线型结构批量计划问题的粒子群算法参数方案设定

生产批量计划问题(Lot-sizing Problem)是制造企业中每天都要面对的生产和管理中的关键问题,其主要考虑的目标是如何得到最优的生产批量计划,使得生产费用(Production Coat)、生产准备费用(Setup Cost)以及库存保管费用(Inventory Cost)的综合指标最小.粒子群算法(ParticleSwarm Optimization,PSO)是一个在连续的定义域内搜索函数极值的有效方法.针对无资源约束的具有串联型生产系统的多级批量问题,采用基于问题特点的PSO算法(PSPSO)进行问题求解,并通过算例给出了算法部分参数的合理组合方案.

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,PSO)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 panicle swarmoptimization,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.

Scatter search算法求解无能力约束生产批量计划问题

多级生产批量计划(multilevel lot-sizing,MLLS)问题是物料需求计划(material requirements planning,MRP)系统中的关键问题,已被证明是NP难问题。Scattersearch(SS)算法是一种亚启发式算法,其应用范围已涉及优化领域中的许多NP难问题。扩展了SS算法的应用范围,采用结合变异算子的混合SS算法(hybrid scatter search,HSS)对具有小规模和中规模的装配结构无能力约束MLLS问题进行了求解。仿真实验表明HSS算法能够有效地求解MLLS问题,其求解结果明显优于遗传算法的求解结果。

多资源约束的 MLLS 的遗传分解混合算法

对带有多资源的生产批量计划构造了遗传算法和线性规划混合算法，用遗传算法产生可行调整模式，对应每一调整模式，则将原问题变换为一个线性规划模型进行求解．通过遗传算子进行迭代和进化，从而获得近优解，分析和计算结果表明了算法的有效性．