不确定信息条件下的车间调度策略研究

数学建模--车间作业调度问题

一、二维背包问题 一维背包问题讨论的背包问题只有一种限制，即旅行者所能承受的背包的重量（亦即重量不能超过a （kg ）.但是实际上背包除受重量的限制外，还有体积的限制，这就是不但要求旅行者的背包的重量M 不能超过a （kg ），还要求旅行者背包的体积V 不能超过b （m3）,我们把这样的问题称为“二维背包问题”。 它的状态变量有两个因素:一个是重量，一个是体积。 二维背包问题是指：对于每件物品，具有两种不同的费用；选择这件物品必须同时付出这两种代价；对于每种代价都有一个可付出的最大值（背包容量）。问怎样选择物品可以得到最大的价值。设这两种代价分别为代价1和代价2，第i 件物品所需的两种代价分别为i a 和i b 。两种代价可付出的最大值（两种背包容量）分别为a 和b 。物品的价值为i c 。 模型： 11 1 max . ,1,2,3...n i i i n i i i n i i i i c x st a x a b x b x z i n ===≤≤∈=∑∑∑

例题 码头有一艘载重量为30t ，最大容为12×10m 3的船，由于运输需要,这艘船可用于装载四种货物到珠江口，它们的单位体积,重量及价值量见下表: 现求如何装载这四种货物使价值量最大。 1 1 1 max .,1,2,3...n i i i n i i i n i i i i c x st a x a b x b x z i n ===≤≤∈=∑∑∑ 可用动态规划来解决 1.设x i （i=1,2,3,4）分别表示装载这四种货物的重量， 2.阶段k ：将可装入的货物按1,2,3,…n 排序，每个阶段装一种货物，（共可分为四个阶段） 3.状态变量： 1k S +和1k R +，表示在第k 阶段开始时，允许装入的前k 种货物的重量与体积。 状态转移方程： 11k k k k k k k k S S a x R R b x ++=-=- ()(){}111,max ,j k k j k k j j f S R f S R c x -++=+，表示在不超过重量和体积的前提下，装 入前j 中货品的价值。（j=1,2,3,4）

作业车间调度模型

基于WSA算法的作业车间低碳调度方法研究 1.1 引言 本章主要研究了以最大化完工时间和能耗指标为目标的作业车间低碳调度模型的求解方法。首先，建立了多目标作业车间低碳调度模型；然后基于Pareto 支配理论，设计了一种高效的MODWSA算法获得满意的Pareto非支配解；最后，设计了一套测试算例，将MODWSA算法与其它经典多目标算法进行比较分析，验证了MODWSA算法的优越性。在本研究中，作者完成了两项工作：首先，构建了一个新的多目标作业车间低碳数学模型；其次，设计了一种高效的MODWSA算法获得满意的Pareto非支配解。 1.2 作业车间低碳调度模型 本章研究的作业车间低碳调度问题可描述如下：对给定的n个工件及k台机器，一个工件的加工需要经过m道工序，每道工序允许在特定的机器上加工，任意一台机器在任意一个时刻仅能加工某一工件的某一道工序，并且一个工件只能在其上道工序完成后下一道工序才能开始加工[插入文献]。 考虑机器的准备时间，准备时间与同一机器上相邻两工件的加工顺序相关，并且机器的启动和工件的加工是相连的。对应于不同工序，机器具有不同的速率档位进行加工，并且可以进行调节。从能耗的角度来看，机器有四种不同的状态：加工状态(机器在加工工件)，启动状态（机器在准备加工一个新的工件），待机状态（机器处于空转中），以及关机状态（机器被关机）。通常情况下，当机器在较高速率运作时，工件的加工时间会被缩短，但是相应的能耗会增加。因此本问题以最大化完工时间和能耗指标为目标，由于本章所研究问题的特点，该问题要比传统的作业车间调度问题要复杂的多。在该问题中，其它设定如下： ●工件在车间里被连续加工。也就是说，加工过程不能被中断。 ●机器允许有空闲时间，并且各阶段间具有容量无限的缓冲区。 ●当有第一个工件在机器上加工时，机器开机；当在该机器上加工的所有工件 加工完毕后，机器关机。 ●机器速度在工件加工过程中不能进行调整。 1.2.1 混合整数规划模型 为了提出问题的数学模型，根据上面对问题的描述，我们首先定义了下面的相关数学符号。

流水车间调度问题的研究-周杭超

流水车间调度问题的研究-周杭超

流水车间调度问题的研究 机械工程学院 2111302120 周杭超 如今，为了满足客户多样化与个性化的需求，多品种、小批量生产己经为一种重要的生产方式。与过去大批量、单一的生产方式相比，多品种、小批量生产可以快速响应市场，满足不同客户的不同需求，因此，受到越来越多的企业管理者的重视。特别是以流水线生产为主要作业方式的企业，企业管理者致力于研究如何使得生产均衡化，以实现生产批次的最小化，这样可以在不同批次生产不同品种的产品。在这种环境下，对于不同批次的产品生产进行合理调度排序就显得十分重要。 在传统的生产方式中，企业生产者总是力求通过增加批量来减小设备的转换次数，因此在生产不同种类的产品时，以产品的顺序逐次生产或用多条生产线同时生产。这样，必然会一次大批量生产同一产品，很容易造成库存的积压。在实际生产中如果需要生产A, B, C, D 四种产品各100件，各种产品的节拍都是1分钟，如果按照传统的做法，先生产出100件A产品，其次是B，然后是C，最后生产产品D。在这种情况下，这四种产品的总循环时间是400分钟。然而，假设客户要求的循环时间为200分钟(四种产品的需求量为50件)，那么在200分钟的时间内就只能生产出产品A和产品B，因而不能满足客户需求，同时还会过量生产产品A和B，造成库存积压的浪费。这种生产就是非均衡的，如图1所示。 比较均衡的生产方式(图2 )是:在一条流水线上同时将四种产品

