基于演化蚁群算法的多目标物流网络优化

物流网络优化中普遍存在着多目标优化的问题.传统的多目标优化算法容易陷入局部最优,采用了多种群相关的蚁群算法求解多目标物流网络优化问题,两个种群分别针对总运费最小和最大单程距离最小两个优化目标,考虑蚁群算法的收敛速度,采用遗传算法对蚁群算法的多个初始参数进行优化选择.实验结果证明,该模型算法可以有效迅速地求得最佳路径,为决策者提供多个可选择的优化方案,避免局部最优解.     

基于多种群遗传算法的T公司装配生产线平衡问题研究

本文将对T公司光伏逆变器装配生产线平衡问题进行研究,通过建立以生产节拍,生产线平滑指数相结合的多目标优化数学模型,采用在matlab环境下的双种群遗传算法对装配生产线进行优化,以期达到生产节拍尽可能小,工位间负荷均衡,从而提高装配生产线效率,提高产能。     

汽车发动机预装线装配平衡改进研究

为提高已经投产的汽车总装生产线的生产平衡率,研究发动机生产线生产平衡改进研究。以现有生产节拍和各个工位操作工时作为基础,运用生产线平衡的基本概念,对现有生产线进行优化。首先确定优化目标,通过工序同期化优化,减少生产岗位,从而提高部分岗位负荷,提高生产平衡率,为企业解决实际问题,节约人力、场地等资源。     

基于遗传算法的装配线平衡问题研究

文中针对装配线平衡问题,提出了一种基于可行作业序列的多种群遗传算法。该算法依据可行作业序列产生初始种群,并据此构造交叉、变异算子,以保证后代种群都是可行解;而且多种群的遗传算法,扩大了搜索的空间范围,所以可以有效的避免局部最优的情况发生,而且还能增强算法的运行效率。文章在最后,用实例进行了运行效果的验证。     

一种多周期易腐品库存路径问题模型及其求解算法

通过分析一个供应商用多个相同车辆向多个客户配送一种易腐品,在随机需求下,满足多个周期中客户的服务水平、决策计划期内的配送路线和配送量,以库存持有成本、货损成本、运输成本最小化为目标,建立随机需求的多周期易腐品库存路径问题模型,将库存控制和运输问题整合优化。还针对该模型设计了一种改进的遗传算法,能够保证初始种群以及变异、交叉后的种群的多样性和优越性,有足够搜索全局最优解的能力。     

基于遗传算法的车间设备布局优化

对某车间设备布局问题进行数学建模,建立以车间物流成本最小为目标的车间布局优化模型。应用遗传算法设计求解优化模型,根据SLP方法得到的初始布局方案建立初始种群,对该初始种群进行编码、选择、交叉和变异操作,得到最终车间设备布局。基于此,以上海海事大学工程训练中心机械加工车间为案例进行设备布局优化,完成车间物流分析,应用遗传算法对车间进行求解,并通过Matlab软件进行编程运算,得出车间的最优解。     

基于客户满意度的供应链优化模型研究

针对订货、配送环节为提高客户满意度的的供应链优化这个关键问题,建立了一个多目标的供应链优化模型,该模型将订货、配送环节影响客户满意度的关键因素集成在一起对供应链进行优化,采用订单满足率、时间响应率、成本收益率、货物损坏率等四个度量指标.针对多目标优化模型,提出了层次分析法将多目标模型转化为单目标模型.最后,通过具体的算例对模型进行了分析验证.     

带软时间窗车辆路径问题改进遗传算法

研究了考虑车辆数和总成本情况下的软时间窗车辆路线问题的多目标规划问题.提出了一种改进的遗传算法,在算法中利用适应度函数解决了两个目标之间的平衡问题.通过修改交换算子,不仅增加了算法的搜索能力,还去掉了种群差异性的限制.通过实例验证说明该算法能有效地解决软时间窗车辆路线问题,为实际应用提供有力的决策支持.     

基于分层优化的烧结多目标优化模型研究

针对烧结生产质量、产量和能耗等生产目标间存在矛盾,难以实现多目标整体优化控制的问题,提出了一种分层优化策略。将烧结生产优化分为综合生产目标优化级、局部子过程目标优化级以及人工协调优化级三个层级。在建立综合生产目标质量、产量和能耗的BP神经网络模型的基础上,建立综合生产目标与局部子过程目标的映射关系的烧结生产多目标优化模型,并采用遗传算法求解该多目标优化模型。最后结合实际生产数据进行人工协调优化,实现烧结综合生产目标整体优化。     

求解多目标TSP问题的离散粒子群优化算法

文章通过分析多目标TSP问题的性质,在Pareto最优解的基础上提出了偏离度,将多目标转化为单目标;然后针对利用离散粒子群算法(DPSO)求解,只考虑排斥算子时,结果会过早的陷入局部最优的不足,将惯性权值保留能起到平衡局部搜索能力和全局搜索能力,适当的设置惯性权值能促进全局搜索;最后,通过计算机仿真验证了用DPSO解决多目标TSP是有效的.