基于粒子群算法的分布式论文.pdfVIP

基于粒子群算法的分布式论文

基于粒子群算法的分布式论文

现如今，大家都经常看到论文的身影吧，论文的类型很多，包括学年论文、毕业论文、学位论文、科

技论文、成果论文等。你知道论文怎样写才规范吗？以下是小编为大家整理的基于粒子群算法的分布式论

文，希望能够帮助到大家。

论文关键词:管理科学;约束批量计划;分布式多工厂;粒子群算法

论文摘要:研究了分布式多工厂协同生产的约束批量计划问题，以产品的生产成本、库存成本、调整准

备成本和运输成本之和最小为目标，构建了生产能力有限情况下的数学模型，提出了用于求解该问题的粒

子群算法方案，阐明了该算法方案的具体实现过程。对典型算例进行了仿真，并与LINGO软件的求解结果

进行了比较，结果表明粒子群算法方案的有效性和可行性。

随着需求的日益多样化以及产品交货期的日益缩短，大型制造企业集团往往在不同地点建立多个工

厂，以满足不同地区的产品需求。然而，在现有资源配置下，如何将来自不同分销中心的订单合理分配给

各工厂，并协调各工厂的生产批量计划，一直是大型制造企业集团最为关注的问题和理论界研究的热点问

题之一。

单工厂有能力约束生产批量计划问题(Capacitatedlot-sizingproblem,CLSP)已经是一个NP难题，分

布式多工厂生产批量计划问题不但要解决各工厂的生产批量计划，还有合理分配订单到各工厂使得在各工

厂的现有生产能力约束下，产品的生产配用、调整费用、库存费用以及运输费用之和最小。由于该问题是

NP难题，精确算法难以在给定的时间内找到最优解，因而在现实的应用中缺乏可操作性。因此，探索应用

智能优化算法来求解该类问题具有很强的现实意义。

粒子群算法(particleswarmoptimization,PSO)是Eberhard和Kennedy于1995年提出的一种新的智能

优化算法，它源于对鸟群群体寻食运动行为研究结果的启发。本文研究分布式多工厂、多产品、多周期、

多分销中心的约束生产批量计划问题，并为该问题设计了粒子群算法求解方案。

1、分布式多工厂批量计划的问题描述和数学模型

考虑一个具有分布式多工厂、多分销商的制造型企业集团在不同地点共设有F个工厂，J个分销中心的

供应链。每个工厂都有能力生产企业允许范围内的任何产品，产品的种类数是I，分布式的各工厂由于所处

的地理位置不同以及所拥有的生产线水平的差异导致各工厂即使生产同一种产品，其生产时间、生产调整

时间以及生产成本等都有可能是不同的。整个计划期包含T个时间段，各工厂在计划周期的初始和结束时间

段的库存均为零，每个时间段各分销中心的订货需求都必须得到满足，且订单不可拆分。工厂以准时制方

式向分销中心运输产品，即只有工厂存在库存，分销中心不存在库存。因此整个集团的优化经营的目标是:

在计划期内，在各工厂生产能力条件许可的情况下，根据分销商的需求，合理制定计划期内各个生产工厂

的生产计划，使得总成本，即生产成本、生产调整成本、库存成本和运输成本之和得到优化。

模型中的各符号的定义如表1所示。目标函数式(1)使得在整个计划范围内项目总的生产调整费用、各

工厂库存保管费用、生产费用和运输费用之和最小。约束式(2,3)表示满足需求的物流平衡方程。约束式(4)

表示各工厂的生产资源能力的限制。约束式(5)表示只有当生产数量大于0时才能发生生产调整费用和准备

1/3

工时。约束式(6,7)表示Y和Z是0或1的调整变量。约束式(8)表示订单不可拆分。约束式(9,10)表示每个周期

的生产数量和运输数量为非负的。约束式(11)表示不允许缺货。约束式(12)表示初始和结束周期的各工厂的

库存均为Oo

2、求解分布式多工厂批量计划问题的粒子群算法

标准粒子群算法主要适用于连续空间函数的优化问题，Kennedy和Eberhard在1997年提出了二进制粒

子群算法，马慧民等应用二进制粒子群算法分别求解了基于成组单元和单级约束批量计划问题，取得了不

错的优化效果。本文为分布式多工厂批量计划问题设计了二进制粒子群算法求解方案。

2.1算法的编码

分布式多工厂批量计划问题由两个子问题构成:①将各分销中心在不同时间段对各产品的订单合理地分

配到各工厂;②各工厂根据分配的订单情况，在生产能力允许的条件下制定合理的生产批量计划问题。为

此，本文构造两层粒子群算法，第一层解决订单分配问题，第二层解决各工厂生产批量计划问题。

(1)构造订单分配问题