基于混合差分进化算法和熵权TOPSIS的多目标(Q, r)库存模型

讨论随机需求环境下的多目标库存控制问题,构建以成本、缺货率和缺货量3个指标最小化为准则的多目标（Q,r）库存模型．为了求出决策者需要的Pareto前沿,设计了基于遗传和差分进化算法的混合智能算法来产生非支配解,进而利用基于熵权的TOPSIS方法对最优解进行排序,此结果可为管理者提供有益的决策参考．     

一种简单有效的求解TSP的混合差分进化算法

设计了基于标准差分进化算法(differential evolution,DE)与遗传算法(genetic algorithm,GA)的混合差分进化算法(hybrid DE,HDE),同时用典型的测试函数对HDE进行性能测试。针对旅行商问题(traveling salesman problem,TSP)的求解难题,给出了采用位置—次序转换策略和HDE的有效求解方法,并测试了Oliver 30个城市的TSP。仿真结果表明,与DE和GA相比,HDE的优势在收敛率、平均最优解以及耗时上都很明显,证明了HDE在解决TSP问题上的有效性和稳定性。