智能组合预测方法及其应用

由于具有能以任意精度逼近任意复杂非线性函数的优良性能,神经网络在灰色系统预测中得到了较大的应用。在已有的研究基础上,针对灰色神经网络进化时容易陷入局部最优,参数修正受阻的问题,建立基于遗传粒子群混合算法优化的新型灰色神经网络模型。首先将灰色神经网络进行数学建模,以便于优化算法的应用;其次,综合遗传算法与粒子群算法的优点,构造一种混合算法,运用混合算法对灰色神经网络进行优化;最后通过日本入华游客数量预测的算例研究,比较新型灰色神经网络与灰色神经网络、单一算法优化的灰色神经网络的预测精度。所得结果表明,混合算法优化的新灰色神经网络具有更好的预测性能,在社会经济领域有着广泛的应用前景。     

灾后模糊需求情境下考虑救援公平性的应急物资调度问题模型与算法研究

在重大灾害发生初期,由于受灾地区对应急物资的需求激增,合理的应急物资分配有助于提高救援效率。本文考虑受灾点应急物资需求具有模糊属性,将需求物资用三角模糊数表示,以受灾群众损失最小、体现救援公平性的受灾点应急物资满意度方差最小及应急救援成本最小为目标,构建了灾后初期应急物资调度的多目标模糊优化模型,并采用改进的粒子群算法对模型进行求解。该算法在粒子群算法的基础上采取天牛寻找食物的策略,将单一粒子分为左、中、右三个粒子,并结合单纯形算子和模拟退火策略,使算法不易陷入局部收敛。本文通过算例进行模拟实验表明,所提出的模型和算法可以有效解决重大灾害事件下应急物资的合理分配问题,且改进算法的性能更优。     

安装时间与次序相关的生产调度干扰管理研究

在安装时间和次序相关的单机调度问题中,为应对突发性的工件优先级变动造成的影响,构建了双目标重调度模型。原目标为生产的流程时间,扰动目标为工件的加工次序扰动。针对模型中的双目标,设计了基于有效解的两阶段混合启发式算法进行求解,在原目标和扰动目标之间进行权衡。混合算法第一阶段里,基于任意单个工件次序变化将双目标问题转化成单目标TSP问题,利用最近邻域和插入混合求得单目标问题的若干解,构成初始种群。第二阶段中基于非支配排序遗传算法在处理多目标问题上的优势,对初始种群进行扩展搜索,最后输出问题的有效前沿。通过数值试验运算比较分析若干针对有效解集的指标,验证了混合算法求得的解集在多样性和临近性上要优于单纯的非支配排序遗传算法。该混合算法可以有效地解决具有安装时间的加工次序扰动问题。     

冷轧生产批量计划与调度问题模型及算法

对冷轧生产系统特点进行分析,将冷轧生产批量计划与调度问题抽象为多阶段、多品种带有中间库的批量计划与调度问题。针对该问题建立了数学模型,通过对库存成本和调整成本惩罚系数的控制可以协调库存水平和调整次数的关系。对所建立的模型,提出了基于二进制粒子群优化与局部搜索的混合求解算法。最后,通过对企业实际生产数据的计算和分析,验证了模型和算法的可行性和有效性。     

粒子群算法求解无能力约束生产批量计划问题

经典的粒子群优化算法是一个在连续的定义域内搜索数值函数极值的有效方法.目前,粒子群算法(particle swarm optimization,PS0)已经成为优化领域中的一个重要的优化工具,其应用在很多优化问题中都可以见到.虽然粒子群算法的应用范围已经十分广泛,但是关于应用其求解多级生产批量计划问题(multilevel lot-sizing problem,MLLs)的文章并不多见.文章提出结合遗传算法(genetic algorithm,GA)变异算子的混合粒子群优化算法(hybrid particle swarm optimizatjon,HPSO)求解无能力约束装配结构MLLS问题.通过实验验证了算法的可行性和有效性.     

农村电子商务产业集群演化的计算实验研究

以复杂性科学为视角,将农村电子商务产业集群视为由关键种群、寄生种群和支持种群组成的共生系统,通过对集群进行NK模型描述,应用粒子群优化算法,建立了农村电子商务产业集群的演化模型。模型采用计算实验的方式,分析了具有不同复杂性的集群演化特性和规律。结果表明,农村电子商务产业集群随着种群间复杂性规模的增大而增大,同时在复杂性规模相同情况下,随着结构复杂性增加而减少。因此,发展农村电子商务产业集群应逐步增加种群相互作用的规模复杂性,并通过整合资源,降低种群的结构复杂性。     

考虑不同碳排放处理模式的动态供应商选择及采购批量问题研究

不同的碳排放处理模式及不确定的市场需求等因素影响下,如何选择供应商并确定采购批量直接影响企业的运营和效益。本文在多时间周期、多产品种类、多供应商及随机需求情形下,同时考虑不同碳排放处理模式,分析动态供应商选择及采购批量等最优决策问题,构建混合整数非线性规划模型。通过设计变异算子和扰动因子来改进粒子群算法,力求在短时间内求解大规模决策问题。针对不同规模供应商选择及采购批量决策问题,采用精确方法、近似方法和改进粒子群算法求解。数值实验验证了模型及改进粒子群算法的有效性和可行性,分析了碳税、碳交易价格及碳限额对供应链管理的影响,并给出了供应商选择及碳排放处理的决策参考建议。     

