传算法有更快的寻优速度,比手工计算方法减少1个裁床,裁剪时间缩短5?min且超裁数量降低60%,可以适应不同目标需求,针对实际生产中的裁剪分床有一定的应用价值。     

基于模糊逻辑NSGA-Ⅲ的开关磁阻发电机多目标优化算法

低资源型的汉越神经机器翻译中,数据稀疏问题是影响翻译性能的主要原因,目前缓解该问题的途径之一是通过语料扩充方法生成伪平行数据,并用于机器翻译模型的训练,伪平行数据生成方法主要有基于词的替换、单语数据回译和枢轴翻译3种.目前的研究集中于3种方法的单独使用,缺少方法间融合利用方面的研究工作,针对此问题,提出了融入双语词典的正反向枢轴方法,利用英语作为枢轴语言,在汉到英到越正向枢轴的基础上,融入利用稀有词构建的汉-英和英-越双语词典,将汉语单语数据通过模型翻译成英语数据,再利用英-越模型将其翻译成越南语数据,其次进行越到英到汉反向枢轴翻译将越南语单语数据翻译为汉语,以此在2个方向上生成汉越伪平行数据,并利用语言模型对生成的伪平行数据进行筛选.汉-越翻译任务上的实验结果表明,提出的融入双语词典的正反向枢轴方法,能够产生更优的伪平行语料,进而显著提升汉越神经机器翻译任务的性能.     

Multi-objective optimization problem under fuzzy rule constraints using particle swarm optimization

In this paper, a fuzzy multi-objective programming problem is considered where functional relationships between decision variables and objective functions are not completely known to us. Due to uncertainty in real decision situations sometimes it is difficult to find the exact functional relationship between objectives and decision variables. It is assumed that information source from where some knowledge may be obtained about the objective functions consists of a block of fuzzy if-then rules. In such situations, the decision making is difficult and the presence of multiple objectives gives rise to multi-objective optimization problem under fuzzy rule constraints. In order to tackle the problem, appropriate fuzzy reasoning schemes are used to determine crisp functional relationship between the objective functions and the decision variables. Thus a multi-objective optimization problem is formulated from the original fuzzy rule-based multi-objective optimization model. In order to solve the resultant problem, a deterministic single-objective non-linear optimization problem is reformulated with the help of fuzzy optimization technique. Finally, PSO (Particle Swarm Optimization) algorithm is employed to solve the resultant single-objective non-linear optimization model and the computation procedure is illustrated by means of numerical examples.     

A multi-objective optimization approach for integrated production planning under interval uncertainties in the steel industry

This paper investigates one of the key decision-making problems referring to the integrated production planning (IPP) for the steelmaking continuous casting-hot rolling (SCC-HR) process in the steel industry. The complexities of the practical IPP problem are mainly reflected in three aspects: large-scale decision variables; multiple objectives and interval-valued uncertain parameters. To deal with the difficulty of large-scale decision variables, we introduce a new concept named “order-set” for modeling. In addition, considering the multiple objectives and uncertainties of the given IPP problem, we construct a multi-objective optimization model with interval-valued objective functions to optimize the throughput of each process, the hot charge ratio of slabs, the utilization rate of tundishes and the additional cost of technical operations. Furthermore, we propose a novel approach based on a modified interval multi-objective optimization evolutionary algorithm (MI-MOEA) to solve the problem. The proposed model and algorithm were tested with daily production data from an iron and steel company in China. Computational experiments demonstrate that the proposed method generates quite effective and practical solutions within a short time. Based on the IPP model and MI-MOEA, an IPP system has been developed and implemented in the company.     

基于多目标PSO算法的信息工程监理

为了解决信息化工程监理面临的综合管理的复杂性, 通过综合考虑信息工程监理过程中对质量、投资、进度的控制, 采用以资源作为决策变量, 以整体工期优化为目标, 建立一种信息工程监理过程多目标优化的数学模型. 针对该数学模型, 构建了信息工程监理控制优化的多目标决策问题的目标函数, 结合一种多目标离散粒子群进化算法, 根据具体问题的特点, 重新定义和设计新的粒子进化方程, 从而较好地解决多目标优化信息工程监理控制目标的问题.