混在一起生产，并且确定每种品种一次生产的批量。当然，如果在混合生产时不需要对设备进行转换，那么单件流的生产方式是最好的。然而，在实际生产A, B, C ， D 四种不同产品时，往往需要对流水线上的某些设备进行工装转换。单件流的生产方式在此难以实现，需要根据换装时间来确定每种产品一次生产的批量。同时，由于现实生产中不同产品在流水线上各台机器的加工时间很难相同，因此，流水线的瓶颈会随着产品组合的不同而发生变化。当同一流水线加工多产品，并且每种产品在各道工序(各台机器)的加工时间差异较大时，瓶颈就会在各道工序中发生变化，如何对各种产品的投产顺序进行优化以协调这些变化的瓶颈是生产管理中一个很重要的问题。 图1 图2 因而对流水线调度问题的研究正是迎合这种多品种、小批量生产方式的需要，我们要讨论得是如何对流水线上生产的不同产品的调度顺序进行优要化。 流水车间调度问题一般可以描述为n 个工件要在 m 台机器上加工，每个工件需要经过 m 道工序，每道工序要求不同的机器，n 个工件在 m 台机器上的加工顺序相同。工件在机器上的加工时间是给定的，设为(1,,;1,,)ij t i n j m ==。问题的目标是确定个工件在每台机器上的最优加工顺序，使最大流程时间达到最小。

求解作业车间调度问题的全局邻域搜索方法

第15卷第7期计算机集成制造系统 Vol.15No.72009年7月 Computer Integrated Manufacturing Systems July 2009 文章编号:1006-5911(2009)07-1383-06 收稿日期:2008 06 18;修订日期:2008 10 13。Received 18June 2008;accepted 13Oct.2008. 基金项目:国家自然科学基金资助项目(70771008,70371057)。Fo undation item:Project supp orted by the National Natural Science Fundation, Ch ina(N o.70771008,70371057). 作者简介:崔健双(1971-),男,河北衡水人,北京科技大学经济管理学院副教授,博士,主要从事生产调度算法理论及应用、安全电子商务的研 究。E mail:cuijs@manag https://www.360docs.net/doc/c917580166.html, 。 求解作业车间调度问题的全局邻域搜索方法 崔健双,李铁克 (北京科技大学经济管理学院,北京 100083) 摘 要:采用传统的关键邻域搜索方法求解作业车间调度问题时,往往容易陷入局部极值而且难以跳出。为此,提出了一种具有动态调整能力的全局邻域交换策略,该策略有可能产生大量的不可行调度,需要一种筛选方法加以过滤。证明了一个新的邻域交换性质,利用该性质可以对所得调度方案作可行性约束判定,从而有效地过滤掉不可行调度。在此基础上,提出了一种求解作业车间调度问题的算法。最后,取不同规模的Benchmar k 问题算例对该算法进行测试,结果表明,无论从解的质量还是计算时间都取得了较好的效果。 关键词:邻域结构;关键路径;作业车间调度;邻域交换;调度算法中图分类号:T P18 文献标识码:A Global neighborhood algorithm for Job Shop scheduling problem CUI J ian shuang,LI T ie ke (Scho ol of Economic M anag ement,U niversit y of Science &T echno lo gy Beijing,Beijing 100083,China)Abstract:T r aditional cr itical neighbor ho od alg or ithms fo r Jo b Shop scheduling problem w ere easily t rapped into local optimal and hardly to escape.T o deal w ith t his pro blem,a g lo bal neig hbo rhoo d swapping st rateg y wit h dynamic adapatability w as pr oposed.H ow ever,this new strateg y mig ht possibly induce infeasible so lutio ns.T hus,a new pr oposition concerning the neig hbor hood sw apping str ategy w as presented and pr ov ed,w hich could be used to v erify whether a neighbor ho od swapping w as accept able or not.Based on this g lo bal neig hbo rhoo d st rateg y,a new alg o r ithm w as develo ped and tested by a gr oup of benchmark instances.T he r esults indicated that the new algo rithm ob tained satisfactor y results both on solut ions quality and computat ion time. Key words:neig hbo rhoo d structur e;crit ical path;Job Sho p scheduling ;neighborho od sw apping;scheduling alg o rithms 0 引言 自从20世纪50年代以来,调度问题相关理论及其应用技术的研究已经发展成为一门重要的学科,从经典的单机调度、并行机调度、车间调度发展到后来的多目标调度、随机调度和模糊调度等内容。调度问题成为从事运筹学、人工智能学和应用数学等学科领域的学者们关注的焦点,相应的应用领域在不断地扩大。随着问题研究的深化,人们对解决 调度问题的难度有了进一步的认识,发展了关于调度算法的有效性和计算复杂性理论,并且证明出许多调度问题包括多数作业车间调度问题(Jo b Shop Scheduling Problem,JSP)都是NP 完备问题[1]。JSP 是利用一组有限资源对一批有限任务在满足给定约束条件下求解最优目标函数的一个复杂的组合优化问题,也是迄今为止人们研究最多、研究成果最丰富、但仍未得到根本解决的问题之一。事实表明,有些NP 完备问题存在有限时间内的可行解,

