基于供应链的企业质量管理

对如何在供应链中实施质量管理作了研究，说明了怎样将供应链管理与质量管理紧密结合，并系统地分析了在供应链整体、供应链各节点企业及供应链衔接点处应采用的质量管理方法。     

基于知识进化粒子群算法的模糊交货期流水车间调度问题

针对模糊交货期的流水车间调度问题的特点,提出采用知识进化算法和粒子群优化的混合算法来求解问题。该算法首先在多个群体空间内采用粒子群优化寻找局部最优解,然后利用知识进化算法的猜测操作和反驳操作建立以群体空间知识为基础的一个知识空间,最后通过知识空间的协同进化更新其中的社会知识,从而形成问题的最优解。通过采用所提算法对带模糊交货期的流水车间调度问题的实例进行测试,并比对遗传算法和粒子群优化算法,表明了混合算法的可行性和有效性。     

基于蝙蝠算法的PFSP调度干扰管理研究

对置换流水车间调度问题分别加入单工件、双工件、四工件干扰因素,采用较新颖的蝙蝠算法对其进行优化,并同较成熟的粒子群算法进行比较,结果表明新型启发式智能蝙蝠智能算法性能不仅仅适用于生产调度干扰管理问题的求解且优于基本粒子群算法,同时对其加权系数进行测试分析,结果表明了加权系数对生产调度干扰管理影响的权重。     

结合局部优化算法的改进粒子群算法研究

提出了结合局部优化算法的改进粒子群算法（Combination Particle Swarm Optimization,CPSO）,粒子群算法虽然通过群体规模来规避早熟,但缺乏局部快速搜索能力,因此将局部优化算法与改进粒子群算法相结合,并尝试不同的局部优化算法,例如牛顿法、最速下降法,通过典型函数优化实验表明,与其他改进粒子群算法相比,CPSO具有较强的寻优能力,鲁棒性和较快的收敛速度;实验也表明不同的局部优化算法在不同的特征函数上体现出不同的优势。     

现代工业工程专业实验室的规划趋势

着重分析了工业工程专业实验室规划的七大趋势,并结合学院实际介绍了工业工程实验室的建设情况。     

应用萤火虫算法求解基于学习效应的PFSP问题

针对置换流水车间调度问题,应用学习效应理论,将工件的加工时间与工件的加工位置建立联系,缩短了工件的最大完工时间,并将不同学习率下的最小化最大完工时间进行比较,给生产制造企业合理安排生产计划提供借鉴。应用MATLAB软件编写萤火虫算法,对建立的模型进行仿真测试,通过与粒子群算法和遗传算法进行结果对比,验证了算法的有效性,在此基础上求解出具有不同学习率的置换流水车间调度问题的最小化最大完工时间。     

关于多处理机调度问题的量子粒子群算法研究

对多处理机调度问题建立数学模型,提出了将量子计算和粒子群算法相结合的方法来解决这类调度问题,该方法不仅寻优速度快,而且提高了进化后期算法的收敛精度。通过对比测试,体现了量子粒子群算法的有效性。     

应用新型萤火虫算法求解Job-shop调度问题

Job shop调度问题是一类具有很高理论研究和工程应用价值的问题。针对该问题提出一种新型萤火虫求解算法,分析了萤火虫算法的仿生原理,给出了萤火虫算法求解JSP问题的求解步骤,并通过典型基准测试实例对算法进行了仿真实验,并与GA和PSO算法进行了比较,验证了该算法参数少,操作简单,收敛速度快,在生产调度中有广泛的应用前景。     

供应链中过度自信零售商的决策特征 与理性供应商的调节措施

在典型的二级供应链报童模型中引入零售商的过度自信行为,借助Stackelberg博弈理论,探讨市场需求随机分布状态下,零售商的过度自信强度及市场环境变量两个主要因素对零售商订购决策及收益的影响情况。通过对零售商理性收益、期望收益及理想收益的比较,得出零售商的过度自信行为将提高其理想收益,降低其期望收益的结论。通过对零售商过度自信行为引起供应商收益变化的讨论,提出一定条件下,理性供应商通过价格调节实现双方收益Pareto改进的措施。最后通过算例对上述理论分析和模型推导进行了验证。