项目名称: 模糊环境下基于差分进化方法的不常用备件联合补货模型

项目编号: No.70801030

项目类型: 青年科学基金项目

立项/批准年度: 2009

项目学科: 交通运输

项目作者: 王林

作者单位: 华中科技大学

项目金额: 18万元

中文摘要: 不常用备件是设备正常维护和应急处理的重要保障性物资,对全球化采购背景下我国连续性生产企业而言,联合补货策略是一种非常有效的成本控制手段,该策略的关键在于不确定因素处理的合理性。目前的研究多是确定性补货模型(假设条件过于理想)和随机性联合补货模型(难以获得必须的样本来客观地验证假设是否合理)。本项目克服传统研究方法局限性,在模糊情况下,研究模糊信息的获取及表达方式;构建联合补货模型并根据约束条件进行拓展研究;分析求解算法复杂度,针对现有求解算法的缺点,引入新兴的差分进化算法,并融合其它进化算法的优点,设计高效可靠、通用型强的混合智能求解算法;结合核电企业进行应用研究,验证模型和算法的科学适用性。本研究属于新颖的智能优化算法与模糊库存模型的交叉研究,具有重要的理论意义;解决的是有很强现实意义的库存优化问题,具有很高的实用价值。

中文关键词: 连续生产;不常用备件;联合补货;模糊决策;差分进化

英文摘要: Rarely-used spare parts are very important for the normal maintenance and emergency treatment of equipments. Joint replenishment strategy is an effective way of cost control for the continue production enterprises that are in front of global purchasing in China.The key success factors of this strategy is the treatment rationality of uncertain factors. At present, most of researches can be classified into two types: deterministic joint replenishment model (the assumption isn't practical) and stochastic inventory model (no necessary sample to test the assumption). In order to overcome these limitations, this project deal with this problem based on fuzzy and differential evolution theory. The following works are involved. Firstly, we will study the acquisition of fuzzy information and its expression. Secondly, the joint replenishment model and the extended model according to other constraints will be constructed. Thirdly, we will analyse the algorithm complexity and design a novel highly efficient intelligent algorithm based on differential evolution theory with the advantage of other algorithm. At last, the proposed model and algorithm will be tested by the example of nuclear power plant spare part joint replenishment. This project is a crossed research of new intelligent optimization algorithm and fuzzy inventory model under a practical application background with important theory significance and practical value.

英文关键词: continue production;rarely-used spare part;joint replenishment;fuzzy decision;differential evolution

成为VIP会员查看完整内容
0

相关内容

【AI+军事】附PPT 《前瞻性分析:获得决策优势的方法》
专知会员服务
87+阅读 · 2022年4月17日
软件多缺陷定位方法研究综述
专知会员服务
20+阅读 · 2022年1月25日
专知会员服务
29+阅读 · 2021年4月12日
轨道病害视觉检测:背景、方法与趋势
专知会员服务
22+阅读 · 2021年2月15日
专知会员服务
83+阅读 · 2020年12月11日
【ICML2020】基于模型的强化学习方法教程,279页ppt
专知会员服务
125+阅读 · 2020年7月20日
基于深度神经网络的少样本学习综述
专知会员服务
169+阅读 · 2020年4月22日
【上海交大】半监督学习理论及其研究进展概述
专知会员服务
69+阅读 · 2019年10月18日
约束进化算法及其应用研究综述
专知
0+阅读 · 2021年4月12日
无人机集群对抗研究的关键问题
无人机
55+阅读 · 2018年9月16日
一种轻量级在线多目标车辆跟踪方法
极市平台
13+阅读 · 2018年8月18日
国家自然科学基金
5+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
9+阅读 · 2011年12月31日
国家自然科学基金
15+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
1+阅读 · 2022年4月20日
Arxiv
0+阅读 · 2022年4月17日
A Multi-Objective Deep Reinforcement Learning Framework
Arxiv
11+阅读 · 2018年4月25日
小贴士
相关主题
相关VIP内容
【AI+军事】附PPT 《前瞻性分析:获得决策优势的方法》
专知会员服务
87+阅读 · 2022年4月17日
软件多缺陷定位方法研究综述
专知会员服务
20+阅读 · 2022年1月25日
专知会员服务
29+阅读 · 2021年4月12日
轨道病害视觉检测:背景、方法与趋势
专知会员服务
22+阅读 · 2021年2月15日
专知会员服务
83+阅读 · 2020年12月11日
【ICML2020】基于模型的强化学习方法教程,279页ppt
专知会员服务
125+阅读 · 2020年7月20日
基于深度神经网络的少样本学习综述
专知会员服务
169+阅读 · 2020年4月22日
【上海交大】半监督学习理论及其研究进展概述
专知会员服务
69+阅读 · 2019年10月18日
相关基金
国家自然科学基金
5+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
9+阅读 · 2011年12月31日
国家自然科学基金
15+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员