改进粒子群优化算法在电源规划中的应用

电源规划是一类复杂、非线性组合优化问题.传统的方法随着规划期的延长,考虑因素的增多,难以有效的进行优化,在实际应用中作用有限.首先,对电源规划优化问题进行了建模.然后,对于粒子群(PSO)的迭代策略进行改进,在此基础上,运用遗传粒子群(GPHA)混合优化算法进行了优化尝试.考虑到电源规划中相关参数众多,在优化过程中引入了虚拟变量对电源规划中的问题进行了简化描述;GHPA算法的适应度评价函数设计中,运用了罚函数的思想,以提高算法优化的效果.最后本文使用某省实际负荷预测和系统负荷实际数据,进行了电源规划方案优化,得到了优化后的电源规划方案,并与普通的遗传算法、粒子群算法以及传统的动态规划算法得到的结果进行了比较.比较的结果显示出了本文提出的算法在优化结果和速度方面具有明显效果.     

粒子群优化k均值的混合聚类算法研究

k均值算法是聚类分析的一种传统算法,在数据挖掘中等领域得到了广泛的应用.本文在分析k均值聚类算法存在问题的基础上,用粒子群算法优化k均值聚类算法,提出了一种新的混合聚类算法.理论分析和实验结果证明,该算法有很好的全局收敛性,不仅有效地克服了传统的k均值算法易陷入局部极小值和对初始值敏感的问题,而且具有较快的收敛速度.     

粒子群算法及其在调度中的应用综述

粒子群算法是通过对鸟群捕食行为进行的观察和研究而提出的一种群智能优化算法,通过群体中个体之间的协作和信息共享来寻找最优解。本文在介绍粒子群算法的基本原理基础上总结了目前主要的粒于群改进方法以及在调度中的应用,为未来的研究和企业调度工作提供了有力的依据。     

A hybrid BA-VNS algorithm for coordinated serial-batching scheduling with deteriorating jobs,financial budget,and resource constraint in multiple manufacturers

We study a coordinated serial-batching scheduling problem that features deteriorating jobs, financial budget, resource constraints, resource-dependent processing times, setup times, and multiple manufacturers simultaneously. A unique feature but also a significant challenge in this problem is the dual constraints on resources, i.e., financial budget and resource quantity. Some key structural properties are first identified for the setting where the jobs and resources are already assigned to each manufacturer, which enables us to develop the optimal resource allocation scheme. Then, a polynomial-time scheduling rule is proposed to search for the optimal solution for each manufacturer in this setting. Then, a hybrid BA-VNS algorithm combining Bat algorithm (BA) and variable neighborhood search (VNS) is proposed to tackle the studied problem, and the optimal scheduling rule is implemented in its encoding procedure. Finally, computational experiments are conducted to test the performance of the proposed algorithm, and the efficiency and improvements are compared with those of BA, VNS, and Particle Swarm Optimization (PSO), with respect to convergence speed as well as computational stability.     

不完全确定信息的群体语言指派问题的求解方法

针对决策者权重和准则权重为不完全确定信息且评价语言值确定或位于二个标准语言值之间甚至缺失的多准则指派问题,提出了一种求解方法。首先利用证据推理算法计算得到各候选人完成各任务的优劣程度属于各个语言评价等级的信任度,并据此利用二元语义的Δ函数及其函数Δ-1将其集成为群体在所有准则下的综合评价矩阵,然后结合决策者权重和准则权重的不完全确定信息等构建非线性混合整数规则模型,并利用粒子群算法与匈牙利算法联合进行求解。最后实例说明该方法的可行性和有效性。     

Particle swarm optimization based-algorithms to solve the two-machine cross-docking flow shop problem: just in time scheduling

Cross-docking is an innovative logistical strategy which provides less inventory holding costs, less transportation costs and fast customer deliveries without storage in between or less than 24 hours. In this paper, we address the two-machine cross-docking scheduling problem within a Just-In-Time (JIT) context. This latter requires the punctuality and exactness of product deliveries. To satisfy this target, we aim to minimize the total earliness and tardiness, then early or tardy deliveries are discouraged. This study presents a great contribution in solving such NP-hard problem while applying different versions of the PSO (Particle Swarm Optimization) algorithm. One of them is hybridized with the Genetic Algorithm (GA). This latter is then shown to be the best one over computational experiments using different sized instances and by determining a percentage deviation from a developed lower bound.

