模糊环境下基于遗传差分协同进化的多阶段投资组合模型

现实经济活动中投资一般是不确定的和随机的,投资者对于风险资产的选择大多情况下是多阶段的。基于该现实因素,在模糊环境下考虑多个摩擦因素,利用交易限制引入资产的基数约束,建立可能性均值–下半方差–熵多阶段投资组合优化模型(V-S-M),该模型是一个多阶段混合整数规划问题。同时,给出了求解该模型的一个遗传差分协同进化算法(GAHDE),并对不同风险态度下的投资组合策略进行了分析,同时将所得数值结果与可能性均值–下半方差模型(V-M)和可能性均值–熵模型(S-M)进行模型对比,与标准的遗传算法和差分进化算法进行了算法对比,结果验证了所建模型和设计算法的优越性与有效性。

模糊环境下应急物资路径优化研究

对于不确定环境下的应急物资运输路径优化问题,使用模糊数来表示到达时间窗以及不确定需求量,同时将客户的满意度与到达时间相关联,考虑突发状态下路径存在风险,建立了以运输成本和运输风险最小的多目标模糊机会约束规划模型,并通过数学规划软件LINGO进行求解,算例结果表明该模型可以快速在突发状态下找出规定时间内成本及运输风险最小的路径。

模糊环境下基于激励相容理论的再制造闭环供应链研究

基于激励相容理论,在模糊市场需求和回收产品质量条件下,研究了考虑碳税和补贴的再制造闭环供应链系统总成本模型。为了研究该模型模糊因素,提出模糊机会约束规划方法。作为一个离散优化问题,使用遗传算法和粒子群优化来寻找实例近似最优解。结果表明:在市场需求量和回收品质量水平的模糊环境下,总成本有不同的变化;政府仅设置补贴政策或碳税政策并不利于降低成本、减少碳排放量;当政府采取补贴和碳税双重政策时,废旧产品回收率提高,供应链的碳排放量以及总成本也有大幅度的下降。研究有助于企业在模糊环境中制订合理的生产计划,也有助于政府充分利用激励相容理论,指导企业减少碳排放量,提高回收率和再制造率。

模糊环境下虚拟企业伙伴选择的多目标优化

针对模糊完工时间和模糊交货期下的虚拟企业伙伴选择问题,提出了以极大化最小客户满意度、极大化平均客户满意度和极小化完工成本为指标的多目标优化模型。采用最小隶属度偏差法将多目标问题转换为多个单目标优化问题,并应用自适应遗传算法进行求解。同时,在遗传算法的适应度函数处理中引入模糊数处理方法,解决了带模糊数的伙伴选择问题。仿真结果表明了该方法的可行性和有效性。

模糊环境下的多目标非满载车辆调度问题

针对现实物流配送过程中存在的时间参数模糊化问题,采用梯形模糊数表征时间参数,给出了一种具有模糊时间窗和模糊配送时间,以最小化配送车辆数、提前/滞后惩罚以及配送里程为目标的多目标非满载车辆调度问题模型。在问题求解方面,针对基本粒子群算法容易陷入局部最优的问题,引入利用混沌局部搜索策略,给出了一种基于混沌优化技术的混合粒子群算法。该求解算法的可行性和有效性最后通过仿真试验进行了验证。

模糊环境下基于Vague集的虚拟企业伙伴选择研究

为解决模糊完工时间和交货期下的虚拟企业伙伴选择问题,提出一种基于Vague集的伙伴选择方法。在给出基于Vague集的交货时间满足度概念的基础上,建立了以极大化交货时间满足度指数为优化目标的虚拟企业伙伴选择模型,该模型考虑了交货时间满足度、成本和任务间的时序关系等因素。为解决标准粒子群优化算法容易陷入局部极值的问题,引入混沌搜索方法,设计了一种混沌粒子群优化算法进行模型求解。实例分析表明,混沌粒子群优化算法比标准粒子群优化算法具有更强的局部搜索能力。

