基于遗传算法的网络化制造伙伴选择与优化

在分析制造业面临的动态多变的竞争环境基础上,着重考虑了时间、成本、风险作为伙伴选择过程中的重要评价因素,结合项目本身存在的约束关系以及决策者的偏好,提出了基于遗传算法的合作伙伴选择的多目标优化模型·实例仿真结果验证了算法模型与求解过程的有效性与实用性,实现了网络化制造伙伴选择的定量分析,为开发网络联盟企业合作伙伴选择决策支持系统奠定了基础·

基于遗传算法的动态联盟性能标准优化方法

面向动态联盟的伙伴选择群体决策代表了一类最复杂组合问题的决策。该问题的决策效果直接关系到动态联盟建立的效率和参与企业操作的复杂度 ,是动态联盟建立过程的关键。本文提出了应用遗传算法优化这一群体决策过程的方法 ,并根据问题的特点设计了相应的编码方式、选择过程和遗传算子。最后给出了应用该算法处理群体决策问题的一个实例 ,以证明该算法的可行性与有效性。

虚拟企业伙伴选择的双种群自适应遗传算法

针对虚拟企业伙伴选择这一多目标优化问题,采用理想点法将其转换为多个单目标问题,并应用双种群自适应遗传算法进行问题求解。该算法涉及两个种群和自适应交叉、变异概率。在遗传过程中,每个种群的个体都根据适应度自动选择其交叉和变异概率,使个体对环境变化具有自适应调节能力;在一代遗传完成后,种群间交换优秀个体携带的遗传信息,以增加种群的多样性,避免陷入局部极值。通过算例,证实了该算法能很好地解决虚拟企业伙伴选择这一多目标优化问题。

基于蚁群算法的虚拟企业合作伙伴选择

从虚拟企业全局最优的角度出发,在对合作伙伴组合优化决策模型进行研究的基础上,提出了一种基于蚁群算法(AntColony Optimization,ACO)的虚拟企业合作伙伴选择方法,实现了合作伙伴组合在整条价值链上的最优,最后通过实验证实了这种伙伴选择方法的有效性。

用GA求解动态联盟中伙伴选择的多目标优化模型

描述动态联盟中的伙伴选择问题 ,针对以活动网络形式组织的新产品开发项目 ,建立伙伴选择的多目标优化模型 ,实现项目失败风险最小化和项目完工时间最小化 ,并利用带自适应移动线技术的遗传算法 ,求得问题的整个非劣解集合 。

动态联盟伙伴选择的一种自适应遗传算法

针对动态联盟伙伴选择优化问题 ,提出一种自适应遗传算法用来求解此类问题。该算法设计了自适应交叉和变异概率 ,在遗传过程中可以根据适应度自动选择 ,从而使群体中每个个体对环境的变化具有自适应调节能力 ;所设计的自适应变异概率可以避免算法的早熟现象 ;遗传过程中 ,通过保持迭代过程中的最优解 ,加快了搜索速度 ,并保证了收敛于全局最优解。通过算例 ,证实了该算法的有效。

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。

用GA求解动态联盟中伙伴选择的多目标优化模型

描述了动态联盟中的伙伴选择问题 ,针对以活动网络形式组织的项目 ,建立伙伴选择的多目标优化模型 ,实现项目失败风险最小化和项目费用与拖期惩罚总额最小化 ,并利用带自适应移动线技术的遗传算法 ,求得问题的整个非劣解集合或近似集合。

虚拟企业伙伴选择的优化算法

虚拟企业伙伴选择及优化是组建虚拟企业的一个关键问题。根据虚拟企业任务之间的关系,该文将虚拟企业伙伴选择问题分解为串行问题、并行问题和混合问题3类,并建立了问题的多目标决策模型,通过候选企业筛选和确定优化组合方案,优化了模型求解过程,并验证了该算法的有效性。

铝工业虚拟企业伙伴选择问题优化方法研究

铝工业生产调度都是针对某一特定的生产过程,单纯地追求产量为最高目标,凭经验进行调度。而产量目标的实现不但以牺牲能耗为代价,调度结果还达不到全局最优,无法实现能耗最优为目标的生产调度与资源配置,造成能源的浪费。以生产能耗、运输能耗及库存能耗之和最小为目标函数,结合企业生产经验,建立了铝工业虚拟企业伙伴选择优化调度模型,并提出了一种混合离散粒子群算法对其进行求解。最后,利用工业数据进行了仿真实验,结果表明该优化调度方法在缩短调度时间、资源优化配置等方面优化效果明显,达到了节能降耗的目的。

