性较差。由于传统的拥挤度距离的分布性保持策略存在如下两个缺陷如图实心黑点表示非支配个体图个体的拥挤度距离由于个体的拥挤度距离都比较小，若次性去除所有拥挤度距离较小的个体，则会出现个体与之间个体的缺失，从而影响解的分布性。对于个体来说，由于其在其中维目标上的差值很大，而在另维目标上差值却很小，这使得的拥挤度距离也比较小。而对于个体，由于其在各个维目标上的差值都相差不是很大，使得的拥挤度距离也比较第章算法大，此时传统算法会误认为的分布性比要好，但事实上，的分布性要比好。由此可见，基于传统的拥挤度距离来保持解的分布性策略中，个体的拥挤度距离是不变的。也就是说，在次种群维护中，种群中个体的拥挤度距离只计算次。针对上述拥挤度距离的两个缺陷，提出以下相应的解决方法。对于缺陷，可以在种群维护过程中，每去除个个体后重新计算种群中剩余个体的拥挤度距离。对于缺陷，个体的新拥挤度距离可以根据下式进行计算其中，是传统的拥挤度距离，可根据式计算可以根据下式得出表示个体在各个维目标上其相邻个体的拥挤度距离的方差，它能反映出各个维目标拥挤度距离的差异程度。例如，对于图中个体与来说，个体的明显大于的。如此，式中定义的新拥挤度距离计算公式，可以使种群中类似个体的解个体，即在不同维目标上拥挤度距离差异程度较大的个体，在种群维护过程中有更多的机会得到保留。下面讨论基于新拥挤度距离保持解的多样性策略的具体描述。若种群规模大小为，当前非支配集的大小为，且，则根据从中去除个个体的具体描述如下根据式计算中每个个体的动态聚集距离。对中的个体按新拥挤度距离进行升序排序。将中拥挤度距离最小的个体从中去除。若，则结束种群维护否则返回步骤，继续执行。由以上可以看出，利用经过改进的拥挤度距离计算公式来维护种群时表现出两个重要特点燕山大学本科生毕业设计论文每次只去除当前非支配集中最小的个个体。在去除个个体后，重新计算中个体的。这样就可以避免次性去除过多个体而造成解个体在区域的缺失，最终可以得到分布更为均匀度不够，淘汰图精英策略的执行步骤首先，要将第代产生的子代种群与父代种群合并在起，组成种群规模大小为的新种群。然后将种群进行非支配排序，求出系列非支配集并且计算每个个体的拥挤度。因为父代和子代的个体都包含在种群中，所以经过非支配排序后的非支配集所包含个体是整个种群中最好的个体集合，故先将放到新的父代种群中。若此时种群的规模小于，那么需要继续向中填加下级的非支配集，直到添加到非支配集时，种群的大小超出，则对中的每个个体使用拥挤度比较算子，取前个个体，使种群的规模达到。然后通过遗传算子，如选择交叉变异，来产生新的子代种群。在算法中，通过引入拥挤度比较算子来确保非劣解的多样性。由于比较的是种群中所有个体的拥挤度，所以在这过程中没有依赖在算法中出现的共享参数。算法的拥挤度距离公式改进在传统的算法中，如果种群规模大小为，当前非支配集大燕山大学本科生毕业设计的前沿。由于使用式来计算个体的，在式中不仅考虑了种群个体之间的拥挤情况，而且还考虑了种群个体在不同维目标上拥挤度距离的差异情况。这有利于维护在不同维目标上拥挤度距离差异较大的前沿的分布性。算法流程算法的基本流程是首先，随机产生种群规模大小为的父代种群，然后由父代种群产生子代种群，其种群规模大小同样为。将两个种群混合在起，形成了种群规模大小为叉参数作不同取值时的最终结果。图不同交叉参数下的最终优上述快速非支配排序算法步骤的和需要次计算。于是，整个迭代过程的计算复杂度最大是。这样，整个快速非支配排序算法的计算复杂度就是,根据上述快速非支配排序算法的步骤，相应的伪代码为对于种群第章算法拥挤度拥挤度的确定在原来的算法中，采用共享的小生境技术确保证种群的多样性，但这需要由决策者指定共享参数的值。为了克服算法中的这种不足，中引用了拥挤度的概念拥挤度表示在种群中给定点的周围个体的密度，用表示，直观上用个体周围包含个体但不包含其余个体的最大长方形的长来表示，具体如图所示。