流水车间调度问题的研究周杭超

流水车间调度问题的研究 机械工程学院2111302120 周杭超 如今，为了满足客户多样化与个性化的需求，多品种、小批量生产己经为一种重要的生产方式。与过去大批量、单一的生产方式相比，多品种、小批量生产可以快速响应市场，满足不同客户的不同需求，因此，受到越来越多的企业管理者的重视。特别是以流水线生产为主要作业方式的企业，企业管理者致力于研究如何使得生产均衡化，以实现生产批次的最小化，这样可以在不同批次生产不同品种的产品。在这种环境下，对于不同批次的产品生产进行合理调度排序就显得十分重要。 在传统的生产方式中，企业生产者总是力求通过增加批量来减小设备的转换次数，因此在生产不同种类的产品时，以产品的顺序逐次生产或用多条生产线同时生产。这样，必然会一次大批量生产同一产品，很容易造成库存的积压。在实际生产中如果需要生产A, B, C, D 四种产品各100件，各种产品的节拍都是1分钟，如果按照传统的做法，先生产出100件A产品，其次是B，然后是C，最后生产产品D。在这种情况下，这四种产品的总循环时间是400分钟。然而，假设客户要求的循环时间为200分钟(四种产品的需求量为50件)，那么在200分钟的时间就只能生产出产品A和产品B，因而不能满足客户需求，同时还会过量生产产品A和B，造成库存积压的浪费。这种生产就是非均衡的，如图1所示。 比较均衡的生产方式(图2 )是:在一条流水线上同时将四种产品

混在一起生产，并且确定每种品种一次生产的批量。当然，如果在混合生产时不需要对设备进行转换，那么单件流的生产方式是最好的。然而，在实际生产A, B, C ， D 四种不同产品时，往往需要对流水线上的某些设备进行工装转换。单件流的生产方式在此难以实现，需要根据换装时间来确定每种产品一次生产的批量。同时，由于现实生产中不同产品在流水线上各台机器的加工时间很难相同，因此，流水线的瓶颈会随着产品组合的不同而发生变化。当同一流水线加工多产品，并且每种产品在各道工序(各台机器)的加工时间差异较大时，瓶颈就会在各道工序中发生变化，如何对各种产品的投产顺序进行优化以协调这些变化的瓶颈是生产管理中一个很重要的问题。 图1 图2 因而对流水线调度问题的研究正是迎合这种多品种、小批量生产方式的需要，我们要讨论得是如何对流水线上生产的不同产品的调度顺序进行优要化。 流水车间调度问题一般可以描述为n 个工件要在 m 台机器上加工，每个工件需要经过 m 道工序，每道工序要求不同的机器，n 个工件在 m 台机器上的加工顺序相同。工件在机器上的加工时间是给定的，设为(1,,;1,,)ij t i n j m ==。问题的目标是确定个工件在每台机器上的最优加工顺序，使最大流程时间达到最小。

制造业车间作业计划与调度研究

制造业车间作业计划与调度研究 车间作业计划（Production Activity Control，PAC）是依据主生产计划（MPS）而编制的具体执行工作方案，它把车间的生产任务落实到每个人、每台设备上，是车间组织生产的依据，也是企业管理中最重要的部分。PAC的实施贯穿于生产系统的各道工序，受很多因素的制约。随着生产规模的扩大和复杂程度的提高，PAC的实施与调度也出现了一些问题。本文应用车间作业调度方法，针对当前PAC与调度中存在的问题进行研究，为企业提供优化的生产作业排序和车间作业调度策略，从实践与理论方面提升PAC及其调度水平，以提高制造系统的运行效率，增强企业的市场竞争力。 PAC与车间调度的内涵与特点 PAC系统是一个高度复杂的系统，它有效地综合了机械、信息、网络等资源。制定PAC是为了使生产设备、物料、人员和信息四者匹配，实现车间均衡、协调、持续生产。在PAC生产执行过程中，决策部门需要根据车间的生产能力及其它资源的使用等反馈情况不断地调整PAC，而调整计划贯穿于企业生产活动的全过程。因此，要最大限度地发挥生产系统的柔性潜力，满足市场需求。 1.1 PAC与车间调度的界定与内涵 PAC的编制包括确定操作顺序、分配资源和制定期量标准等。PAC与车间调度问题是一个典型的任务集，包括资源集、约束条件集、性能指标集。其中，资源集包括人员、设备、工具和材料等，而每台设备可以完成一种或多种作业，不同设备能完成的作业集可能相同也可能不同；约束条件集用以规定生产过程中需要的条件，如任务的优先级、每个作业要求完成的时间、资源的能力、生产工艺、质量标准等；性能指标集用以规定生产过程中需要优化的目标，如生产周期、在制品量、订单交货期、资源利用率和生产成本等。每一个任务都包含一组需要执行的作业序列（工序），而这些作业序列需要占用系统的机器、工具等资源，并且必须按照一定的工艺顺序执行。 调度的目标是为作业合理分配资源，为每一个加工对象合理安排具体的加工顺序、路径、时间、制造设备资源和操作等，使内部和外部约束条件被满足，其中内部约束主要为企业的资源约束、能力约束和生产过程中的技术约束等；外部约束主要为订单规定的时间要求和品质要求等，同时使大部分生产性能指标得到优化。在有限产能、库存容量及资源的约束下，通过优化配置生产资源来提高PAC的可实施性以及生产过程的可计划性、可控性。而车间作业调度与控制则是实现生产高效率、高柔性和高可靠性的关键环节。 1.2 编制PAC的特点 在编制PAC过程中应考虑其如下特点： （1）实用性。以在制品加工进度为基础编制工序能力计划，使PAC紧跟生产现场，达到计划编制与生产节拍的和谐统一。PAC计划期短、计划内容具体、计划单位小等，具有可操作性强。 （2）合理性。综合上级计划、在制品进展情况、工序周期、工序时差和剩余工作量等因素，通过合理地排程方法，达到满足交付和有效利用资源的目的。

