供应计划问题的遗传算法求解

发布时间：2017-04-11 12:06

  本文关键词：供应计划问题的遗传算法求解，由笔耕文化传播整理发布。

【摘要】：供应计划问题是生产和销售中十分重要的问题。如何在资源有限和未来需求不确定的前提下,实际分配各种产品的供应量,以使总利润最大,机会损失最小,是制定供应计划的主要目的。TEZUKA Masaru和HIJI Masahiro(2003)给出了一种不确定、独立需求量下的供应计划问题的遗传算法求解。该方法已经通过数据检测,计算结果比较接近实际。 但在实际生产中,各种产品的需求是相关的,大多满足一定的相关关系。因此,本文在TEZUKA Masaru和HIJI Masahiro所提出方法的基础上,将其改进为适用于产品需求满足一定相关关系的情况,并对遗传算法的操作以及各个算子进行进一步的研究,更新算法。在利用蒙特卡洛方法模拟估计供应计划所获得的总利润和风险的过程中,本文假设除了每种产品自身服从一定的概率分布之外,产品之间还存在一定的相关关系,并提出了一种产生相关随机数的算法;本文以正态分布为例,产生出了满足一定相关关系并且服从正态分布的随机数,最后把这个随机数作为对将来需求的预测;本文还通过抽样的方法对产生随机数的方法进行了统计分析,并得到很好的结果。在产生初始种群的过程中,本文引入了Michalewicz边界处理技术并作修改来处理约束条件。在比较两个个体之间的优劣时,本文根据供应计划问题优化的目标,提出了一种向量适应值的比较策略。并且提出对早熟机理的预防。最后通过数值实验来验证改进的算法,实验表明通过这种方法模拟所得到的结果更具有广泛性,更接近实际。
【关键词】：供应计划 遗传算法 蒙特卡洛模拟 相关随机数
【学位授予单位】：辽宁师范大学
【学位级别】：硕士
【学位授予年份】：2005
【分类号】：F224
【目录】：

• 中文摘要4-5
• 英文摘要5-6
• 1 引言6-8
• 1．1 供应计划问题的传统解决方法6
• 1．2 基于遗传算法的解决方法6-7
• 1．3 论文的结构与研究的内容7-8
• 2 遗传算法8-11
• 2．1 遗传算法的基本概念8-9
• 2．2 遗传算法的操作流程9
• 2．3 遗传算法的基本机理9-11
• 3 供应计划问题11-14
• 3．1 供应计划问题的基本描述11-12
• 3．2 供应计划问题的数学模型12
• 3．3 用相关随机数预测将来需求12-14
• 4 生成正态分布相关随机数的计算方法14-18
• 4．1 理论依据14-15
• 4．1．1 正态分布的相关性依据14
• 4．1．2 生成标准正态分布独立随机数的依据14-15
• 4．2 计算方法15-16
• 4．3 对生成的相关随机数的统计检验16-18
• 5 遗传算法的操作18-27
• 5．1 编码方式的选择18
• 5．2 初始种群的产生——边界初始化18-22
• 5．2．1 TEZUKA Masaru和 HIJI Masahiro的方法18-19
• 5．2．2 改进方法119-21
• 5．2．3 改进方法221-22
• 5．3 适应度值函数22-24
• 5．3．1 蒙特卡洛模拟(MCS)方法22-23
• 5．3．2 适应值函数的确定23-24
• 5．4 改进遗传算子的操作24-25
• 5．4．1 选择操作24-25
• 5．4．2 交叉操作25
• 5．4．3 变异操作25
• 5．5 早熟收敛的产生和克服25-27
• 6 数据验证27-32
• 7 结论32-33
• 参考文献33-34
• 致谢34-35
• 学位论文独创性声明35
• 学位论文版权使用授权书35

【引证文献】

中国硕士学位论文全文数据库 前1条

1 袁艳红;具有CVaR的供应计划问题[D];大连理工大学;2007年

  本文关键词：供应计划问题的遗传算法求解，由笔耕文化传播整理发布。

，

本文编号：299052