整车物流网络规划集成优化模型研究

优化整车物流系统配送网络可降低成本,为此,建立了综合考虑运输规模效应、库存控制策略、设施和服务质量等决策因素的整车物流网络规划集成优化模型。给出了一种流预测和遗传算法相结合的求解方法。在遗传算法中采用二进制码和自然码组合的编码方式,使得每个合法染色体都代表一种可行物流网络结构。为了解决适应度函数中的工厂与分销中心之间的运输成本计算困难的问题,提出了流预测算法,用于确定产品在工厂、集货中心和分销中心构成的凹费用流网络中的最优运输路径,进而获得适应度函数值。最后,通过仿真试验验证了优化模型的正确性和算法的有效性。     

随机需求下二级供应链库存控制研究

针对企业传统库存局部优化存在的不足,以一个分销中心与多个零售商组成的二级供应链为对象建立系统库存成本优化模型。市场需求服从正态分布,综合考虑安全因子与服务水平,以订货成本、库存持有成本和缺货成本为系统库存成本,求解总成本最低的优化方案。最后,通过实例验证表明分销中心与零售商合作时库存总成本比不合作时明显降低。     

双渠道多级分销网络选址—库存问题

针对分销网络中各节点独立决策与全局最优并存的现实需求,引入目标级联法用于解决双渠道多级分销网络选址库存问题.构建了多层级、多节点、多主体的三层级问题求解模型,并采用底层先收敛、局部用遗传算法的协调策略进行求解,实现选址决策、库存决策与线上需求分配决策.以某红酒企业的双渠道分销网络运作模式为案例,对选址—库存模型进行求解与结果分析,并与传统的一体化优化方法的求解效果进行对比,验证了目标级联法在求解选址—库存问题的有效性;通过对需求方差的变化进行敏感性分析表明,为降低需求不确定性对企业物流总成本的影响,应及时优化供应链结构,调整线上需求分配的层级.     

基于信赖域近似模型管理的多目标优化方法及其应用

针对复杂工程多目标优化中求解精度受近似模型精度影响大的问题,提出了一种基于信赖域近似模型管理的多目标优化方法。该方法在每一个优化迭代步中首先采用拉丁超立方实验设计方法获得样本点,并基于这些样本点建立各目标和约束的二阶响应面模型,接着用所建立的响应面模型代替真实模型进行多目标优化,优化算法采用微型多目标遗传算法,然后通过信赖域模型管理方法来管理近似模型。该方法大大降低了近似模型对求解精度的影响。该方法在车身薄壁构件的耐撞性优化中的应用验证了其解决复杂工程多目标优化问题的能力。     

步行式挖掘机最大作业范围参数的确定

针对求解步行式挖掘机最大作业范围参数问题,建立了整机的运动学模型和稳定性力学模型,提出了一种求解步行式挖掘机最大作业范围及其最大挖掘力参数的优化模型,采用网格法对其求解,计算结果表明,该优化方法简单、可靠,为确定步行式挖掘机作业性能参数提供了理论依据．     

基于多智能体的分销链预测优化模型研究

为提高分销链中多层预测的准确性,优化订货和库存,提出基于多智能体的预测模型.建立了具有约束条件的目标函数,并将惩罚函数引入遗传算法进行求解,使得分销链整体成本最小化.模拟四层分销链中各公司的预测订货量和订货成本,分析了单位成本参数对它们的影响.最后,比较了多智能体预测模型和传统预测方法.仿真结果表明,分销链中各公司的预测订货量与市场需求量趋于一致,在一定程度上改善了分销链中订货信息的多级放大现象(牛鞭效应);同时分销链的订货成本波动较小,证明多智能体预测模型优于传统的预测方法.     