如何应对软件需求不确定型项目

如何应对软件需求不确定型项目 对于软件行业的人士来说，软件需求不确定，突发多变等现象是非常常见的，为了做好项目我们该如何处理这类的问题呢，现在我总结一下我的经验，供大家参考： 问题描述： 1、需求不确定，老板直接和客户谈需求，项目经理不能或不方便参与，打下手，这 类项目怎样办？ 2、要深层次了解客户的想法，各种利益，地盘等，这很难做得到吧？并且也要花不 少时间去沟通吧？ 3、做需求分析是不是应该偏向于把真实得业务需求了解透，可以先不用考虑技术实现？ 以下是回答，供参考： 摆平各种利益干系人 所谓需求不确定型项目，应对办法就是亲自去摆平各种利益干洗人，包括你老板、客 户方老板等等。如果没有机会去搞，或者不愿意去搞，这项目基本上就是死定了。将来你 想创业，或者担任高管，理解老板为老板分忧，对你帮助很大的。这是对老板好对你更好 的事情，辛苦就是辛苦一点了，值得的！ 从你老板那里入手 “深层次了解客户想法，各种利益，地盘等”确实很难，不过你老板应该知道的，否 则不会做这个项目。你老板至少了解一部分，你先和你老板好好沟通，然后再自己亲自去 了解，随时和老板沟通。老板对于这些利益啊地盘啊，很敏感的。他是过来人，他懂的。 需求分析的基本套路 需求分析先搞清楚关键干系人的利益和地盘；然后是理解业务；第三是需求规格。 技术实现需要事先考虑的。一般来说，你自己脑袋中的想法可以很宽很广，但不要都 告诉客户，要看技术实现难度和成本，有条件地告诉客户。不要宽度优先去问，这样相当 于引导客户蔓延需求了。 所以要求你先去看合同，了解项目成本、工期和合同中对需求范围的描述。你了解客 户大概想法，各种利益人想法后，结合合同的时间和金钱限制，你定出合适的需求让客户 拍板。 你要这样跟客户说：尊敬的客户，你看这样做好不好，然后就说出你的想法…… 给是否题给客户，不要给选择题或问答题。你给选择题，客户就会全选；你给问答题，他就会什么都要，要灵活可适应各种情况等等。人家客户提出这么多想法，你限于时间和 金钱限制，你无法全部做到的。另外基层的客户和用户，根本不知道合同有什么要求，他 仅仅处在他的地盘范围考虑事情，你不加控制就很麻烦。 驱动客户高层干事情

第十三回不确定性条件下的选择

第十三回不确定性条件下的选择 之一：期望效用函数理论13.0 温故而知新： 1．数学期望 2．方差 13.1 你选择哪个方案？ A．投硬币碰运气，正面给你100，反面啥也没有； B．直接给你50元？ C．直接给你40元？ …… 在上面的事情里，我们有以下概念： 1．期望效用 2．风险的主观态度 3．确定性等值 4．保险金 13.2 期望效用函数 1．如果某个随机变量X以概率P i取值x i，i=1,2,…,n，而某人在确定地得到x i时的效用为u(x i)，那么，该随机变量给他的效用便是： U(X)=E[u(X)]=P1u(x1)+ P2u(x2)+ …+P n u (x n) 其中，E[u(X)]表示关于随机变量X的期望效用。因此U(X)称为期望效用函数，又叫做冯·诺依曼—摩根斯坦效用函数（VNM函数）。 2．一个例子：李四的财富效用函数为u(x)=x。有人向他兜售彩票，该彩票有50%的可能性中奖4元，问该彩票对他的效用是多少？ 3．又一个例子：张三总共有100元钱，他要参加第二天早上的微观经济学考试。按照经验，他有10%的可能性会睡过头，如果这样他会错过考试，则需要交100元以参加重修。他对财富的效用函数为u(x)=x，问他的期望效用函数是多少？ 4．期望效用函数是否具有序数性？ u和v是两个不同的序数效用函数，若 u(A)=60，u(B)=20, u(C)=0 v(A)=60，v(B)=40, v(C)=0

上面都可以得到Ａ优于Ｂ，Ｂ优于Ｃ的结论；而且u 可以通过某种单调变换得到v 。所以u 和v 代表相同的偏好顺序。但考虑下面： 让消费者选择：一是确定地得到Ｂ；另一个是赌局，即掷硬币来得到Ａ或Ｃ。分别用u 和v 来分析，结论如何？ ——结论：期望效用函数失去了保序性。 13.3 风险的主观态度 1. 风险厌恶 4． 期望效用模型靠得住吗？—— Kahneman 和Tversky 的实验 13.4 确定性等值 1． 若某人的财富效用函数为u(x)，而一个赌局对某人的效用为u(E(x))，则有一个CE 值能够满足：u(CE)=u(E(x))。称CE 为某人在该赌局中的确定性等值。 2．前面介绍了李四和张三的故事，他们的确定性等值各是多少？对于他们来说，确定性等值各有什么经济含义？ 13.5 风险问题的解决——保险 1．保险市场的价格——保险金：若某人的财富数量为w ，其财富效用函数为u(x)，而一个赌局对某人的效用为u(E(x))，若有u(w-R)= u(E(x))，则称R 为保险金。 图13.1 风险厌恶 图13.2 风险偏好 u(E(x))>E(u(x)) 风险厌恶的效用函数是凹函数。 如图13.1所示。 2. 风险偏好 u(E(x))

