带最小批量约束的计划问题及其拉格朗日松弛算法

针对一类带最小批量约束的计划问题,提出了基于拉格朗日松弛策略求解算法.通过拉格明日松弛策略,将原问题转为一系列带最小批量约束的动态经济批量W-W(Wagner-Whitin)子问题.提出了解决子问题且其时间复杂度O(T^3)的最优前向递推算法.对于拉格朗日对偶问题,用次梯度算法求解,获得原问题的下界.若对偶问题的解是不可行的,通过固定装设变量,求解一个剩余的线性规划问题来进行可行化处理.最后,数据仿真验证了算法的有效性.

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.

单级有资源约束的生产批量计划问题的元算法

为了解决生产计划系统中单级多资源约束的生产批量计划问题,采用将遗传算法广度搜索能力和局部深度搜索能力相结合的元算法(memetic algorithm,MA),对资源约束型生产批量计划模型进行了求解,并采用能力调整法和罚函数法处理不可行解.在能力调整法的实施阶段,采用"先顺序,再逆序"的处理方式进行资源能力调整.给出了元算法的运行流程图,对元算法的计算性能进行了测试,并与现有文献中的若干实例进行了比较,验证了所提算法的可行性和适用性.

有能力约束的单机经济批量计划问题优化模型

有能力约束的单机经济批量计划问题是企业管理中的一重要问题,在企业信息化软件开发中具有重要的实际应用意义。在国内外研究的基础上,建立了求解有能力约束的单机经济批量计划问题的数学模型。由于上述问题为NP难问题,根据模型解的特征,采用遗传算法的原理,设计了求解上述模型的遗传算子和流程,利用dephi编程得出了计算结果。结果表明,算法效果优于唐立新 (1999)的结果;且在有能力约束的情况下,算法得出的结果接近无能力约束的情形,充分说明了该算法的有效性。

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。

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.

生产批量计划问题的RCWW算法验证研究

Wagner-Whitin(WW)算法是经典的、求解生产批量计划(Lot-sizing Planning,LSP)问题的最优启发式算法,对于中小规模问题可以有效求得产品的最优生产量。随机累加WW(Randomized Cumulative WW,RCWW)算法是改进了的WW算法,适用于求解具有一般生产结构的、多层级LSP问题。RCWW算法的求解效果已经得到了验证。根据RCWW算法的求解思想,通过采用C语言进行编码实现算法流程。通过对具有一般生产结构LSP问题的标准算例进行求解,验证了RCWW算法的求解效果,发现了原文献的错误,证明了作者对RCWW算法的正确理解。

生产计划问题最优解的Excel实现

求解生产计划问题的最优解一般需要通过专门的运筹学软件进行,本文结合具体案例探讨了Excel下生产计划问题最优解的求解实现过程,较为简捷、准确地得出了生产计划问题最优解的求解结果。

生产计划问题最优决策方法探讨——动态规划顺序递推法

通过实例验证指出目前"生产计划问题"最优决策模型在运用动态规划顺序递推法求最优解的过程中,涉及到的第k阶段的生产量xk和第k阶段末的库存量vk的取值范围出现了错误;并在对"生产计划问题"的最优化模型进行研究后,根据总的生产成本费用和库存费用之和最小的原则,推导出正确的xk和vk的取值范围。

离散制造业中生产批量计划问题的模型与算法

制造业是衡量一个国家和地区的综合经济实力和发展水平的重要标准,是民生之本和产业主体。制造业的重要组成成分之一是离散制造业,其中的重要问题是生产批量计划问题(Lot-sizing Problem,LP)。生产批量计划问题是企业生产过程中的重要决策问题,与运筹学、管理科学和工业工程等领域联系紧密。迄今为止,国内外学者对该问题的研究历史已超过50年。在参考国内外相关文献的基础上,对生产批量计划问题的模型和求解算法作了系统、全面的总结,指出了将来可以进一步研究的重点方向。

对社会主义市场经济条件下经济计划问题的若干思考

从社会主义计划经济转到社会主义市场经济,是经济体制的根本性变革,涉及到我国经济基础和上层建筑的许多领域。我们在思想认识、管理制度、领导方法等方面都必须相应地来一个很大的转变。过去的许多做法、认识、经验已经不适用了,要根据新的实践要求,重新学习、不断创新、与时俱进。在这种历史条件下,许多问题引起人们认真地思考和热烈讨论。本文似就社会主义市场经济条件下经济计划的有关部问题,进行一些粗浅的思考,以便抛砖引玉,展开更深入的讨论。