VMI模式下成本控制优化与物料配送研究

在VMI模式下对库存成本控制与物料配送进行了深入研究,建立了基于时间发货策略的库存成本控制与物料配送模型。对库存成本进行分解得到了完整的总成本表达式,通过优化方法对模型进行求解得到了最优化发货周期、补货数量与最小库存成本。研究结果有助于增强企业快速响应市场需求的能力,降低企业的投入成本,提高企业的竞争能力。模型在企业分销系统中得到了实例应用。     

快速成形制造中扫描方向的优化方法研究

通过分析多边形轮廓的填充特点,提出了一种填充扫描矢量方向的优化方法。建立了多边形轮廓填充矢量方向的近似最优化模型,并对这种优化模型进行了误差分析,采用遗传算法对优化模型进行了求解。实验证明,该方法能够有效减少填充扫描矢量的数目。     

租赁车辆运输外包模式下多次直接运输策略的集成库存运输计划

分销网络在车辆租赁运输外包模式下,如何协调同步库存和运输计划是需要确定的运作决策.为此,讨论了多产品、单分销商、多用户的分销网络中,分销中心在租赁车辆外包模式和多次直接运输策略下的配送计划问题,建立了该问题的混合整数规划模型MTDS-ⅡT.根据问题的特点,设计并开发了基于部分链的遗传算法,以求解该模型.     

遗传算法在行星齿轮多目标模糊优化设计中的应用

遗传算法是一种模拟生命进化机制的搜索和优化方法,其全局优化和隐含并行性使得遗传算法适合求解大规模的复杂优化问题,本文在介绍遗传算法的基础上,把遗传算法用于行星传动多目标模糊优化设计中.本文采用综合行星轮传动体积和最大承载能力的多目标优化模型,利用模糊理论建立综合评价函数,应用求解精度高的遗传算法求解.具体算例的优化结果显示,传动体积与承载能力都获得了改善.     

生产配送协同计划问题研究

针对单工厂、多产品、多周期、单配送中心的供应链网络,研究了生产、配送协同计划问题,构建了生产、配送协同计划模型,提出了用于求解该问题的粒子群算法方案,阐明了该算法方案的具体实现过程.采用分离策略提出独立决策下的生产计划问题模型和配送计划问题模型.仿真实例的计算结果表明协同决策可以有效地降低供应链成本.     

基于本体与多Agent的可靠供应链网络设计模型

针对供应链环境下的分布性、不确定性和动态性特征,基于本体与多Agent技术,构建了一种集成多种智能算法的可靠供应链网络设计模型。通过服务本体实现成员企业服务发布与发现,通过工作流本体实现订单任务动态分解,综合采用投招标策略和可靠性优化策略,实现可靠供应链网络的最优设计。其中,优化Agent由投标企业可靠性评估机制、目标可靠性预测机制以及基于可靠性的任务分配机制构成。通过一个应用实例验证了系统的可行性与有效性。     

[供应链调度]分时电价和时变行程时间下的供应链调度

针对单机供应链调度问题,在生产计划和批次配送阶段分别考虑分时电价政策和时变行程时间。以总成本最小为目标建立混合整数规划模型,通过对模型的分析给出了最优解的性质,以此将模型分解为若干个批次的机器调度子问题。对于子问题优化,设计了子集划分启发式算法并证明了算法的最优性。对于主问题的优化,设计了自适应变邻域搜索算法。数值计算结果验证了模型和算法的有效性,证明了供应链集成调度能减少大量的能源消耗。     

基于禁忌搜索的平行机多工厂供应链调度

提出一类平行机多工厂供应链调度问题,从整体的角度优化订单分配、生产调度和运输调度。以交货期限内完成所有工件的生产和运输总成本最小化为目标,构建了问题的混合整数规划模型。设计了一种基于向量组编码结构的禁忌搜索算法以求解该问题。使用供应链调度策略和独立决策策略分别对算例进行求解,数据结果验证了供应链调度策略的优越性。禁忌搜索算法结果与CPLEX的求解结果对比表明,禁忌搜索算法有效可行。     