数学建模车间任务调度问题

数学建模车间任务调度问题 2008-08-11 15:10:53| 分类：|字号 数学建模培训讲座 数学建模历年赛题的分析与思考 主要内容： 1、CUMCM的历年赛题分析； 2、数学建模竞赛的发展趋势； 3、对数学建模的几点想法和思考； 4、参加数学建模竞赛的技巧; 5、近年竞赛题的简要分析与评述。 一、CUMCM历年赛题的分析 数学建模竞赛的规模越来越大, 水平越来越高；竞赛的水平主要体现在赛题水平的提高； 赛题的水平主要体现： （１）综合性、实用性、创新性、即时性等；

（２）多种解题方法的创造性、灵活性、开放性等； （３）给参赛者留有很大的发挥创造的想象空间。 纵览15年的本科组30个题目(专科组还有11个题目)，可以从问题的实际意义、解决问题的方法和题型三个方面作一些简单的分析。 一、CUMCM历年赛题的分析 1. CUMCM 的历年赛题浏览： 1992年:(Ａ)作物生长的施肥效果问题(北理工：叶其孝） (B)化学试验室的实验数据分解问题（复旦：谭永基） 1993年:(Ａ)通讯中非线性交调的频率设计问题（北大:谢衷洁） (Ｂ)足球甲级联赛排名问题（清华：蔡大用） 1994年:(Ａ)山区修建公路的设计造价问题（西电大：何大可） (Ｂ)锁具的制造、销售和装箱问题（复旦:谭永基等） 1995年:(Ａ)飞机的安全飞行管理调度问题（复旦:谭永基等） (Ｂ)天车与冶炼炉的作业调度问题（浙大:刘祥官等） 1996年:(A)最优捕鱼策略问题（北师大：刘来福）

(B)节水洗衣机的程序设计问题（重大：付鹂）1997年:(A)零件参数优化设计问题（清华：姜启源） (B)金刚石截断切割问题（复旦：谭永基等） 1998年:(A)投资的收益和风险问题（浙大：陈淑平） (B)灾情的巡视路线问题（上海海运学院:丁颂康）1999年:(A)自动化机床控制管理问题（北大：孙山泽） (B)地质堪探钻井布局问题（郑州大学：林诒勋） (C)煤矸石堆积问题（太原理工大学：贾晓峰） 2000年:(A)DNA序列的分类问题（北工大：孟大志） (B)钢管的订购和运输问题（武大：费甫生） (C)飞越北极问题（复旦：谭永基） (D)空洞探测问题（东北电力学院：关信） 2001年:(A)三维血管的重建问题（浙大：汪国昭） (B)公交车的优化调度问题（清华：谭泽光）

需求不确定情况下供应链的协调问题研究

内容架构 ◆项目的意义 ◆研究现状 ◆主要研究问题概述 ◆代表性人物及论文 ◆研究趋势、可研究的方向◆主要参考文献

项目意义 理论意义 ?供应链成员的各自利益最大化和系统利益最大化的冲突?市场需求的不确定性是导致不协调的重要因素之一 ?很难用确切数据或概率理论描述变动的市场需求 ?一些常见的供应链协调机制在考虑需求不确定的情况下不在适用 ?在供应链管理的过程中结合需求不确定性进行研究已经有一些成果，但是依然有很多问题还没有形成理论成果

现实意义 ?市场环境的激烈变化、产品生命周期的缩短、消费者需求变化加快 ?信息不对称、信息扭曲、市场不确定性、政治、经济、法律等因素的变化而产生许多的不确定因素加大企业对需求预测的难度 ?够指导企业在需求不确定的现实条件下正确地做出决策。?形成、维持或者强化企业的核心竞争力 ?规避供应链风险 ?在保证供应链企业都能受益的情况下，实现整个供应链创造价值最大化

国内外研究现状 需求不确定的供应链协调问题的研究 ?Chung-Chi Hsieh等研究了在供应与需求不确定的情况下,一类由单一原设备制造商、制造商和分销商的分散型供应链的协调问题。这些不确定性因素出现在分销商面临的随机需求和原设备供应商的不确定供应能力上。 ?Shin和Benton研究了在实际竞争中，单一供应商和零售商的数量折扣问题，他们建立了一种面临需求不确定的B-RA 模型，在该模型中，供应商提供数量折扣，并分担零售商的产品积压风险。最后研究结果表明该模型对面临需求不确定的供应链进行协调非常有效。

?刘斌等对“不管是在EOQ框架内还是在“报童”框架内,对“仅应用数量折扣无法确保系统的完美协调”这一结论进行了挑战。他们的研究表明：连续型的数量折扣具有双向激励的特性，在该契约下可以确保系统的完美协调。 ?肖玉明，汪贤裕从报童模型出发，分析了基于回购契约、市场不确定条件下供应商的订货策略、供应商的最优契约的设计和批发价的确定的协调问题以及供应链协调时供应链风险在供应商和销售商之间的分担情况。 ?黄光明,刘鲁等通过建立两阶段动态模型研究了价格和需求变动产品的供应链协调问题。