图个体的拥挤度在带精英策略的非支配排序遗传算法中，拥挤度的计算是确保种群多样性的个重要因素，其计算步骤如下燕山大学本科生毕业设计论文每个点的拥挤度置为针对每个优化目标，对种群进行非支配排序，令边界上的两个个体的拥挤度为无穷大，即对种群中其他个体的拥挤度进行计算在上式中，表示点的拥挤度，表示点第个目标函数的函数值，表示点的第个目标函数的函数值。拥挤度比较算子经过前面的快速非支配排序以及拥挤度计算之后，种群中的每个个体都拥有如下两个属性非支配排序决定的非支配序拥挤度根据这两个属性，可以定义拥挤度比较算子个体与另个个体进行比较，只要下面任意个条件成立，则个体获胜。若个体所处的非支配层优于个体所处的非支配层，即。若种群中两个个体有相同的等级处在相同的非支配层，且个体的拥挤距离大于个体的拥挤距离，即且。条件用来确保被选择的个体属于在种群中比较优秀的非劣等级。条件是根据它们的拥挤距离来选择处在相同的非支配层的两个个体，位于较不拥挤区域的个体有较大的拥挤度会被选择。根据这两个条件，选出种群中胜出的个体进入下个操作。精英策略算法引入了精英策略，以防止在种群的进化过程中优秀个体的流失，通过将父代种群与其产生的子代种群混合后进行非支配排序的方法，能够有较好地避免父代种群中优秀个体的流失。精英策略的执行步骤如图所示第章算法拥挤度比较算子非支配排序优越论文小为，并且有。那么需要从当前的非支配集中除去个个体，这些被去除的个体不是随机选取的，而是根据拥挤度比较算子选择性地去除优秀度不够的个体。基于拥挤度距离来保持个体解的多样性策略就是根据式，计算种群中个非支配个体的拥挤度距离，然后对这个个体按拥挤度距离升序排序，最后将个拥挤度距离最小的个体次性去除，从而使新父代种群规模大小维持不变。显然，这种维持多样性的策略过于粗糙，使得个体解的分布化结点确定这些世界领域的老大们，也在他们的功能模块里面把简单的仓储管理功能定义为库存管理或者库存控制。这样就使得本来就不太明白什么叫库存控制的我们，更搞不清楚什么叫库存控制了。其实，从广义地角度理解库存控制，应该包括以下几点第库存控制的根本目的。我们知道，所谓世界级制造的两个关键考核指标就是，客户满意度以及库存周转率，而这个库存周转率实际上就是库存控制的根本目的所在。第二库存控制的手段。库存周转率的提高，单单靠所谓的实物库存控制是远远不够的，它应该是整个需求与供应链管理这个大流程流程的输出，而这个大流程除了包括仓储管理这个环节之外，更重要的部分还包括预测与订单处理，生产计划与控制，物料计划与采购控制，库存计划与预测本身，以及成品原材料的配送与发货的策略，甚至包括海关管理流程。而伴随着需求与供应链管理流程的整个过程，则是信息流与资金流的管理。也就是说，库存本身是贯穿于整个需求与供应管理流程的各个环节，要想达到库存控制的根本目的，就必须控制好各个环节上的库存，而不是仅仅管理好已经到手的实物库存。第三库存控制的组织结构与考核。既然库存控制是整个需求与供应链管理流程的输出，要实现库存控制的根本目的就必须要有个与这个流程相适应的合理的组织结构。直到现在，我们可以发现，很多企业只有个采购部，采购部下面管仓库。这是远不能适应库存控制要求的。从需求与供应链的管理流程分析，我们知道，采购与仓储管理都是典型的执行部门，而库存的控制应该预防为主，执行部门是很难去预防库存的，原因很简单，他们的考核指标在很大程度上是为了保证供应生产客户。如何根据企业的实际情况，建立合理的需求与供应链管理流程，从而设置与之相应的合理的组织结构，是个值得我们很多企业探讨的问题库存控制的作用库存管理是企业管理的重要组成部分。在企业生产经营活动中，库存管理既必须保证生产车间对原材料零部件需求，又直接影响采购销售部门的购销活动。为盘活企业流动资金，加快资金周转，在保障供给的前提下，最大限度地降低压库资金，直接牵动着企业的经营效益。