不确定需求下快递枢纽中转站选址模型问题

随着快递货量飞速增长,对快递公司枢纽站货量操作带来了极大的压力,通过建立中转站分担快递枢纽货量压力是解决该问题的方法之一,且每日快递货量的不确定性,增加了问题的复杂性。针对该问题,建立了在不确定需求下,以时效和总成本为目标的快递枢纽中转站双目标整数规划选址模型,并以DB快递公司上海区域为例,运用NSGA-Ⅱ方法求解。求解结果表明NSGA-Ⅱ方法,在求解质量上与ε约束法非常相近,且求解速度远好于约束法。     

环境友好的农村污水治理网络优化设计

针对产量小且布局分散的农村生活污水,与污水的收集和处理相对应,建立一个基于聚类和双目标混合整数规划(BOMIP)的环境友好型决策框架,运用改进的非支配排序遗传算法(NSGA-Ⅱ)求解模型,得到处理厂选址与管网铺设的相关决策。以长三角某典型村庄的基础数据为例的计算结果表明,改进算法和常规约束法的求解质量相近,但求解速度显著加快。提出的框架及算法能帮助决策者构建经济有效且环境友好的农村污水治理网络。     

基于多目标和聚类的产品功能疲劳健壮性分析

研究了产品功能疲劳问题中产品功能组合的健壮性分析问题,提出了基于NSGA-Ⅱ和客户聚类的综合分析方法.具体包括建立了基于NSGA-Ⅱ算法的产品功能疲劳问题的多目标优化模型,并利用K-Means算法对客户评价数据进行了聚类分析,然后结合多目标模型和聚类结果进行健壮性分析,为产品开发人员选择健壮性的产品功能组合提供决策支持.最后通过智能手机产品的实际案例说明了所提出方法的有效性.     

改进樽海鞘算法求解带时间窗的应急选址路径问题

目的 为使应急物资及时高效地送到灾区,针对多目标应急选址-路径问题,在考虑灾区的时间窗及物资运输过程中道路安全的情况下,以最小化经济成本、最小化时间惩罚成本及最大化道路安全性为目标,构建多目标优化模型。同时,设计改进的樽海鞘算法求解问题,以验证模型的可行性和算法的有效性。方法 根据模型的特征对樽海鞘算法进行改进,运用随机生成和贪心算法相结合的方式生成初始解,利用交叉算子和邻域搜索算子改进原始算法的位置更新操作,引入非支配排序遗传算法（NSGA-Ⅱ）的精英保留策略,以提高算法的性能。结果 经过多个算例测试,该算法能快速获得一簇Pareto解,与基本樽海鞘算法进行对比后可知,改进后的算法性能更优越。结论 对于灾后及时响应的应急选址路径问题,采用改进的樽海鞘算法具有一定优越性,并在多个目标权衡的情况下,可供决策者根据目标的偏好找到较满意的解,对于研究应急选址路径问题具有一定的参考价值。     

基于DEA的电子废弃物回收点选址

逆向物流网络设计中的回收点选址决策是一个多目标决策问题,涉及成本和回收率等多种目标.现有研究大都基于距离或成本等单一目标,以回收点为研究对象,建立非线性的混合整数规划模型,设计复杂的算法完成相应的选址决策.从实际问题出发,基于DEA理论,改变现有研究方法中以回收点为研究对象的传统思维,以决策方案为决策单元建立相应的回收点选址决策的DEA模型,大大简化了计算的复杂性.最后,采用一个算例分析说明了所提方法的合理性和优越性.     

基于进化算法的多目标闭环物流网络设计

为了帮助生产企业建立科学合理的闭环物流网络系统,提高废旧产品材料的再循环利用率,提出了一个多周期、多产品、多阶段的闭环物流网络选址与运输模型。该模型中,不仅考虑建造混合分销回收中心,还提出了2个优化目标:经济成本最小和时间成本最小。针对该多目标优化问题,本文采用了一种基于优先值编码方法的进化算法对模型求解,最终得到该问题的帕累托(Pareto)前沿。通过与约束法的计算结果相比较,求得误差均值小于5%,说明该进化算法对Pareto前沿的拟合程度较好,计算结果是正确有效的。     

