基于差分进化算法的两种模糊联合补货模型研究

论文摘要

目前对联合补货模型的研究主要集中于确定性模型,包括资源约束和费用都是确定的,而实际的企业运作中一般这些因素都是不确定的。本文针对这种情况,采用模糊理论构建了不确定环境下的联合补货模型,并设计其求解算法。首先,由于联合补货问题被证明是NP-hard问题,很难通过推导进行求解,需要依靠智能优化算法,所以本文设计了高效的自适应差分进化算法,并且通过典型函数进行了性能测试。其次,用三角模糊数表示不确定的资金约束,用梯形模糊数表示不确定的存储空间约束,构建了模糊规划联合补货模型,目标函数为最小化订货成本、库存持有成本和运输成本。通过自适应差分进化算法对模型进行求解,并通过实例证实了模型与算法的科学合理性。然后给出了仿真数值实例,比较了模糊多资源约束和确定性多资源约束模型对2400个随机问题的计算结果。最后,建立了次要订购费用和持有费用为模糊变量的模糊规划模型,选择能使总成本最小的方案进行补货。应用重心法和符号距离法对其去模糊化后,采用改进的差分进化算法对模型进行求解;进而对比分析了16种情况下两种去模糊化方法得到的联合补货总成本,并以成本最小为原则给出了去模糊化方法的选择原则。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 研究背景与意义
• 1.2 国内外研究现状
• 1.3 论文研究内容与方法
• 2 差分进化算法改进与性能测试
• 2.1 标准差分进化算法
• 2.2 改进的自适应差分算法（MADE）
• 2.3 自适应差分进化算法性能测试
• 3 基于MADE 算法的模糊多资源约束联合补货模型
• 3.1 经典的确定性联合补货模型
• 3.2 资金和运输能力约束下的联合补货模型
• 3.3 模糊多资源约束联合补货模型构建与求解
• 4 基于MADE 算法的具有模糊费用的联合补货模型
• 4.1 去模糊化方法概述
• 4.2 模型构建
• 4.3 模型求解算法设计
• 4.4 算例与结果分析
• 5 总结与展望
• 5.1 研究结论
• 5.2 研究展望
• 致谢
• 参考文献