     

多油品供给受限下多油库被动配送车辆路径问题研究

成品油供给不足将导致加油站油品订单无法完全满足,如何安排有限油品的合理配送对保障能源供给安全至关重要。为此,本文考虑有限供给下不同客户配送的优先次序,开展配送计划、车辆调度和路径优化等油品配送网络规划活动,对多油品供给受限情况下多油库被动配送车辆路径问题（Multiple Depot Vehicle Routing Problem,MDVRP）进行深入研究。首先,文章构建了考虑需求优先等级和配送成本的多油品多油库车辆路径规划多目标优化模型。其次,采用多目标粒子群优化算法（Multi-Objective Particle Swarm Optimization,MOPSO）对模型进行求解,以实现车辆高效调度和油品配送路径优化。最后,基于CNPC在青岛市部分油库和加油站点的数据信息,构建油品配送网络进行实证检验。算例结果显示,配送车辆路径经过优化后,生成Pareto非劣解集,配送成本显著降低,配送满足率明显提高,这也进一步验证了该模型及相关算法的可行性和有效性。     

粒子群优化灰色模型在负荷预测中的应用

针对电力系统负荷特性,分析灰色模型GM(1,1)的应用局限性,引入向量α改进灰色模型背景值序列的计算公式,从而构建了适应性更强的GM(1,1,α)模型。应用粒子群优化算法非线性全局寻优能力来求解最优α值,提出了基于粒子群优化算法的灰色模型PSOGM,并给出了电力负荷预测的应用实例。实例证明PSOGM模型具有较高的预测精度和较广的应用范围。     

Coverage by directional sensors in randomly deployed wireless sensor networks

We study a novel “coverage by directional sensors” problem with tunable orientations on a set of discrete targets. We propose a Maximum Coverage with Minimum Sensors (MCMS) problem in which coverage in terms of the number of targets to be covered is maximized whereas the number of sensors to be activated is minimized. We present its exact Integer Linear Programming (ILP) formulation and an approximate (but computationally efficient) centralized greedy algorithm (CGA) solution. These centralized solutions are used as baselines for comparison. Then we provide a distributed greedy algorithm (DGA) solution. By incorporating a measure of the sensors residual energy into DGA, we further develop a Sensing Neighborhood Cooperative Sleeping (SNCS) protocol which performs adaptive scheduling on a larger time scale. Finally, we evaluate the properties of the proposed solutions and protocols in terms of providing coverage and maximizing network lifetime through extensive simulations. Moreover, for the case of circular coverage, we compare against the best known existing coverage algorithm.     

Equilibrium customer and socially optimal balking strategies in a constant retrial queue with multiple vacations and N-policy

In this paper, equilibrium strategies and optimal balking strategies of customers in a constant retrial queue with multiple vacations and the N-policy under two information levels, respectively, are investigated. We assume that there is no waiting area in front of the server and an arriving customer is served immediately if the server is idle; otherwise (the server is either busy or on a vacation) it has to leave the system to join a virtual retrial orbit waiting for retrials according to the FCFS rules. After a service completion, if the system is not empty, the server becomes idle, available for serving the next customer, either a new arrival or a retried customer from the virtual retrial orbit; otherwise (if the system is empty), the server starts a vacation. Upon the completion of a vacation, the server is reactivated only if it finds at least N customers in the virtual orbit; otherwise, the server continues another vacation. We study this model at two levels of information, respectively. For each level of information, we obtain both equilibrium and optimal balking strategies of customers, and make corresponding numerical comparisons. Through Particle Swarm Optimization (PSO) algorithm, we explore the impact of parameters on the equilibrium and social optimal thresholds, and obtain the trend in changes, as a function of system parameters, for the optimal social welfare, which provides guiding significance for social planners. Finally, by comparing the social welfare under two information levels, we find that whether the system information should be disclosed to customers depends on how to maintain the growth of social welfare.

     

基于改进量子进化算法的车货供需匹配方法研究

为了提高货运供需匹配效率,建立了一种车货供需匹配数学模型,描述了车货匹配问题的目标与相关约束,对量子进化算法进行设计与改进用于对此问题求解,提出了有约束惩罚的适应度衰减方法,解决了量子群初期无强可行解时最优量子个体的选择问题,引入量子群成熟度对量子进化算法的退出机制进行改进。在实验中,使用改进的量子进化算法和标准遗传进化算法进行对比,并对算法参数进行优化,实验中量子进化算法表现出更好的收敛速度,准确性和稳定性,但是量子群规模存在“瓶颈问题”,更大规模的量子群对算法优化效果并不明显且需要耗费更长的计算机时间,量子旋转角增量与算法收敛速度正相关,与全局搜索能力负相关。结果表明,改进的量子进化算法可以高效地搜索到较为优秀的车货匹配方案,为车主和货主推荐较为合理的车货供需信息资源。     

突发水灾害应急合作的行为博弈模型研究

本文针对突发水灾害应急管理中的多主体合作问题进行了探讨。运用博弈论和数值仿真方法,引入合作效用概念,基于收益不确定下的蜈蚣博弈实验模型构建了突发水灾害应急管理中异质性主体的合作行为博弈模型;在此基础上深入探讨了合作效用变量对突发水灾害应急管理中达成合作可能性的影响;并通过算例进行了数值分析。     

国际合资企业中的合作匹配度分析

本文提出并界定了中外合资企业合作匹配度的概念,建立了合作匹配度的计算模型与合资决策模型,分析了合资协议达成的理想匹配条件。