基于微粒群算法的单机不同尺寸工件批调度问题求解

提出了一种改进的具有全局搜索能力的微粒群算法,对工件尺寸有差异的单机批调度问题的制造跨度进行优化。针对问题中工件尺寸不同且分批加工的特点,设计了微粒的编码方式;对进化过程中产生的极优解,采用了混沌优化策略进行改进,避免早熟收敛的问题。仿真实验结果表明,本文算法的时间性能和近似解质量均优于现有的其他方法。     

用混合遗传算法求解物流配送路径优化问题的研究

论文建立了物流配送路径优化问题的数学模型,并针对遗传算法在局部搜索能力方面的不足,提出将爬山算法与遗传算法相结合,从而构造了求解物流配送路径优化问题的混合遗传算法,并进行了实验计算。计算结果表明,用混合遗传算法求解物流配送路径优化问题,可以在一定程度上克服遗传算法在局部搜索能力方面的不足和爬山算法在全局搜索能力方面的不足,从而得到质量较高的解。     

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.     

元胞微粒群算法及其在多维背包问题中的应用

针对离散微粒群算法早熟收敛问题,基于元胞自动机的原理和离散微粒群算法,提出一种元胞微粒群算法.将元胞及其邻居引入到算法中来保持种群的多样性,利用元胞的演化规则进行局部优化,避免算法陷入局部极值.通过对典型多维背包问题的仿真实验和与其他算法的比较,表明本算法可行有效,有良好的全局优化能力.     

突发疫情环境下考虑订单释放时间的零售物流配送路径优化研究

“新冠肺炎”疫情突发严重危及了人们的生活安全，而物流保障在疫情防控、保民生活、稳定社会方面却起到了重要支撑作用。以保证民生的零售物流配送为背景，本文研究考虑订单释放时间的车辆路径优化问题，以配送完工时间与运输成本的加权之和最小为目标，构建了线性规划模型,并设计了改进的迭代局部搜索求解算法。该算法采用基于多种邻域结构和改进的US算法的局部搜索过程以增强算法的寻优能力，通过引入大路径和最优分割过程获得高质量的初始解和打破机制以增强算法的搜索效率。同时，提出一些性质用于拉格朗日松弛算法，为本文研究问题提供高质量的下界。最后，数值实验部分通过求解标杆算例和文中算例验证了模型和算法的有效性，并对订单释放时间和模型参数进行灵敏度分析，结果表明本文模型和算法能够为零售物流配送的效率提升和成本控制提供有效的决策支持。     

基于差分进化算法的运输容量约束下有数量折扣的模糊联合补货模型研究

针对采购管理中广泛存在的不确定性,将单位库存成本和可变订货成本视为模糊变量,构建了运输容量约束下有数量折扣的模糊联合补货模型,此模型属于NP-hard问题,目前缺乏可靠的全局优化求解算法。在选取梯级平均综合表示法对总成本去模糊的基础上,设计了基于自适应混合差分进化算法的求解方法,并通过算例验证了此模糊联合补货模型的有效性和求解算法的全局优化能力。     

基于改进粒子群优化方法的供应商优选与订货量分配模型

研究了随机性需求环境下的供应商优选与订货量分配问题,构建了以质量、成本、交货期3个准则为目标函数、以其他目标为约束条件的多目标随机约束规划模型;借助于加权法和罚函数法,将多目标随机约束规划模型转化为单目标优化模型;进而设计了带惯性因子和收缩因子的粒子群优化求解算法对所建模型进行求解,并与常用的遗传算法求解方法进行对比分析,实例验证了粒子群优化算法解决此类优化问题的可行性和有效性.     

基于熵权和粒子群的资源均衡新方法研究

施工网络计划中资源均衡优化是解决资源供需矛盾的手段之一,也是工程建设项目的重要管理内容。在工程项目管理中,对有限资源进行全面系统地分析,并进行均衡优化,对于提高工程建设项目的综合效益具有很重要的意义。本文定义了资源熵的概念并利用熵函数建立工程项目管理的资源均衡优化模型,并针对传统解决方法的不足使用粒子群算法对模型进行求解。最后通过一个案例对模型的可行性和实用性进行了验证。     

分销网络优化模型及算法研究

为了优化网络结构,寻求最佳配送策略,最终找出成本最小的供应链,针对需求拖动式供应链中,多供应商、多产品、多客户分销配送网络的优化设计问题,在考虑需求分配的情况下,提出了分销配送网络的优化模型。为了求解优化模型,提出了基于混合遗传算法求解混合0-1整数规划问题的算法,它是用遗传算法搜索0-1变量的最优解,将其他算法融入遗传算法中,对非0-1变量进行求解的一种算法。最后通过两个算例进行了仿真实验,初步验证了优化模型和算法的有效性。     

考虑作业空间干涉的工程项目时间-成本均衡优化研究

工程现场的空间资源是制约工程活动开展的重要影响因素。本文研究考虑空间干涉的工程调度优化问题，定义作业空间干涉的度量方式和作业效率函数，建立工程调度的工期-成本双目标优化模型。针对问题特征设计相对延迟编码方式和解码机制，采用NSGA-II算法求解模型。以某工程案例为研究对象，通过与传统方法对比实验验证了模型和算法的有效性，接着分析了算法的最大延迟时间参数对算法性能的影响。实验结果表明，本文提出的模型和算法能有效提升工程进度和成本目标。     

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。     

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.     