模糊环境下应急系统多目标调度问题求解

为研究突发事件发生后的应急资源调度问题,考虑应急救援系统中应急时间呈不确定性的特征,采用模糊数来描述出救点到受灾点的出救所需时间,以最小化最大应急时间和出救点最少作为优化目标,构建模糊环境下具有多种资源和多个出救点的应急资源调度模型。基于该问题的指数复杂度,提出了基于Pareto的模拟退火算法(Pareto Simulated Annealing,PSA)对该多目标问题模型进行求解。最后,通过仿真算例验证了模型的合理性以及所提算法的有效性。

模糊环境下的配送车辆调度决策支持系统平台研究

针对我国城市配送的特点,以及现实配送过程中存在的参数模糊化现象,对模糊环境下的车辆调度问题模型及求解算法进行了论述,并在此基础上提出了一种与之相适应的,基于知识库、模型库与方法库的城市配送车辆调度决策支持系统平台模型,同时对该平台中各关键子系统的功能结构与设计进行了阐述,分析了其可行性,最后就平台开发与实施中的注意事宜进行了探讨。

模糊环境下基于可信性规划的生产计划方法

在客户需求、单位产品的价格、单位产品的生产成本和可用资源数量都是三角模糊变量的条件下,基于可信性规划建立了模糊生产计划模型。通过对模糊目标和约束的清晰化,将模糊生产计划模型转化为清晰等价形式,用非固定多段映射罚函数法将其转化为无约束两目标优化问题,并利用向量评价给出了求解此模型的改进粒子群算法。最后通过一个应用案例说明了所提方法的有效性。

模糊环境下多目标决策的均值优序法

提出了状态不确定情况下的多目标决策问题的优序值矩阵,推广了多目标决策问题的优序法,并且重点研究了系统状态是一个模糊集时的模糊效益集和效益矩阵,得到了求解多目标决策问题的均值优序法.

模糊环境下企业竞争情报系统绩效评价方法

针对模糊环境下企业竞争情报系统绩效评价问题，文章以模糊数学和信息熵理论为工具，提出一种基于表现度的评价方法。文章综合考虑了企业竞争情报系统绩效评价中定性和定量两类指标，首先引入了表现度概念，对不同指标下表现度进行规范化处理；然后根据信息熵理论确定各指标权重，进而得到各企业竞争情报系统绩效的综合表现度和优先顺序；最后给出一个算例。算例表明：该方法不仅能很好地处理企业竞争情报系统绩效评价中定性和定量指标值，而且还充分考虑企业竞争情报系统绩效评价中的模糊性，使企业竞争情报系统绩效的评价过程更为科学、合理。

随机模糊环境下供应链企业间博弈研究

文章基于随机模糊环境对供应链中制造商和零售商博弈关系进行分析,利用集随机模糊模拟、粒子群算法、神经网络为一体的混合智能算法对构建了分散决策结构下的供应链模型和集中决策结构下的供应链模型,并列举模拟实例增强模型的适用性,从而为有效提高供应链中处于不同层级地位的生产商和零售商都能获得最大利益。

模糊环境下报废汽车多目标逆向物流网络优化研究

以总成本最小化和回收率最大化为目标,采用三角模糊数来描述网络中回收量的不确定性,建立了模糊环境下的多目标逆向物流网络模型,并采用主要目标法对模糊环境下的多目标模型进行了求解,最后通过算例证明其可行性。

模糊环境下单机调度中的总提前完工量问题

在工件的加工时间及工期均为模糊参数的情况下,研究了单机调度中的总提前完工量问题.当工件具有共同工期及相同提前隶属水平时,给出了使得总提前完工量达到最大的最优调度;当工件具有共同工期及不同提前隶属水平时,给出了调度为最优的必要条件,并构造了求解该问题的分枝定界算法.

