论文摘要：基于智能搜索的生产与物流系统集成优化算法研究

有效的供应链管理，能够充分整合和优化供需各方企业的资源，从而获取最大的共同利益。为企业在激烈的市场竞争中取胜贡献力量。目前供应链管理的研究大多处于各职能部门内部优化。本文在分析总结国内外现有供应链研究的基础上，对生产与物流系统集成优化问题进行研究。主要目的就是要寻求一种有效的整合方法，通过对生产与物流环节的集成优化来最大限度地降低成本并提高收益。主要工作内容如下：1. 简要回顾了企业内物流协同与企业间物流协同的国内外发展概况。在分析现有研究的基础上，归纳总结了现有集成物流研究的热点问题。2. 概括介绍了智能优化算法的发展历程。重点介绍了粒子群优化算法和协同进化算法以及协同粒子群的发展史，并指出现有算法的不足。3.根据以上分析，设计离散域粒子群优化算法解决公共交货期下E/T（Earliness/ Tardiness）指标的单机调度问题，给出了由工件加工时间和拖期惩罚构成的启发式信息，明显改善算法的寻优性。采用OR-Library中的标准算例对该算法进行仿真实验，通过控制交货时间松紧度调节系数分析算法有效性。4.对带有软时间窗的生产计划与分批配送集成问题进行研究，分析了带有软时间窗的分批配送问题及其对于生产调度的影响。考虑在满足一定客户满意度水平的条件下最小化运作成本。为该问题建立模型，并设计粒子群(Particle Swarm Optimization, PSO)与分层聚类(Hierarchical Clustering, HC)相结合的混合算法PSO_HC进行求解。针对企业的不同目标引入了Trick 1 与Trick 2技术确定产品的起运时间点。并对两种技术对运作成本与客户满意度的影响进行了证明与分析。5. 建立了带有软时间窗的订单分配、生产计划与分批配送集成的优化模型。设计了协同粒子群(Cooperative Particle Swarm Optimization)优化算法进行求解。其中Random-PSO算法用来优化产品的订单分配问题；粒子群优化算法集成分层聚类算法来求解生产调度与分批配送问题。利用配送中心的缓冲功能，充分发挥软时间窗的作用，制定更佳配送方案以降低总运作成本。6. 对某汽车变速箱生产企业的生产与物流管理的实证问题进行研究，以验证算法的有效性。将本文提出的协同粒子群算法应用于该厂的物流优化问题，得到了满意的结果。

来源：半壳优胜育转载请保留出处和链接！

本文链接：http://87cpy.com/209920.html