考虑复杂需求特性的多级煤炭供应链网络优化

由于不同燃煤设备与装置对煤质的要求存在差异,需要将不同类别、品质的煤进行配煤加工,以满足客户差异化需求并减少环境污染。考虑到这一复杂产品需求特性,结合配煤加工与流量平衡等特有约束,建立了新的四级煤炭供应链网络混合整数规划模型,以确定网络中的矿井、物流转运中心与配煤加工中心的数量、位置及规模,并分配各条网络路径上的合理煤炭流量。鉴于问题的NP-hard特性,设计了一种遗传算法,对染色体采用了新的编码结构,并结合贪婪启发式算法生成初始种群,提高了求解效率。大规模实验算例表明,该算法的求解质量明显优于混合遗传算法与模拟退火算法;同时,随着算例规模的增大,与LINGO软件相比,算法在计算时间方面的优势越来越显著。     

基于遗传算法的战略供应链集成研究

在战略供应链研究中,考虑供应链的三个主要阶段,采购、生产、配送和它们之间的相互作用,不同客户需求,设施配对关系,供应商优先权以及现有供应链设计模型的局限性,建立了混合整数非线性规划（MINLP）模型。为有效地解决这种大规模混合整数非线性规划模型的约束,采用自适应遗传算法（AGA）对该模型进行求解优化。实验结果表明,所提混合整数非线性规划模型能够有效解决战略供应链设计中的供应链协同优化问题,并能得到较优的供应链设计方案。     

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。     

可持续闭环供应链网络设计的多目标模糊规划问题

为解决不确定条件下可持续闭环供应链网络设计的问题,以成本和环境影响最小、社会影响最大为目标,建立带有模糊参数的多目标闭环供应链网络规划模型.首先采用Me测度处理相关模糊目标和参数,并运用加权增广Epsilon-约束方法解决多目标问题,在此基础上设计一种基于[0, 1]随机数的双层编码遗传鲸鱼(GA–WOA)混合算法进行求解,然后构造多个不同规模算例,将混合算法求解结果与CPLEX、遗传算法的求解结果进行对比,结果证明该编码方式和混合算法具有合理性.最后针对模型的多个参数变化进行分析,以验证所建模型的可行性.     

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。     

混沌遗传算法用于求解混合整数规划问题

针对遗传算法的早熟收敛问题,提出了一种混沌遗传算法（CGA）用于解决混合整数规划问题（MIPP）。该算法的基本思想是把混沌变量加载于初始个体的混沌生成和最优个体的混沌搜索过程中。研究结果表明：混沌遗传算法能够有效地解决混合整数规划问题,改善了遗传算法的早熟问题。该算法效果显著,明显提高了解决混合整数规划问题的计算效率,在收敛速度、解的精度和稳定性方面也都优于遗传算法。     

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.     

跨国供应链战术生产计划研究

论文介绍了国内外跨国供应链战术生产计划研究概况,然后给出了一个跨国供应链战术生产计划非线性混合整数规划模型。模型的优化目标为税后利润最大化,考虑的宏观经济因素为汇率、关税、国内税率等;并且设计了遗传算法进行求解。模型的创新点在于在生产计划研究中引入转让价格、运输成本分配因子作为模型的决策变量。     

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。     

随机流量网络中流量分配控制的多目标优化研究

现实世界的网络比如：物流网络、通信网络、交通网络,电网等可以被抽象成一个随机流量网络。以传输成功率和整个传输所花费的成本为目标,对随机流量网络上流量的分配控制的多目标优化问题进行了研究。采用MPs的概念对问题建模,大大简化了模型的复杂程度。最后提出一个多目标遗传算法,通过实例验证,该算法较好地解决了随机流量网络上的流量分配控制问题。     

求解供应链优化问题的广义遗传算法

供应链优化研究是供应链管理中的一个重要问题,也是一个难题,针对该问题,提出了一个新型供应链优化模型,并且构造了广义遗传算法对其求解,该算法融入了特殊的演化规则,克服了遗传算法局部收敛的缺陷,提高了全局收敛的能力,实验表明对供应链优化问题的求解,广义遗传算法优于传统的遗传算法和分枝界定法。     

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。     

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。     

Capacitated closed-loop supply chain network design under uncertainty

This study optimizes the design of a closed-loop supply chain network, which contains forward and reverse directions and is subject to uncertainty in demands for new & returned products. To address uncertainty in decision-making, we formulate a two-stage stochastic mixed-integer non-linear programming model to determine the distribution center locations and their corresponding capacity, and new & returned product flows in the supply chain network to minimize total design and expected operating costs. We convert our model to a conic quadratic programming model given the complexity of our problem. Then, the conic model is added with certain valid inequalities, such as polymatroid inequalities, and extended with respect to its cover cuts so as to improve computational efficiency. Furthermore, a tabu search algorithm is developed for large-scale problem instances. We also study the impact of inventory weight, transportation weight, and marginal value of time of returned products by the sensitivity analysis. Several computational experiments are conducted to validate the effectiveness of the proposed model and valid inequalities.     

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。