基于蚁群算法的供应链滚动优化决策方法

针对钢铁供应链最终客户的需求不确定性,提出了一种将蚁群算法与滚动优化算法相结合的供应链优化决策方法,旨在满足最终客户不确定性需求的同时降低成本。通过实施滚动优化策略,来减少需求不确定性导致的决策失误。在优化模型中考虑了采购规模和生产规模对单位成本的非线性影响。为求解滚动优化中的非线性优化问题,通过将成本等效为路径的长度,将决策变量的候选解等效为城市,从而把决策优化问题转化为蚁群路径寻优问题。在每次静态优化中,优化算法根据历史数据和反馈信息来确定优化决策变量。针对一个包括供应商、生产商、零售商和最终客户的供应链对象进行了仿真研究,结果表明了所提方法在克服需求不确定和模型非线性方面的有效性。     

Multi-criteria genetic optimization for distribution network problems

This paper develops a multi-criterion genetic optimization for solving distribution network problems in supply chain management. Distribution problems deal with distribution from a number of sources to a number of destinations, in which various decision factors are closely related and influence each other. Genetic algorithms have been widely adopted as the optimization tool in solving these problems. This paper combines analytic hierarchy processes with genetic algorithms to capture the capability of multi-criterion decision-making. The proposed algorithm allows decision-makers to give weightings for criteria using a pairwise comparison approach. The numerical results obtained from the new approach are compared with the results obtained from linear programming. The result shows that the proposed algorithm is reliable and robust. In addition, it provides more control for decision-makers on the determination of the optimization solutions, and gains more information for a better insight into the distribution network. This revised version was published online in October 2004 with a correction to the issue number.     

基于蚁群算法的供应链物资配送系统优化

针对供应链物资配送系统的优化问题，提出了综合配送中心选择和配送路线优化，即在通过遗传算法选好配送中心的基础上，进一步通过蚁群算法（Ant Colony Algorithm）来优化配送路线。并重点讨论了蚁群算法对配送路线的优化。     

基于Petri网的虚拟供应链物流网络优化

为了提高虚拟供应链中的物流运作效率，提出了一种基于Petri网的物流网络优化方法。该方法首先分析虚拟供应链物流的组成，确定库所、变迁及其属性；其次建立物流网络的Petri网模型图和数学规划模型；然后分析物流过程，找出瓶颈环节，并确定重要参数的取值，采用数学规划模型计算各物流指标的最优值。最后，给出了一个对陶瓷产品的虚拟供应链物流网络进行优化的案例。     

双渠道两阶段供应链网络均衡模型

研究了在电子商务环境下产品存在现货市场时,由供应商和制造商组成的两层供应链网络在两阶段交易情况下的均衡问题。模型考虑了供应链同一层次企业间存在竞争和不同层次企业间存在交易成本的情况,研究了两阶段交易网络均衡问题,建立了供应商和制造商的决策模型,给出了求解算法并做了算例分析。求解得到的均衡产量、订货量和均衡价格对供应链上企业决定生产规模和销售价格等,均有指导意义。     

Designing and planning a multi-echelon multi-period multi-product closed-loop supply chain utilizing genetic algorithm

Designing and planning a closed-loop supply chain in a comprehensive structure is vital for its applicability. To cope with the design and planning issue of a comprehensive closed-loop supply chain network, this paper develops an extended model, which is multi-echelon, multi-product, and multi-period in a mixed integer linear programming framework. The word “comprehensive,” in our mathematical approach, in designing and planning a closed-loop supply chain problem, can be analyzed from two complementary angles: including all possible entities (facilities) of a real condition and considering minimum limitations on possible flows between entities. In our proposed model, customers can be supplied via manufacturers, warehouses, and distributors, as an example. The proposed model is solved by CPLEX optimization software and by a developed genetic algorithm. During this computational analysis, we compare results of proposed pretuned genetic algorithm with a global optimum of CPLEX solver. Then, a sufficient number of large-size instances are generated and solved by the proposed genetic algorithm. To the best of our knowledge, there has been no similar multi-period multi-product closed-loop supply chain design and planning problem utilizing any kind of meta-heuristics let alone genetic algorithms. Therefore, in this issue, it is an original research, and results prove the acceptable performances of the developed genetic algorithm.