有限计划期内多种变质性产品的经济批量计划问题

考虑了多种变质性产品在有限计划期内的经济批量计划问题,在假定生产率、需求率、变质率均为常量,以及多种变质产品具有共同生产周期的情况下,证明了总费用函数是凸函数,给出了寻找最优生产策略的算法。

基于约束规划求解批量计划问题研究与应用

研究了考虑提前期、调整时间和多资源约束的多级批量计划问题。加工项目对不同资源的消耗可分布在提前期内的不同周期中,改善了多级有能力约束批量计划问题(Multi—level Capacitated Lot—sizing Problem, MLCLSP)中工序多、制造周期长的项目其理论上能力消耗的时间分布与实际情况存在偏差的状况。并设计了基于约束规划的禁忌搜索算法框架,该算法基于ILOG Solver约束规划组件并用C++实现。仿真结果证明该算法是有效的。

美国次贷危机后供给侧改革政策实践、评价与启示——基于问题资产救助计划的分析

美国次贷危机后改革措施的集中体现就是紧急经济应对法案(EESA)和问题资产救助计划(TARP),这两项均明显作用于供给侧的措施,与经济学教科书上通常强调和阐述的凯恩斯式的需求管理有所区别。问题资产救助计划从横向来看包括银行业支持计划、信贷市场计划、其他计划、住房救援计划和额外的财政部控股五大部分,从纵向来看包括制度体系、政策体系和监管体系,反映了美国政府在救市时对行业与企业的选择,以及应对经济危机时的参与模式,对中国供给侧改革和危机管理具有一定启发意义。

混合粒子群算法在模糊柔性车间作业计划中的应用

针对现实生产系统中存在的时间参数模糊化问题,给出了一种基于区间值梯形模糊数的模糊柔性车间作业计划问题模型。在对模糊柔性车间作业计划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,随后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。仿真实验表明,该算法具有可行性和有效性。

基于LINGO的优化问题动态规划法求解

介绍了LINGO优化软件的使用，指出LINGO在求解动态规划问题时可以不需要目标函数。基于LINGO分别对最短路问题和生产批量计划问题使用动态规划法进行了求解，给出了相应的LINGO求解代码，增强了学生对动态规划法的理解同时提高了使用优化软件编程解决问题的能力。

无资源约束MLLS问题的三种求解算法效果比较

用于求解无资源约束多级生产批量计划(UMLLS)问题的算法包括混合粒子群(HPSO)算法、混合分散搜索算法(HSS)和带排斥算子的遗传算法(RGA).为了研究各算法对问题的适用性,对于上述三种算法的求解效果采用标准测试集进行了较全面的测试和比较,给出了针对不同规模无资源约束生产批量计划问题的算法选择方案.测试结果显示:对于小规模和中规模问题,HSS算法的效果更好;对于大规模问题,HPSO算法的性能更优越.

带有补偿的模糊产销计划模型及其混合算法

基于两阶段模糊优化方法建立一类带有补偿的模糊产销计划期望值模型,并设计含有逼近方法和粒子群优化算法的混合算法对提出的模型进行求解。给出一个实例表明模型和算法的有效性。通过改变粒子群优化算法的粒子数和迭代次数对最优解和目标函数值进行算法分析。

动态规划教学中关于生产库存问题模型求解的改进

解决动态规划问题的方法有逆序递推和顺序递推两种。通过实例验证指出,在当前的动态规划应用举例"生产计划问题"最优化模型的求解中,讲解动态规划顺序递推法时,存在不太合理之处。体现在运用动态规划顺序递推法求解过程中涉及到的第k阶段的生产量xk和第k阶段末的库存量vk的取值范围推导不太合理,这能够导致最优解的遗失;同时也会造成学生在学习过程中产生不解和困惑。在对"生产计划问题"的最优化模型进行研究后,按照总的生产成本费用和库存费用之和最小的原则,运用动态规划顺序递推法推导出更为合理的xk和vk的取值范围。

不确定环境下的生产计划模型

本文主要研究不确定环境下的一种生产计划问题,这种生产计划问题是指在资源有限的前提下如何制定合适的生产方案使企业获得最大收益,其中每种产品对各种资源的需求量和每种产品的单位生产利润均为不确定变量.对此情况的生产计划问题首先建立了不确定规划模型;然后利用不确定理论有关知识简化了该模型,以便求其最优解;最后运用求解线性规划的软件matlab求出实际数值问题的最优解.