试论高校设备经费分配模型与求解

给出了设备经费管理中常用的分配模型 ,并采用遗传算法求解。说明了遗传算法求解多目标问题是有效的。

基于MGA的费用分配优化模型研究

针对费用分配实际问题,建立了优化数学模型,提出了基于遗传算法的多目标多因子求解方法,对求解过程中的选择操作方法、体内自交叉算子和增减变异算子、编码方法、适应度函数和原始种群等作了改进设计。

基于混合遗传算法的经费分配多目标规划研究

为了探索新的经费分配方法和管理模式,建立了一种新的多目标非线性规划优化模型,提出了基于正交试验的新型混合遗传算法来求解该问题。对求解过程中的选择算子、交叉算子和变异算子等进行正交试验,具体是通过交叉、变异来产生后代,后代与父代组成一个扩大群体,然后对这个群体的个体单独进行正交试验,并以正交试验的结果代替试验前个体,再通过排序选出最好的群体组成下一次遗传的父代,得到的种群个体明显优于基本遗传算法的个体。仿真结果表明,该算法收敛寻优能力强,并能产生很多次优解,是一种高效稳定的方法。

单评价特征时多目标矛盾问题的界定

为便于更好地解决不同目标关系的矛盾问题,采用理论分析方法,对多目标矛盾问题的界定进行了研究。给出了界定目标、界定条件的步骤,分析了单评价特征时多目标矛盾问题的可拓模型,讨论了多种情况下单评价特征时多目标矛盾问题的界定,最后给出一个机械设计中界定多目标矛盾问题的实例.研究结果表明,矛盾问题的界定结果因目标、条件的改变而不同,研究结果可为机械或其他行业分析解决矛盾问题提供一定借鉴.

基于HGA的经费分配多目标优化模型求解

为探索新的经费分配方法和管理模式,建立一种新的多目标非线性规划优化模型,提出一种先进的基于正交试验的新型混合遗传算法来求解该问题。对求解过程中的选择算子、交叉算子和变异算子等进行正交试验,得到的种群个体明显优于基本遗传算法的个体,仿真结果表明,该算法收敛寻优能力强,并能产生很多次优解,是一种高效的方法。

多目标设备经费分配的混合遗传优化方法

为了探索新的经费分配方法和管理模式,建立了一种新的多目标非线性规划优化模型,提出了一种先进的基于正交试验的新型混合遗传算法来求解该问题。对求解过程中的选择算子、交叉算子和变异算子等进行正交试验,得到的种群个体明显优于基本遗传算法的个体。仿真结果表明,该算法收敛寻优能力强,并能产生很多次优解,是一种高效的方法。

双层集装箱列车装载问题多目标优化研究

为了提高双层集装箱列车的装载效率,保障双层集装箱列车的运行安全,建立了一种降低重车重心高和均衡车辆转向架负重差的双层集装箱列车装载问题多目标优化模型,并采用字典序规划法对多目标优化问题进行求解,即为存在矛盾的优化目标与约束条件设置不同的优先级.为了优化重车重心高,采用线性分式规划将相应的混合整数分式问题转化为一系列混合整数线性规划子问题进行求解.算例验证结果表明,研究所提出的多目标优化方法能够在保证列车集装箱装载量最大的条件下降低集装箱车的重车重心高,并减少其转向架负重差,具有重要的应用价值.

覆盖网络的链路优化问题研究

在综合考虑各个影响覆盖网络路由性能因素的基础上,提出针对覆盖链路选取问题(OLSP)的多目标优化模型,利用覆盖链路对物理链路的重用度因素使模型能以最少的维护代价获得最高的覆盖路由性能。采用Pareto占优理论和免疫克隆算法对OLSP进行求解,通过数字仿真实验验证该模型的合理性和ICA的有效性。

目标驱动离散布谷鸟搜索算法的不完全拆卸线平衡多目标优化

针对拆卸需求零件和危害零件的不完全拆卸线平衡问题,构建了优化拆卸序列长度、工作站数目、空闲时间均衡指标和拆卸成本的多目标不完全拆卸线平衡模型;为适应问题的离散性、多目标、多约束特性,提出了一种基于Pareto解集的目标驱动离散布谷鸟搜索算法.该算法首先建立模型与鸟窝位置、鸟蛋属性的映射关系,以此制定莱维飞行操作、巢寄生操作的离散化规则;然后通过以目标为导向的驱动操作实现单目标深度优化与多目标协同优化;为获得分布性良好的拆卸方案,采用拥挤距离机制筛选外部档案中的非劣解.对不同规模的3个实例与19个基准算例进行实验,验证了该算法的有效性和优越性;以某打印机的不完全拆卸为例,采用文中模型和算法进行不完全拆卸线平衡多目标优化,为决策者提供了侧重点不同的9种拆卸方案.

论绩效管理目标的制定与考核

蒸汽消耗是氧化铝生产中的主要能耗指标之一,中铝山东分公司有三条低温拜耳法生产线,使用的蒸发器均为六效四闪管式降膜蒸发器,设计的蒸水汽耗相同,考核模式相同。一线借运营转型理念对运营体系、管理架构、理念与能力进行诊断完善;消除部门组织壁垒、部门之间不信任,优化并实施高效的业绩管理体系,支持系统完善对管式蒸发器运行情况的各项指标逐步深入的分析,弄清楚了潜力点,通过科学合理、有效的管理,有的放矢地走出一条降低汽耗的方法,取得了显著成果。

基于混合遗传禁忌的多目标柔性作业车间调度

针对多目标柔性作业车间调度问题(Flexible job-shop scheduling problem,FJSP),提出了一种结合遗传算法和禁忌算法求解FJSP的调度算法。首先,定义了FJSP问题模型,然后提出采用改进的遗传算法对其进行求解,采用双链进行染色体编码和NEH方法获得初始解,并提出了自适应的选择策略、混合交叉策略和复合变异策略以实现个体保优和更新,当遗传算法陷入局部最优解时,采用禁忌算法跳出局部最优,以实现全局最优解的获取。仿真实验证明文中的方法能有效地解决FJSP问题,获得全局最优解,且与其他方法相比,文中方法具有收敛速度快和求解效率高的优势。