软计算协作技术在智能化管理中的应用研究

在管理科学中,运用人工智能和管理科学结合的智能化管理,是管理科学的一个重要研究方向。模糊系统、神经网络、遗传算法和粗糙集等软计算的协作技术发挥了各自的信息处理优点,为智能化管理提供了有力的重要信息处理工具。文章研究并综述了软计算协作技术在智能化管理中的应用,并在此基础上建立了科研项目立项评审智能管理系统;探讨了核方法、支持向量机、DEA方法在管理科学上的应用,分析了认知信息处理今后在智能化管理中的可能应用。     

基于遗传算法的核函数参数优化

核主分量分析是一种输入输出特征非线性变换技术。选择最优或接近最优的非线性变换核函数参数,使类的可分性测度最大,是KPCA应用于特征提取的关键。本文采用高斯变异遗传算法作优化技术,实现了KPCA和GA的集成,适合核函数参数的优化选择。仿真表明,该技术可行、有效。     

基于GASA算法的提前或拖期问题优化

针对企业生产的提前 /拖期问题,提出了提前 /拖期问题的数学模型,在此基础上,利用GASA混合优化策略优化之,既保留了传统遗传算法能很快达到最优值领域的优点,又通过结合模拟退火算法大大改善传统遗传算法在后期的收敛性。     

基于遗传算法的网络计划工期——费用优化

建立PERT网络工期－费用模型，应用遗传算法进行求解，适用于大型网络计划。     

遗传算法及其在客户关系管理中的应用研究

遗传算法是一种宏观意义下的仿生优化算法，它模拟生物在自然环境中的遗传和进化过程而形成的一种自适应全局优化概率搜索算法。这种算法可以用于对海量的客户信息进行搜索，提取对决策有用的信息，让企业在激烈的市场竞争中处于有利地位，最终达到最高利润。本文还通过一个简单的实例研究将该算法应用在客户关系管理中。     

基于遗传算法的配送中心选址问题求解

配送中心是物流系统的枢纽,配送中心地址的确定是物流系统分析的核心内容。文中试对包括RDC(区域配送中心)选址和RDC到各下属仓库的配送关系进行研究;建立了一个模拟随机需求下的相关机会优化模型,并提出了基于遗传算法的解决方法,最后利用MATLAB软件进行算例分析。     

基于改进遗传算法的生鲜加工配送中心连续选址模型

建立了生鲜加工配送中心选址连续模型，在引入监控算子的基础上，运用改进的遗传算法对模型进行求解。该模型和改进的遗传算法可有效的解决生鲜加工配送中心的选址问题。     

物品配送路径优化的改进遗传算法

描述配送中心物品配送路径优化问题，并构造求解问题的改进遗传算法，在算法中引入模拟退火思想判断交叉操作后新个体的接受状态，同简单遗传算法相比，该算法能够增强全局收敛性，提高收敛速度。     

城市物流基地选址问题研究

本文将物流基地纳入城市交通网络中，以体现交通状况对物流基地选址的影响。在进行选址时，以运输费用和基地的投资、管理费用总和最小为规划者的主要目标，建立目标函数。选址的上层模型体现了运输费用和基地投资费用、管理费用最小的原则，下层模型体现了入选点的不同对交通流量分配的影响，下层模型是求解上层模型的基础。     

基于遗传算法的供应链分销网络模型及其求解

本文研究了由多个厂商、多个分销中心和零售商组成的供应链分销网络,建立了综合考虑库存成本、订货成本和运输成本的分销网络优化模型。该模型是一个整数规划问题,采用遗传算法,并建立一个有效的编码方式来进行快速求解。最后通过一个实例验证了该模型的有效性和实用性。