煤炭物流物聯(lián)網(wǎng)智能優(yōu)化調(diào)度模型與算法研究.pdf

1、太原理工大學(xué)博士學(xué)位論文煤炭物流物聯(lián)網(wǎng)智能優(yōu)化調(diào)度模型與算法研究姓名：喬冰琴申請學(xué)位級別：博士專業(yè)：計算機應(yīng)用指導(dǎo)教師：常曉明201211太原理工大學(xué)博士研究生學(xué)位論文②模型不僅考慮庫存優(yōu)化，而且考慮供應(yīng)鏈整體運輸調(diào)度的優(yōu)化，適應(yīng)需求的動態(tài)性、突發(fā)性導(dǎo)致庫存和運輸計劃的頻繁變更的情況，滿足生產(chǎn)的敏捷性和柔性要求。③模型運行在有限長周期水平上。在隨機需求、隨機運輸環(huán)境、隨機生產(chǎn)等多隨機因素的干擾下建立的煤炭物流供應(yīng)鏈多級庫存控制與運輸調(diào)度

2、整合模型，以生產(chǎn)計劃期內(nèi)最小成本為目標(biāo)，以客戶庫存策略、運輸策略為決策變量，尋求最優(yōu)決策方案及最優(yōu)目標(biāo)。④由于隨機變量使模型不具備完整的數(shù)學(xué)意義，因此，論文將模型轉(zhuǎn)化為隨機期望值模型和隨機機會約束規(guī)劃模型。為求解上述具有NPhard的物流優(yōu)化調(diào)度隨機規(guī)劃模型，本文構(gòu)造了復(fù)雜約束條件下基于隨機模擬和神經(jīng)網(wǎng)絡(luò)的改進粒子群優(yōu)化算法。首先，為處理實際模型中復(fù)雜的約束，把處理約束條件的乘子罰函數(shù)法與粒子群算法相結(jié)合，提出了一種改進的求解非線性約束

3、優(yōu)化問題的混合粒子群優(yōu)化算法。算法的兩個特點是：①以乘子罰函數(shù)值作為粒子的適應(yīng)度；②為混合算法重新定義了粒子群更新公式中的粒子個體最優(yōu)與群體最優(yōu)，使用粒子上代的位置作為個體最優(yōu)，群體上代最優(yōu)作為全局最優(yōu)。在上述算法的基礎(chǔ)上，建立了復(fù)雜約束下，求解隨機期望值模型和隨機機會約束規(guī)劃模型的粒子群優(yōu)化算法。算法的基本思路是：①構(gòu)造乘子罰函數(shù)作為隨機規(guī)劃的目標(biāo)函數(shù)，化約束問題為非約束問題；②由于模型中含有隨機變量，提出基于隨機模擬、BP神經(jīng)網(wǎng)絡(luò)等