不确定条件下的选择分析报告

第五章不确定条件下的选择 前面两章讨论了确定性环境中的消费选择问题，即涉及的价格、收入、消费量等变量都具有确定性。然而实际消费选择并非总是在这种确定性环境中进行的，比如人们可以借款进行超支消费，如借款购房或贷款进大学接受高等教育，这种超支消费同人们未来收入有关，然而未来是不确定的，一个人的未来收入可能提高，也可能降低，也可能失业而只能享受社会救济。如果未来收益很低，那么当前的超支在未来就无能力偿付。因此，当前是否要超支消费，这是一个不确定的消费选择问题。又如择业，是在国有企事业单位找一份工作，以求得稳定的（较低）工资收入和安全的社会保障，还是在合资企业求得一个高薪职位但面临很大风险呢？一个人是把他(她)的余款存入银行以求得安全的低利息收入，还是利用余款购买股票进行投资，求得一个高收益但面临较大风险呢？这还是一个带不确定性的选择问题。本章讨论这种不确定条件下的消费选择问题。 第一节不确定性选择事例 通常的“不确定”一词，是说人们不能确定某种行为一定会发生某种结果。经济学家对这个词的含义进行了严格界定，区分了两个不相同但相联系的概念：不肯定性与风险。

不肯定性(uncertainty)是指人们既不能确定某种经济行为一定会发生某种结果，又不能确定其发生的可能性大小。出现不肯定性的原因可能是人们行为本身就具有不确定性因素，或者是人们行为不完全独立，或者是人们缺乏必要的信息等等。 风险(risk)是指人们虽然不能确定某种经济行为一定会发生某种结果，但能够确定其发生的可能性大小，或者说，经济行为产生某种结果的可能性大小是客观存在，由客观条件决定。比如人们可以根据已有的经验，确定出某种经济行为的各种可能结果，并且确定出每种结果发生的概率。这样一来，便可计算这种经济行为的期望值，并利用期望值进行分析。 下面来看不确定性条件下选择的几个事例。 例1. 抽彩(lottery) 设有两种奖品通过抽彩才能获得。第一种抽彩方式(即第一种彩票)是：获得奖品1的概率为p ，获得奖品2的概率为p -1。第二种抽彩方式(即第二种彩票)是：获得奖品1的概率为q ，获得奖品2的概率为q -1。抽彩人得到奖品1后，能获得1U 个单位的效用；获得奖品2后，能获得2U 个单位的效用。问抽彩人喜欢抽哪一种彩票？ 要回答这个问题，需要计算这两种彩票的预期效用（即效用的期望值）。用1EU 表示第一种彩票的预期效用，2EU 表示第二种彩票的预期效用。根据概率论的有关知识可知， 211)1(U p pU EU -+= ， 212)1(U q qU EU -+= 比较一下1EU 和2EU 的大小，如果21EU EU >，说明第一种彩票的效用期望值更大，因此抽彩人更喜欢第一种抽彩方式，选择第一种彩票。同理，当21EU EU <时，抽彩人会选择第二种彩票。当21EU EU =时，两种彩票的效用期望相同，因而对抽彩人来说无差异。 这个例子同时也说明，一种彩票可以用抽彩的中奖概率分布来表示。比如说有一种彩票有n 个等级的奖励：1等奖，2等奖，…，1-n 等奖(末等奖)，n 等奖(无奖)。获得i 等奖的

流水车间调度问题的研究 周杭超分析

流水车间调度问题的研究 机械工程学院 2111302120 周杭超 如今，为了满足客户多样化与个性化的需求，多品种、小批量生产己经为一种重要的生产方式。与过去大批量、单一的生产方式相比，多品种、小批量生产可以快速响应市场，满足不同客户的不同需求，因此，受到越来越多的企业管理者的重视。特别是以流水线生产为主要作业方式的企业，企业管理者致力于研究如何使得生产均衡化，以实现生产批次的最小化，这样可以在不同批次生产不同品种的产品。在这种环境下，对于不同批次的产品生产进行合理调度排序就显得十分重要。 在传统的生产方式中，企业生产者总是力求通过增加批量来减小设备的转换次数，因此在生产不同种类的产品时，以产品的顺序逐次生产或用多条生产线同时生产。这样，必然会一次大批量生产同一产品，很容易造成库存的积压。在实际生产中如果需要生产A, B, C, D 四种产品各100件，各种产品的节拍都是1分钟，如果按照传统的做法，先生产出100件A产品，其次是B，然后是C，最后生产产品D。在这种情况下，这四种产品的总循环时间是400分钟。然而，假设客户要求的循环时间为200分钟(四种产品的需求量为50件)，那么在200分钟的时间内就只能生产出产品A和产品B，因而不能满足客户需求，同时还会过量生产产品A和B，造成库存积压的浪费。这种生产就是非均衡的，如图1所示。 比较均衡的生产方式(图2 )是:在一条流水线上同时将四种产品

