摘要：研究了一种两层生产计划集成问题,上层为能力约束批量计划问题,下层为并行双机调度问题。采用单个模型来描述整个集成问题,目标函数由库存费用、缺货费用和加班费用三部分组成。对于该集成优化问题,设计了遗传算法整体求解,每个个体中同时包含了批量计划和作业排序的信息,并通过遗传算子的设计,避免了不可行解的出现。通过数值仿真实验,对三种不同规模的问题进行了计算,通过对计算结果的分析,验证了遗传算法的可行性和有效性。

摘要：针对开放式车间中突发的急件到达干扰,研究如何有效地执行扰后重新调度任务。基于匹配式调度策略探索扰后实施重调度的具体方法;为了形成四种可行的重调度实施方案,不仅兼顾了面向分离、连续空闲时间的两种重调度时域确定方式,还在约简式调度阶段设计了两种特效的启发式算法。仿真实验模拟了大量急件干扰下的重调度情景,并从完工期、急件的相对完工时间及序位相似性三方面分别设定了重调度绩效指标,进而对四种所提方案进行了同情景独立观测。实验结果显示,急件到达干扰越晚出现,所提重调度方案的整体应对效果越好;此外,通过统计分析不同实施方案所对应的观测结果,得出了若干有关扰后重调度方案选取的适用性建议。

摘要：针对车间作业排序系统中的模型库管理问题,采用面向对象的建模技术,结合模型库管理的一般要求和生产作业排序算法的具体特点,提出了一种可重用的车间作业排序系统模型库设计方案。该方案采用面向服务架构,引用各种所开发的排序模型和算法,建立了一套算法模型自动匹配与生成机制,并使用所生成的模型对排序问题进行优化计算。引入仿真模型对优化结果进行验证,并通过信息反馈对优化模型加以修正,最后通过示例阐述了使用统一建模语言对系统进行建模的过程。

摘要：利用面向对象的设计思想和方法 ,提出了一种在 DSS中实现信息反馈的方案 ,定义了系统中主要类的组成 ,着重研究了信息反馈对模型选择、策略分析以及策略选择的支持作用 ,分析了含信息反馈的 DSS中的信息流程 ,建立了相应

摘要：仓库设计对企业顾客服务水平及物流成本具有重要影响,而仿真建模的方法对仓库设计评价及优化越来越受到广泛重视。应用Witness仿真软件对某快速消费品企业的包装原材料仓库设计进行了仿真建模研究,定义了模型元素及功能、仓库运作仿真逻辑、输入参数假设,并对模型进行了验证和确认,最后通过仿真输出分析对仓库存储区域利用率、仓库周转率、仓库吞吐率、以及订单满足率等设计方案指标进行了分析与评价,并进而提出改进建议。

摘要：车间作业调度与排序是生产管理与组合优化领域研究的重要课题，由于其内在的复杂性（ＮＰ－Ｈａｒｄ），很难利用经典方法求出最优解．遗传算法对于这类问题具有较强的寻优能力．本文针对流水车间的作业排序问题（ｎ／ｍ／Ｐ／Ｃｍａｘ）设计了一种遗传算法的实现形式，对现有的遗传算子进行了改进，通过算例分析表明，该算法具有良好的收敛特性与运算效率．

摘要：针对置换流水车间调度问题的求解,改进了基本量子进化算法,设计了一种变参数量子进化算法,用以求解置换流水车间调度问题。使用量子位极角表示工件排序,缩短了染色体长度。在运算过程中改变变异率和局部寻优次数,以改善全局搜索和局部寻优性能、提高算法的全局最优性。运用变参数量子进化算法求解置换流水车间调度的Benchmark问题,数值实验表明,该算法具有良好的性能。

摘要：探讨了组织决策中单元共享决策方案实施结果对提高决策质量的作用机制．将组织决策定义为由各种决策态势组成的一个范畴，而态势之间的射反映了态势之间信息共享关联．引入函子建立态势与组织决策解集之间的关系．研究表明，信息共享使组织决策解集得到扩张，组织能够在较大解集上寻优，避免或减少了由于单元信息不完善而遗漏更优解的可能性．

摘要：针对车间作业排序问题的固有复杂性和目标函数难于解析求解等特点,建立了一个优化与仿真的集成系统框架,并提出了一种新的建模求解思路:首先,以通用仿真工具Arena为平台,提出虚拟抢占规则,实现了车间作业排序问题的仿真建模。然后,以贪婪随机自适应搜索算法为基础,结合高级语言VB,利用面向对象编程思想,通过Arena类库,设计了一个通用的车间作业排序问题的仿真优化系统框架,从而实现了优化和仿真的外部集成。在该框架下,可引入各种随机因素,提高对实际系统的建模与求解能力。最后,通过实例验证了该方法的有效性。

摘要：针对现代组织所面临的是由不断增长的复杂性、竞争性和动态性所带来的高度不确定性环境特征，研究组织结构设计问题．建立了组织决策过程的一般数学模型，从决策和信息交流角度定义组织结构及其价值．采用定性与定量相结合的方法，推导出组织结构价值的定量表达式，据此分析组织结构对组织决策的影响，得到了一些对组织结构设计有意义的结论．研究表明，在不确定性环境中，决策单元之间更多的信息交流可以使组织作出更佳的决策，通信通道灵活和开放的网络组织对于通信通道固定和受限制的层次组织具有优越性．