新鲜度限制约束下物流配送中心选址-路径优化

目的 满足生鲜产品交付时较高的新鲜度要求,解决多产品、多车型情景下的配送中心选址-路径优化问题。方法 构建考虑碳排放成本和满足客户对产品交付最低新鲜度要求的双层目标规划模型。上层模型以配送中心固定成本、库存管理成本最小化为优化目标,下层模型以车辆固定成本、运输成本、碳排放成本、惩罚成本最小化为优化目标,并结合模型特点,采用两阶段启发式算法进行求解。结果 采用的两阶段启发式算法相对于遗传算法的平均成本解改进率为1.22%,相对于K-means聚类求解算法的平均解改进率为3.03%;两阶段启发式算法相对于遗传算法最优解运算时间的平均提高率为24.8%,相对于传统K-means聚类求解算法的平均提高率为33.0%。结论 经算例对比研究发现,不同新鲜度要求下对配送中心的选址以及车辆路径的安排有显著影响,企业可通过合理规划物流网络和准确评估客户对产品的新鲜度要求等手段实现企业物流成本的降低。     

基于成本/收益权衡的多元需求FIP选址研究

需求种类分析对选址决策至关重要,考虑了消费者需求种类为多元化,且各类需求间有影响的网络上截流(FIP)选址问题,引入路径上需求损失函数,建立了收益最大和总的建设成本最小的双目标的多元需求FIP(mDFIP)的新模型。所建立的模型为NP-hard问题,设计了多目标演化算法求解模型,最后通过具体的算例与基于ε约束法的分支定界法进行比较,结果表明在求解效率上多目标演化算法具有很大优势。     

基于NSGA-Ⅱ&BP的应变片式压力传感器温度补偿研究

应变片式压力传感器容易受到温度的影响,需要对该传感器进行温度补偿,针对该问题提出一种带精英策略的快速非排序遗传算法(NSGA-Ⅱ)与BP神经网络相结合的软件补偿模型。该模型将BP神经网络中2个输出值与期望值误差作为NSGA-Ⅱ同时寻求最小的2个目标,对BP神经网络初始权值和阈值进行优化,克服单一BP神经易陷入局部极小值的缺陷。通过该算法模型对不同温度下压力传感器的输出值进行数据融合,研究结果表明,补偿后的传感器零位温度系数(α_0)和灵敏度温度系数(α_s)均提高两个数量级,从而证明NSGA-ⅡBP算法的温度补偿模型可以有效提高该传感器的温度稳定性。     

考虑设施可靠性的线状需求物流节点选址研究

为了解决交通线路建设物资的物流节点选址问题,在服务线路和需求密度已知的前提下,考虑物流节点可靠性以及物资运输时间约束,建立以运输成本和时间惩罚成本之和为目标函数的数学模型。为了求解该模型,在经典p-中值选址模型基础上,采用线积分取代离散点来表示线状需求,证明目标函数在给定区间内为凸函数,并利用二次插值和黄金分割法相结合的算法对模型进行求解。通过对是否考虑可靠性的2种选址结果进行对比研究,以及对可靠性间的相关性对选址结果的影响进行灵敏度分析。算例分析表明,与不考虑可靠性相比,提高可靠性可以降低选址系统运营总成本,也可定量地刻画出可靠性间的相关性对选址结果的影响。     

基于混合算法的不确定环境下逆向物流网络设计研究

针对不确定环境下的逆向物流网络容易产生较高成本的问题,结合当前已有的物流设施节点,提出充分考虑固定投资、物流成本、库存成本和回收量不确定的设施选址规划模型,利用遗传算法和贪婪算法相结合的混合算法对设施选址、回收区域划分和回收间隔期进行求解。以某汽车零部件企业为实际案例,验证了模型和混合算法的可行性和正确性。     

考虑市场扩张和吞并的新设施竞争选址模型

连锁型企业新设施的选址在市场扩张中占有至关重要的地位.提出了连锁型企业新设施进入产生两个结果:带来市场需求的扩张和对企业内部已存设施的市场侵蚀,建立了使连锁企业市场份额最大和企业内已存设施市场吞并最小的新设施选址的双目标模型,并给出了求解模型的遗传算法和具体的案例.结果表明该模型和算法可以用于连锁型企业新设施选址决策中,并能够有效的得到问题的近似解.     

无回收市场下以旧换新策略对回收中心选址的影响

在无回收市场前提下,构建了一个以旧换新策略下新的回收中心混合整数非线性规划选址模型,以使回收中心净利润最大.并提出了启发式算法来解决大规模选址问题,最后算例分析了制造企业品牌差异对回收中心净利润的影响.     

基于物流能力优化的配送中心选址问题研究

通过分析配送中心的选址对第三方物流企业的发展有着重要影响,提出了配送中心的选址应该以提高物流企业的物流能力为目标,而物流能力是一个综合指标,因此基于物流能力优化的配送中心选址模型是多目标的,在模型求解中,利用带自适应移动线的遗传算法来权衡多目标函数.     