一种在犹豫模糊环境下的决策方法及应用

为解决经典多属性群决策问题,引入犹豫模糊集的思想,将其设置在犹豫模糊环境下解决.首先,把考核专家组给予各方案中属性不同的评价值作为属性可能隶属度,方案的每个属性值用一个犹豫模糊元表示;其次,建立犹豫模糊元混合和得分函数与混合积得分函数模型,新定义了犹豫模糊加权混合加与犹豫模糊加权混合积两个集结算子,并提出一种新的犹豫模糊多属性群决策方法;最后,把该方法用在高职院校对各二级学院的年终考核中,结果表明该方法操作简单、计算方便,能够快速取得正确的考核结果.

模糊环境下资金预算的机会约束NPV目标规划模型

运用净现值方法,考虑了当投资金额和回收期的现金流入与流出均为模糊变量,且投资者有多个目标时的资金预算问题,建立了资金预算的机会约束目标规划模型,并采用基于模糊模拟的遗传算法求解了模型问题.

模糊环境下的多目标柔性车间作业计划优化问题研究

首先介绍了具有模糊加工时间和模糊交货期的柔性车间作业计划问题,接着阐述了基于可能性理论的最小化制造跨度目标函数,以及基于有符号距离与区间数距离的提前/拖期惩罚函数,并以此为基础构造多目标柔性车间作业计划问题的适应度函数。针对上述多目标柔性车间作业计划问题,给出了改进粒子群算法进行有效求解,通过对粒子群参数进行自适应优化来有效平衡算法的全局搜索与局部搜索能力,最后通过实例验证了求解算法的可行性和有效性。

模糊环境下非对称双头垄断期权博弈模型

针对项目投资成本不对称的双头市场结构建立了期权博弈模型,并用动态规划的逆向归纳法给出了领先者、追随者和同时投资者的期权价值与投资临界值模型。其次在项目建设时间、预期未来利润流和沉没投资成本均为梯形模糊数的假设下,得到了模糊环境下非对称双头垄断期权博弈模型,并将随机条件下的抢先均衡、序贯均衡和同时投资均衡结果及其成立的条件推广到了模糊环境。最后通过一个算例验证了所建模型及均衡结果的合理性。

模糊环境下的差异作业单机批调度优化问题的研究

针对现实生产制造系统中存在的时间参数模糊化问题,用梯形模糊数表征时间参数,给出了一种具有模糊加工时间和模糊批次间隔的、以最小化制造跨度为目标的模糊差异作业单机批调度问题模型。在对模糊差异作业单机批调度问题进行有效求解方面,针对基本粒子群算法容易陷入局部最优的问题,给出了一种基于遗传操作的混合粒子群算法。利用遗传算法思想对粒子进行交叉、变异操作,增强了算法跳出局部最优的能力。仿真实验验证了该算法具有可行性和有效性。

模糊环境下分销系统的库存决策

在分销系统建模与优化问题中，不确定环境下的库存决策问题是很常见、也很典型的问题。大多数库存控制领域的学者为得到一个有效的库存管理策略，常常应用概率论来处理库存管理中出现的不确定性，例如用概率分布来描述最终顾客的需求，其中概率分布的参数则是通过对历史数据进行统计分析而得来的。但是，实际中往往缺少历史数据或历史数据不可用，这使得概率方法可能不适用，或者通过概率方法得到的库存管理策略的实际应用效果不理想。因此，一些研究者开始尝试通过模糊数学方法对这种不精确的需求进行描述，以解决概率论在描述不精确需求方面的局限性。同样在库存系统的成本度量方面，传统的库存控制模型还常常将模型中的模糊、不精确数据转换成清晰数据进行建模，如库存持有成本和缺货成本，它们实际上是很难用一个清晰值准确表达出来的。正因为如此，近年来，模糊集理论在库存控制领域中的应用吸引了很多学者的兴趣。