粒子群优化的模糊聚类方法在车辆行驶工况中的应用

本文研究了粒子群优化的模糊聚类方法在车辆行驶工况中的应用。采用主成分分析方法将众多反映车辆行驶工况特征的运动学片段特征值进行压缩,用粒子群优化的模糊聚类方法对运动学片段的前三个主成分得分进行聚类,通过Matlab编程将上述理论用于合肥市典型道路行驶工况的构建和分析,按时间比例选取合适片段拟合代表性工况,并将代表性工况和采用K均值聚类法及模糊C均值聚类方法拟合的工况进行对比分析。研究结果表明,将粒子群优化的模糊聚类方法应用到工况的构建中可以有效地提高构建精度。     

基于PSO和SVM的上市公司财务危机预警模型

提出了一种将经过改进的离散粒子群(PSO)算法和支持向量机(SVM)相结合的算法,以选择最优的指标集并用于财务危机预警。将此算法应用于上市公司的数据,检验模型提前3年的预警效果,最后与常见的主成分分析方法与SVM相结合的模型进行对比,结果证明了PSO-SVM模型的合理性和优越性。     

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。     

个人信用评估PSO—SVM模型的构建及应用

支持向量机(SVM)中的参数影响着模型的分类能力,为了使SVM获得更好的分类能力,针对SVM中的人为选择参数的随机性,提出了利用粒子群算法(PSO)进行优化的方法,构建了PSO-SVM模型,并将其应用于商业银行的个人信用评估中。通过改进的PSO算法对SVM中的参数进行优化,并通过粒子适应度函数的设置来控制给商业银行造成较大损失的第2类误判的发生。应用结果表明,PSO-SVM模型的分类精度高,第2类误判率低,并且表现出较好的稳健性,对于控制消费信贷风险具有良好的适用性。     

多粒子群混合算法求解虚拟组织服务资源配置

为了提高虚拟组织服务资源配置的效率,本文提出了一种多粒子群混合算法。该混合算法将多种群与线性搜索相结合,在算法优化过程中,通过多个粒子种群协同来控制种群的多样性,将多种群中较优的粒子进行复制,同时在每个种群中对单个粒子进行维变量变换。实验结果表明该方法具有可行性。     

灰色量子粒子群优化通用向量机的中国行业间碳排放转移网络预测研究

针对行业间碳排放转移量预测问题，以中国1997-2017年间9年度28个行业间碳排转移量数据为样本，本文提出了基于小样本随机振荡序列的灰色量子粒子群优化通用向量机混合预测模型ROGM-QPSO-GVM。该模型首先使用ROGM（1，1）模型得到各行业对其他行业碳排放转移量的预测序列和残差序列，然后提出了一种新的量子粒子群优化（QPSO）算法优化GVM模型网络参数，构建了QPSO-GVM模型对残差序列进行修正，再将两部分的预测值相加得到行业间碳排放转移量预测值，最后根据所有预测值构建出行业间碳排放转移网络。结果表明ROGM-QPSO-GVM模型与其他模型相比具有更好的预测效果，并利用该模型对2020年、2025年、2030年中国行业间碳排放转移网络进行了预测及变化趋势分析。     

Value creation through collaborative supply chain: holistic performance enhancement road map

This paper proposes an integrated novel framework between B2B-SCM using data mining techniques such as K-Means based on particle swarm intelligence (particle swarm optimisation) and association rule. It constructs relationship rules of holistic performance enhancement road map. The data-set of relationships between enterprise and its direct customers of the case study organisations in France was used for demonstration. The experiment results show how domain managers powerfully utilise the graphical analysis results to provide the holistic performance improvement and weakness resolution relationship rules. In the long run, organisations are able to use this framework to design and adjust their units to conform the exact customer needs. This paper introduces and explains a new idea of measuring value added along the supply chain from a collaborative perspective. The extended model is adapted from our previous model and from balanced scorecard model. It provides a tool to measure tangible and intangible value between partners.     

PSO-SVM在高速公路交通量预测中的应用

在重庆市政府回购、租赁高速公路的背景下,研究了如何合理、准确地预测高速公路交通量,从而为政府部门及高速公路投资者的投资决策提供依据。根据高速公路年交通量样本小、预测期长、受经济因素影响等特点,选用了支持向量机回归来进行多因素单目标的预测。在预测过程中,为了提高精度,首先将所搜集的经济因素进行主成分分析,对指标进行了约减;然后用PSO方法对支持向量机参数进行了优化。