摘要：对于实际工程的管理者和决策者来说,工程整体费用和工期之间如何达到均衡以及工程所处环境的不确定性是两个必须要面对和考虑的问题.基于相关机会规划的思想,针对随机性和模糊性并存的复杂不确定环境,提出了一类时间费用均衡模型.在建立的模型中,以模糊随机变量来刻画工程所处的复杂不确定环境.随后,结合模糊随机模拟方法和遗传算法设计了一种混合智能算法,用于求解该模型.最后,通过数值实验来验证所设计算法的有效性和稳定性.

摘要：研究了机会阵雷达的方向图综合问题,提出了一种基于模糊相关机会规划的方向图综合算法.该算法基于可信性理论,综合考虑天线单元分布的随机性以及工作状态的不确定性,以模糊变量来刻画天线单元参与方向图综合时的复杂不确定环境,建立方向图综合的规划模型.并结合模糊模拟算法和遗传算法设计了一种混合智能优化算法,用于求解该模型,仿真实验验证了所设计算法的有效性和稳定性.

摘要：设计了融合差分进化和PSO算法优点的混合智能优化算法DEPSO,通过在粒子迭代过程中,随机选择一定数量的粒子进行差分进化操作,增加粒子的多样性,使陷入局部极小的粒子逃出,以保证DEPSO的全局收敛性能,并采用典型测试函数验证了DEPSO的性能。针对模糊相关机会规划EOQ模型求解难题,设计了基于模糊模拟方法和DEPSO的智能求解算法来计算模糊事件的可信性,从而得到了使库存费用不超过预算水平的可信度最大的最优订货量,算例证实了此求解算法的有效性。

摘要：研究了一类更加贴近于现实生活的模糊环境下的运输问题,即需求量和供应量均为模糊变量的运输问题.并借鉴针对模糊环境中的优化问题提出的机会约束规划模型和相关机会规划模型的思想,建立了模糊运输问题的数学模型.此外,考虑到模型涉及大量具有复杂性和多样性的模糊变量,设计了一种混合智能算法,即基于模糊模拟的遗传算法来求解模型的近似最优解.最后,数值例子表明算法的有效性和可行性.

摘要：在备件存储费用和订货费用均为模糊变量情况下,构建了备件模糊相关机会规划EOQ模型;设计了基于改进粒子群优化算法和模糊模拟方法的智能算法来计算模糊目标函数的期望值和模糊事件的可信性,得到了使企业库存费用不超过某一预算水平的可信度最大的最优订货量,同时通过算例验证了模型及求解算法的有效性并进行了敏感性分析。

摘要：基于战时运输随机时间与模糊损耗,建立了路径优化的相关机会规划模型和遗传算法;针对运输中的“必经点”问题,设计了特殊染色体编码、交叉与变异规则;提出通过对初始种群染色体的预处理来提高算法性能;给出了获取时间与损耗的模拟步骤。最后,还进行了算法比较实验和结果分析,验证了算法的有效性。