混在一起生产，并且确定每种品种一次生产的批量。当然，如果在混合生产时不需要对设备进行转换，那么单件流的生产方式是最好的。然而，在实际生产A, B, C ， D 四种不同产品时，往往需要对流水线上的某些设备进行工装转换。单件流的生产方式在此难以实现，需要根据换装时间来确定每种产品一次生产的批量。同时，由于现实生产中不同产品在流水线上各台机器的加工时间很难相同，因此，流水线的瓶颈会随着产品组合的不同而发生变化。当同一流水线加工多产品，并且每种产品在各道工序(各台机器)的加工时间差异较大时，瓶颈就会在各道工序中发生变化，如何对各种产品的投产顺序进行优化以协调这些变化的瓶颈是生产管理中一个很重要的问题。 图1 图2 因而对流水线调度问题的研究正是迎合这种多品种、小批量生产方式的需要，我们要讨论得是如何对流水线上生产的不同产品的调度顺序进行优要化。 流水车间调度问题一般可以描述为n 个工件要在 m 台机器上加工，每个工件需要经过 m 道工序，每道工序要求不同的机器，n 个工件在 m 台机器上的加工顺序相同。工件在机器上的加工时间是给定的，设为(1,,;1,,)ij t i n j m == 。问题的目标是确定个工件在每台机器上的最优加工顺序，使最大流程时间达到最小。

项目目标不确定情况下的沟通管理

项目目标不确定情况下的沟通管理 一、引言 项目沟通管理是现代项目管理知识体系中的九大知识领域之一，包括为保证及时与合理地生成、收集、分发、储存、提取及最终利用项目信息所需要的各过程。旨在为保证各项目干系人(包括项目团队、关系人、客户及发起人)及时得到信息并对信息做出相应的反应。项目沟通几乎贯穿于项目的每个环节，有效的沟通管理促成项目的成功，各项目干系人都应明白沟通会对项目产生怎样的影响，可以说，沟通的成败将决定整个项目的成败。 (一)项目目标确定情况下的沟通管理 一个项目如果没有一个规定的明确目标，即项目关系人没有对项目目标达成一致意见，则不能称之为项目，也没办法用项目管理的理念和方法来操作。一般意义上我们所了解到的项目沟通管理是在目标确定情况下的沟通。在明确的目标下，项目范围确定，沟通过程主要是项目团队成员之间的纵、横向沟通，即指领导与团队成员的沟通以及团队内部成员之间的沟通。通过有效的沟通使项目团队成员清楚地理解项目目标，促使项目顺利进行。如黄玢(2005年)在介绍工程项目的沟通管理中提到沟通是项目经理成功领导的重要手段，也是建立和改善人际关系必不可少的条件，在如何提高和改善项目沟通管理的方法中提到重视双向沟通、多渠道沟通、善于聆听，以及沟通要有明确的目的，漫无目的沟通是无效的沟通等。又如杨一芹(2003年)提到的在目标导向管理的中国企业领导采用导向

式沟通管理，鼓励企业员工全力发挥主动性、创造性，朝着企业、组织的目标不断校正自己追求的目标，顺利实现企业目标。 (二)项目目标不确定情况下的沟通管理 但在实际工作中，诸多项目的目标在一开始并没有得到明确的、准确的描述，而是在不断探索的过程中逐步确定项目的准确目标。这种情况在科研、软件开发等探索性研究项目中尤其比较常见。与工程建筑项目、制造业项目等相比，科研、软件项目开发不确定性较高，随着项目支持的外部环境的变化，用户对项目需求会有不断的更改，开发人员对项目产品应用领域的知识了解有限等都会影响项目目标的确定性，项目需求的不确定，性越高，项目协调达到目标一致性的难度越大，两者之间相关系数为-0.281(针对软件开发业的调查数据)。在这种情况下，项目开发是一种探索性的活动，如何尽快实现项目目标的确定性，是项目开发方与用户之间进行多次沟通过程中所要必须重视的问题，在采用设计项目原型的基础上进行沟通(指系统分析中的原型法)，探索讨论项目目标以及目标的实现途径，逐步缩小项目范围边界的模糊性，最终确定项目目标。 下述案例描述的正是笔者在参与实际科研项目过程中遇到的情况，项目启动前仅仅有一些比较模糊的方向性目标概念，项目目标不确定性值域范围大，使项目关系人在沟通过程中主题不明确，沟通信息不对称，没有互相明白对方的真正意思，引起项目目标范围边界模糊，随后确定的分目标偏离总目标，造成项目启动后带来很大的损失。 二、探索性确定项目目标的沟通管理案例分析