项目型产品装配过程重调度方法研究

针对项目型产品装配过程重调度问题,综合分析了项目型产品装配过程的特点,本文构建了以最小化项目成本和最小化计划变动偏差为目标的数学模型,并设计了基于帝国竞争机制的多目标算法(MOICA)进行求解。基于PSPLIB中的36个不同规模测试集,将本文算法与快速非支配排序遗传算法(NSGA-Ⅱ)和加强Pareto进化算法(SPEA)进行了比较,结果表明本文算法优于其他算法。最后以某汽轮机厂汽缸装配案例进行验证。     

基于多目标蝗虫算法的航材分配模型

目的 为了进一步优化航材库存结构,解决多目标航材分配问题,提高航材保障工作决策的效率.方法 建立基于费用和分配满意度的多目标航材分配模型,运用先进的群体智能算法——蝗虫算法求解.结果 算例分析表明,在3种求解算法中,蝗虫算法所求出来的解,既使得航材分配过程中所需成本最低,又保证了航材股满意度处于较高水平.同时,将算法运行10次,蝗虫算法的求解时间平均值和方差分别为4.01 ms和11.5 ms,明显优于传统的群智能算法粒子群和NSGA-Ⅱ算法的求解效率.结论 蝗虫算法能够有效地解决多目标航材分配问题,对于优化航材库存,平衡航材数量具有重要的现实意义.     

基于改进NSGA-Ⅱ的云制造服务组合优化问题研究

为了实现企业在云制造环境下的节能,提出一种新的云制造服务组合优化方法,该方法既能降低能耗,又能在考虑不确定性的情况下提高服务质量。然后利用双目标模型和改进的NSGA-Ⅱ解决制造服务组合优化问题。实例研究结果表明:该模型从云制造服务平台(CMSP)的角度有效地控制了能耗,改进后的NSGA-Ⅱ在解决该问题上具有与MOPSO和标准的NSGA-Ⅱ相比的准确性和收敛性优势。     

改进分散搜索算法求解包装废弃物回收路径规划问题

目的 将包装废弃物回收路径规划归纳为一个带回路和时间窗的逆向物流车辆路径问题（RL-VRPBTW）,以最小化回收成本、发车成本和时间窗惩罚为联合优化目标进行建模。方法 引入“车辆剩余空间回收能力”因素,改进经典节约里程算法,求得较好的初始解;基于分散搜索框架,设计基于初始解改进的分散搜索算法（ISISS）,根据问题模型,采用含0的编码方式,通过多样性产生、参考集更新、子集产生、子集合并、解改进等5个步骤实现算法功能。结果 在“部分回收点分布较密集”的城市型地理场景下,针对快消企业的低值固废包装,生成回收点数量分别为50、100、200的3种规模算例,并考虑大小两种车型进行仿真实验。将ISISS算法与改进节约里程、遗传和分散搜索3种算法比较后可知,ISISS算法在大规模包装废弃物回收车辆路径问题上具有更优的求解性能。结论 仿真实验结果表明,ISISS是一种求解多目标大规模包装废弃物回收路径规划问题的较优算法。     

一种工业机器人多目标轨迹优化算法

为解决工业机器人工作效率低、能耗损失严重和关节冲击磨损较大的问题,提出了一种基于布谷鸟搜索（cuckoo search,CS）算法和非支配排序遗传算法-Ⅱ(non-dominated sorting genetic algorithm-Ⅱ,NSGA-Ⅱ)的混合算法（简称为CSNSGA-Ⅱ）,用于机器人的轨迹优化。采用5次非均匀有理B样条（non-uniform rational B-splines,NURBS）曲线作为工业机器人的轨迹规划曲线,同时以运动时间、能耗和冲击磨损为优化目标构建相应的多目标轨迹优化模型,并在速度、加速度和加加速度的约束下采用CSNSGA-Ⅱ进行轨迹优化。CSNSGA-Ⅱ以Tent混沌映射初始化时间序列,采用不可行度算法将解分为可行解与不可行解,并利用改进的CS算法对不可行解进行处理。利用MATLAB软件对6R勃朗特机器人进行建模仿真,并对得到的非支配解集和归一化加权迭代最优值进行对比分析。仿真结果表明,相比于NSGA-Ⅱ、多目标粒子群优化（multi-objective particle swarm optimization,MOPSO）算法,所提出的CSNS...     

回收商管理库存下逆向物流多周期LRIP

为提高逆向物流系统的整体运营绩效,从系统集成优化的角度考虑回收中心选址、收集车辆路径安排以及回收点与回收中心的两级库存控制的联合决策,采用混合整数规划方法建立了一个回收商管理库存(CMI)模式下的逆向物流系统多周期定位-路径-库存问题(LRIP)优化模型,并设计了一种先定位-分配、后安排路径的两阶段启发式算法。算例分析结果表明,CMI模式与非CMI模式下的LRIP相比,总费用降低了28.05%。