面向供应链分销的多维空间Pareto边界自动谈判模型研究

随着电子商务的快速发展,自动谈判逐渐成为提升供应链系统效率的一种手段。为了优化多方参与的供应链分销谈判应用,本文将多边多属性谈判问题转化为多目标优化模型,采用改进的非支配遗传算法NSGA-Ⅲ计算多维空间的Pareto边界;然后,设计多线程谈判模型,将参与多方谈判的买卖各方拆解为多个双边谈判线程,分别在多维Pareto边界上进行谈判;进而,采用动态时间依赖策略(DTD),使Agent根据对方报价在Pareto边界上动态调整让步策略,快速达成协议。为验证模型的有效性,本文进行了大量模拟自动谈判实验。实验结果表明,所提出的改进算法和谈判流程优于领域最新研究成果,能有效提升多边多属性谈判效率,有助于多方达成共赢局面。

蛙跳优化算法求解多目标无等待流水线调度

提出了基于Pareto边界和档案集的改进蛙跳算法,解决以最大完工时间、最大拖后时间和总流经时间为目标值的无等待流水线调度问题.首先,采用NEH(Nawaz-Enscore-Ham)启发式与随机解相结合的初始化方法,保证了初始群体的质量和分布性;其次,采用两点交叉方法生成新解,使蛙跳算法能够直接用于解决调度问题;再次,利用非支配解集动态更新群体,改善了群体的质量和多样性;最后,将基于插入邻域的快速局部搜索算法嵌入到蛙跳算法中,增强了算法的开发能力和效率.仿真试验表明了所得蛙跳算法的有效性和高效性.

云计算环境中面向DAG任务的多目标调度算法

为了实现任务执行效率与执行代价的同步优化,提出了一种云计算环境中的DAG任务多目标调度优化算法。算法将多目标最优化问题以满足Pareto最优的均衡最优解集合的形式进行建模,以启发式方式对模型进行求解。为了衡量多目标均衡解的质量,设计了基于hypervolume方法的评估机制,从而可以得到相互冲突目标间的均衡调度解。通过配置云环境与三种人工合成工作流和两种现实科学工作流的仿真实验测试,结果表明,比较同类单目标算法和多目标启发式算法,算法不仅求解质量更高,而且解的均衡度更好,更加符合现实云的资源使用特征与工作流调度模式。

多目标云工作流调度的协同进化多群体优化

为实现云工作流调度的多目标最优化,提出一种协同进化多群体优化调度算法。以执行跨度、代价和能耗同步最优化为目标,建立基于激素的协同进化多群体优化模型;通过多群体方式,使每个群体通过多目标粒子群优化寻找单目标非占优解;为避免局部最优,粒子进化中,引入激素激励机制和多群体竞争与协作机制,得到多目标最优解。通过仿真实验,与多目标调度算法MOHEFT和CMPSO作分析比较,结果表明,该算法在综合性能上实现了更好的Pareto最优解,具有更好的有效性和可行性。

多目标灰狼优化算法的改进策略研究

为了解决多目标灰狼优化算法(MOGWO)易陷入局部最优,稳定性差等缺点,基于对算法寻优时灰狼个体运动情况的分析,提出了两条改进策略:一是通过引入"观察"策略赋予灰狼个体自主探索的能力,以提高算法的优化效率和跳出局部最优的能力;二是改进控制参数调整策略,选用幂函数取代线性函数以提高算法的稳定性。然后对两条改进策略进行了可行性分析,提出了带观察策略的多目标灰狼算法并进行了算法复杂度分析。最后通过对6个不同特点测试函数的多次重复实验,结合GD与IGD两种通用评价指标,对原算法、改进后算法和多目标粒子群算法进行比较,从算法效率、寻优能力和稳定性等方面综合验证了算法改进的有效性和优越性。

基于自组织映射神经网络的多目标调度研究

为解决后验式场景下的多目标生产调度问题,提出一种基于自组织映射神经网络的策略来生成近似Pareto边界。该方法首先使用拉格朗日松弛法获得若干Pareto解,从而将搜索范围划分为若干区域。对于每一个区域,构造两个并发运行的自组织映射神经网络搜索区域中的Pareto解,在不增加求解时间的情况下提高了求解精度。另外,根据多目标调度问题的特点,改变了神经网络训练过程中邻域的定义,从而加快了求解速度。仿真实验验证了该算法的可行性与有效性。

基于灰色—遗传算法的线性材料费用控制

针对建设项目中线性材料的费用控制问题,基于量价分离原则,结合灰色区间预测理论和多准则一维下料模型建立了建设项目中线性材料费用控制模型。以实际生产为依托,对近年钢筋实际价格和下料方案进行分析,运用灰色区间预测理论进行价格区间预测,并使用Pareto多目标遗传算法求解多准则一维下料优化模型,使用MATLAB编程求解实例,结果表明,模型可以准确的预测出实际价格区间,添加了实际需求这一准则的下料模型更符合实际需求,说明了这种费用控制模型在线性材料费用控制问题上的实用性和可行性,在确定合理采购批量的同时可以对材料进行优化下料,降低企业成本。

基于多目标遗传算法的双边多属性自动谈判模型的研究

本文利用多目标优化算法NSGA-Ⅱ获得谈判双方的Pareto出价组合,通过经典的基于时间的固定谈判策略沿Pareto边界对出价进行修正,构建出一个能使谈判双方以较高效率实现双赢的多属性谈判模型,最后通过算例对该模型进行了应用。该模型与传统的优化算法相比更能满足电子商务的应用需求,智能优化算法的应用使得谈判速度更快,效率更高,尤其适用于突发情况下的应急谈判。