考虑运输时间的柔性作业车间调度问题研究

第39卷第1期2017年2月 武汉理工大学学报（信息与管理工程版） JOURNAL OF WUT( INFORMATION & MANAGEMENT ENGINEERING) Vol.39 No.1 Feb.2017 文章编号:2095 -3852(2017)01 -0104 -06文献标志码:A 考虑运输时间的柔性作业车间调度问题研究 杨立熙，余慧慧 (福州大学经济与管理学院，福建福州35〇1〇8) 摘要:在实际加工生产中，工序间的运输时间占整个加工时间的比例很大。为了更合理地研究柔性作 业车间调度问题，将运输时间作为独立影响因子考虑到模型中。针对模型的特殊性与传统遗传算法易早熟的 缺陷，运用小生境的思想和自适应距离变量划分种群并协同进化，进而平衡种群选择压力，避免算法过早收敛 至局部最优。同时提出最短工作时间方法优化初始种群，改善算法的求解效率。运用M atlab对国际上通用 的算例进行实验并与经典遗传算法对比，结果表明，新提出的算法能够获得更优的调度方案。 关键词:柔性作业车间调度;运输时间;遗传算法;小生境;选择压力 中图分类号:TP29 随着自动化技术的发展和柔性制造系统的出 现，近年来柔性作业车间调度问题（flexible job - shop scheduling problem,FJSP)成为研究重点。 FJSP已经被证明是NP - Hard问题，求解方法主 要是群体智能优化算法，如遗传算法（genetic al-gorithm,GA)[1]、蚁 群算法 （ant colony algorithm, AC0) [2]、粒子群算法(particle swarm optimization, PS0)[3]等。但大多数关于FJSP的研究忽略了工 序之间的运输时间，而运输时间却是实际生产中 客观存在的，若放宽过多的假设条件会导致理论 研究缺乏指导性，而且在一些特定的生产领域，其 运输时间过长会直接影响产品的质量。 目前，考虑运输时间的FJSP的研究相对较 少。HURINK等[4_5]假定物料处理系统间存在运 输时间，以最小化完工时间为优化目标，运用禁忌 搜索算法寻求局部最优解;李峥峰[6]利用传统遗 传算法求解了考虑运输时间因素影响的柔性车间 调度问题，测试结果表明考虑运输时间的柔性车 间调度模型具有极强的优化性能，其平均改进结 果达到33.6%;王永峰[7]在传统遗传算法的基础 上，设计了一种机器选择的启发式算法作为初始 解改进算法加以求解;ZHANG等[8]借助遗传算法 和禁忌搜索算法解决了考虑运输时间的柔性调度 问题;赵宁等[9]在研究考虑运输时间的柔性作业 车间调度过程中，建立了两阶段求解方法。遗传 D0I：10. 3963/j.issn.2095 - 3852.2017. 01.022 算法是求解此类组合优化问题的有效方法，但上 述文献未考虑到算法易早熟、容易陷入局部最优 的弊端。笔者研究考虑运输时间的FJSP,提出一 种小生境遗传算法。在遗传算法的框架下，结合 小生境的思想划分种群进行局部寻优，平衡种群 选择压力以克服G A易过早陷入局部最优的缺 点。并针对优化目标提出新的初始化方法，以期 改善考虑运输时间的FJSP的求解速度和求解质量。 1问题描述 考虑运输时间的FJSP的描述如下个工件{■^■^，…，人丨要在肌台机器丨札^^…^^上 加工。每个工件包含一道或者多道工序，工序的 顺序是预先确定的，每道工序有一台或者多台加 工机器可供选择，选择不同的加工机器对应的加 工时间和运输时间也不同。调度需要为每道工序 选择合适的加工机器、确定每台机器上各工序的 最佳加工顺序和开工时间，使整个系统的性能指 标达到最优。此外，在加工过程中不仅要考虑工 序顺序和设备资源的约束，还要考虑工序间的运 输时间约束，笔者作出如下假设:①每个工件的加 工一旦开始不能中断，即加工过程为非抢占式;② 同一台机器同一时刻只能加工一个工件;③设备 在零时刻可用，所有工件的第一道工序在零时刻 收稿日期=2016 -09 -18. 作者简介:杨立熙（1970 -),男，福建福安人,福州大学经济与管理学院副教授;博士.

第四章+不确定条件下选择

第四章 不确定性条件下的选择 4.1 基本概念 至今为止，消费者是在一个确定的环境下进行的选择，消费者面临所有确定的价格与消费束。然而在现实的决策环境中，往往包含许多不确定的因素。本章就研究不确定条件下消费者的选择问题。由于在不确定性条件下消费者选择的对象是概率分布——赌局，所以我们就从赌局的概念入手。 定义4.1简单赌局： 有限结果 {}12,, n a a a 上的一个概率分布 {}1 1,2, 1 0 n i i i i p i n p p ===≥∑且称为一个简单 赌局，记为：()1 1,,= s n n g p a p a 。 定义4.2简单赌局集合： 有限结果 {}12,, n a a a 上所有概率分布的集合： 1 11(, ,)0,1=? ? =≥=?? ? ? ∑n s n n i i i G p a p a p p 称为简单赌局集合。 例如：考试分数有四档{}60,70,80,90，各档得分的概率分布： {}10.3,0.4,0.2,0.1g = {}20.5,0.3,0.1,0.1g = {}1,0,0,0=i g {}10,1,0,0+=i g {}20,0,1,0+=i g {}20,0,0,1+=i g 都是简单赌局集合()s G g 中的元素。

定义4.3复合赌局： 如果赌局的结果包含赌局。 例如：有一个复合赌局f g ，其在三个可能结果{}12,,s a a g 上的概率 分布分别为：{}1212,,1p p p p --，简单赌局s g 在两个可能结果 上{}12 ,a a 的概率分布为：{},1p p -。 定义4.4赌局集合 简单赌局与复合赌局的集合，记为：()G g 。 定义4.5复合赌局诱导出的简单赌局 对于复合赌局f g ，如果 i p 代表由f g 分配给i a 的有效概率，那么我们 称1 1(,,)n n p a p a 为由f g 诱导出的简单赌局。所谓有效概 率是结果出现的总概率。 例如：有一个复合赌局f g ，其在三个可能结果{}12,,s a a g 上的概率 分布分别为：{}1212,,1p p p p --，简单赌局s g 在两个可能结果 上{}12 ,a a 的概率分布为：{},1p p -。 则复合赌局f g 诱导出的简单赌局g 为：结果{}12 ,a a 的概率分布： {} 1 12212(1),(1)(1)p p p p p p p p +--+---用图表示为：