保证企业生产经营需求的前提下，使库存量经常保持在合理的水平上掌握库存量动态，适时，适量提出订货，避免超储或缺货减少库存空间占用，降低库存总费用控制库存资金占用，加速资金周转。库存量过大所产生的问题增加仓库面积和库存保管费用，从而提高了产品成本占用大量的流动资金，造成资金呆滞，既加重了货款利息等负担，又会影响资金的时间价值和机会收益造成产成品和原材料的有形损耗和无形损耗造成企业资源的大量闲置，影响其合理配置和优化掩盖了企业生产经营全过程的各种矛盾和问题，不利于企业提高管理水平。库存量过小所产生的问题造成服务水平的下降，影响销售利润和企业信誉造成生产系统原材料或其他物料供应不足，影响生产过程的正常进行使订货间隔期缩短，订货次数增加，使订货生产成本提高影响生产过程的均衡性和装配时的成套性。注意事项库存管理应该特别考虑下述两个问题第，根据销售计划，按计划生产的商品在市场上流通时，要考虑在性较差。由于传统的拥挤度距离的分布性保持策略存在如下两个缺陷如图实心黑点表示非支配个体图个体的拥挤度距离由于个体的拥挤度距离都比较小，若次性去除所有拥挤度距离较小的个体，则会出现个体与之间个体的缺失，从而影响解的分布性。对于个体来说，由于其在其中维目标上的差值很大，而在另维目标上差值却很小，这使得的拥挤度距离也比较小。而对于个体，由于其在各个维目标上的差值都相差不是很大，使得的拥挤度距离也比较第章算法大，此时传统算法会误认为的分布性比要好，但事实上，的分布性要比好。由此可见，基于传统的拥挤度距离来保持解的分布性策略中，个体的拥挤度距离是不变的。也就是说，在次种群维护中，种群中个体的拥挤度距离只计算次。针对上述拥挤度距离的两个缺陷，提出以下相应的解决方法。对于缺陷，可以在种群维护过程中，每去除个个体后重新计算种群中剩余个体的拥挤度距离。对于缺陷，个体的新拥挤度距离可以根据下式进行计算其中，是传统的拥挤度距离，可根据式计算可以根据下式得出表示个体在各个维目标上其相邻个体的拥挤度距离的方差，它能反映出各个维目标拥挤度距离的差异程度。例如，对于图中个体与来说，个体的明显大于的。如此，式中定义的新拥挤度距离计算公式，可以使种群中类似个体的解个体，即在不同维目标上拥挤度距离差异程度较大的个体，在种群维护过程中有更多的机会得到保留。下面讨论基于新拥挤度距离保持解的多样性策略的具体描述。若种群规模大小为，当前非支配集的大小为，且，则根据从中去除个个体的具体描述如下根据式计算中每个个体的动态聚集距离。对中的个体按新拥挤度距离进行升序排序。将中拥挤度距离最小的个体从中去除。若，则结束种群维护否则返回步骤，继续执行。由以上可以看出，利用经过改进的拥挤度距离计算公式来维护种群时表现出两个重要特点燕山大学本科生毕业设计论文每次只去除当前非支配集中最小的个个体。在去除个个体后，重新计算中个体的。这样就可以避免次性去除过多个体而造成解个体在区域的缺失，最终可以得到分布更为均匀度不够，淘汰图精英策略的执行步骤首先，要将第代产生的子代种群与父代种群合并在起，组成种群规模大小为的新种群。然后将种群进行非支配排序，求出系列非支配集并且计算每个个体的拥挤度。因为父代和子代的个体都包含在种群中，所以经过非支配排序后的非支配集所包含个体是整个种群中最好的个体集合，故先将放到新的父代种群中。若此时种群的规模小于，那么需要继续向中填加下级的非支配集，直到添加到非支配集时，种群的大小超出，则对中的每个个体使用拥挤度比较算子，取前个个体，使种群的规模达到。然后通过遗传算子，如选择交叉变异，来产生新的子代种群。在算法中，通过引入拥挤度比较算子来确保非劣解的多样性。由于比较的是种群中所有个体的拥挤度，所以在这过程中没有依赖在算法中出现的共享参数。算法的拥挤度距离公式改进在传统的算法中，如果种群规模大小为，当前非支配集大燕山大学本科生毕