基于过滤微粒群优化算法的虚拟企业伙伴选择

提出了一种过滤微粒群优化算法并应用于虚拟企业的伙伴选择问题。该算法以优良适应值微粒取代部分不良适应值微粒,使算法具有过滤能力,加快了搜索速度,并保证收敛于全局最优解。仿真实验及与基本PSO算法的对比分析表明了FPSO算法的有效性。

基于协同学理论的虚拟企业合作伙伴选择研究

为最大化虚拟企业项目中各任务间的协同程度,提出了一种基于协同学理论的虚拟企业伙伴选择方法。建立了以极大化系统协同度为优化目标的伙伴选择模型,该模型考虑了系统的交货时间、总费用和产品准时交货率等因素的协同度。此外,针对基本杂草算法在求解伙伴选择模型的过程中容易陷入局部极值的缺点,设计了一种嵌入混沌搜索行为的混合杂草算法来求解该模型。仿真结果表明了该方法的可行性及有效性。

基于改进粒子群优化算法的虚拟企业伙伴选择

在分析基本粒子群优化算法和建立虚拟企业伙伴选择多目标决策模型的基础上,提出了一种求解供应链联盟伙伴选择的优化问题的改进粒子群算法。在优化过程中,该算法以优良适应值粒子取代部分不良适应值粒子,使算法具有过滤能力,加快了搜索速度,并保证了收敛于全局最优解。实验结果用基本粒子群算法进行了验证和比较,表明该改进粒子群算法具有较好的性能和简单快速准确等特点。

改进粒子群算法求解虚拟企业伙伴选择问题

对虚拟企业构建中在满足工期约束条件下,以费用最低为目标的伙伴选择问题进行描述,并给出数学模型。采用限制法证明该问题是NP完全问题。针对问题求解,提出改进粒子群优化求解算法,改进算法更改了粒子位置矢量的移动公式,并新增初始扩大及局部更新机制。实例及数字仿真验证了改进算法的有效性及高效性。

基于Vague集的虚拟企业伙伴选择研究

在虚拟企业的组建过程中,伙伴选择的优化组合是最重要的管理过程,合理的伙伴组合可以使利益最大化.为了解决选择过程中信息不对称问题,本文在研究vague集的基础上,建立了适合虚拟制造企业选择合作伙伴的模型,并提出了利用改进粒子群算法来解此模型,通过具体实例的剖析,验证了模型的合理性以及运用改进的粒子群算法解决虚拟企业伙伴选择的优越性.

改进的粒子群算法在虚拟企业合作伙伴选择中的应用

根据虚拟企业合作伙伴选择的原则,给出了合作伙伴选择的多目标决策模型,用定量的方法对合作伙伴进行描述.同时,给出了改进的二进制粒子群优化算法,并对本文的多目标优化问题进行求解.通过仿真试验测试,证明该方法是可行性.

基于任务的虚拟企业组织设计研究

虚拟企业构建具有明显的任务导向特征。当某企业面临资源缺乏或能力限制而导致无法独立完成某项生产任务时,就可以以盟主企业身份通过构建虚拟企业来完成该任务。组织设计关系到虚拟企业运作的成败,因此组织设计问题成为虚拟企业研究一个关键问题。本文以注塑模开发任务为例,探讨了虚拟企业组织设计问题,提出虚拟企业组织设计框架,并对组织设计中的关键问题进行了研究。本文提出的虚拟企业组织设计框架包括任务分解及归并、伙伴集构造及初选、伙伴集优选、组织结构设计等关键环节,文中对上述各阶段的主要内容及实现技术进行了详细分析与说明。针对虚拟企业组织设计中的关键问题—伙伴集优选,建立了基于完工时间约束的,以任务总成本最小化为目标的数学模型,并采用限制法,借助0-1背包问题证明了该伙伴优选问题是NP难题。为求解上述伙伴优选模型,提出了粒子群求解算法。在上述研究基础上,引入爬山算法对粒子群优化算法进行改进,以克服采用粒子群算法求解整数规划问题,容易因为取整而漏掉较优解及易于陷入局部最优等弊端,提高优化求解效果。通过注塑模开发任务的伙伴优选实例验证了粒子群求解算法的实用性及有效性。本文研究对虚拟企业快速、有效地组建具有一定指导意义。