摘要：讨论随机需求环境下的多目标库存控制问题,构建以成本、缺货率和缺货量3个指标最小化为准则的多目标(Q,r)库存模型.为了求出决策者需要的Pareto前沿,设计了基于遗传和差分进化算法的混合智能算法来产生非支配解,进而利用基于熵权的TOPSIS方法对最优解进行排序,此结果可为管理者提供有益的决策参考.

摘要：本文综合考虑联合补货与配送决策,研究了随机需求、允许缺货环境下多企业多产品联合补货与配送集成优化模型,设计了混合差分进化算法(Hybrid Differential Evolution,HDE)对该模型进行求解,同时通过算例与遗传算法、标准的DE算法进行了比较,证实HDE算法高效且稳定;另外,设计了一个先补货再配送的两阶段优化模型,对比优化结果发现采用供应链协同时补货成本较高,配送成本较低,且总成本较低。最后,对相关参数进行了敏感性分析,发现需求率和库存维持成本的变动对总成本的影响远远大过次要订货成本对总成本的影响。

摘要：设计了基于标准差分进化算法(differential evolution,DE)与遗传算法(genetic algorithm,GA)的混合差分进化算法(hybrid DE,HDE),同时用典型的测试函数对HDE进行性能测试。针对旅行商问题(traveling salesman problem,TSP)的求解难题,给出了采用位置—次序转换策略和HDE的有效求解方法,并测试了Oliver 30个城市的TSP。仿真结果表明,与DE和GA相比,HDE的优势在收敛率、平均最优解以及耗时上都很明显,证明了HDE在解决TSP问题上的有效性和稳定性。