遗传与粒子群算法在闭环混合系统运作中的应用

王心月　郭健全

摘 要：设计需求和再制造率不确定情况下的制造/再制造系统的最优回收及生产策略模型，并通过具体算例，采用遗传算法（GA）和粒子群算法（PSO）求解，对比验证模型的信度和效度。仿真结果表明，两种算法既可灵活获得多种情况下的系统最优运作策略，又能反映制造数量和回收品质量水平在不同再制造率下的变化规律，可为企业在多重不确定下降低总成本提供参考。

关键词：随机需求；随机再制造率；闭环混合系统；GA&PSO

DOI：10.11907/rjdk.172073

中图分类号：TP312 文献标识码：A 文章编号：1672-7800（2017）009-0034-04

Abstract：The optimal recycling and production strategy model based on random demand and yield is investigated in a closed-loop hybrid manufacturing/remanufacturing system. A numerical example is used to verify the validity and credibility of the model by adopting genetic algorithm （GA） and particle swarm optimization （PSO） algorithm. The results show that it is applicable for GA and PSO to solve the optimal operation strategy according to different situations and the variations of manufacturing quantity and the quality level of the returned items under the different remanufacturing rate are presented. A reference could be provided for minimizing the total cost of the system in view of multiple uncertainties.

Key Words：random demand； random yield； closed-loop hybrid system； GA&PSO

0 引言

近年來环境问题日益突出，再制造成为节能减排和提高资源利用率的有效方式[1]。再制造作为闭环供应链的重要组成部分，其回收品的数量、市场需求和再制造率等一系列未知因素加大了生产计划的难度[2]。Han等[3]提出优化模型解决不确定需求下的混合制造/再制造定价问题，并对不确定参数进行敏感性分析。Shi等[4]假设需求和回收存在不确定性，建立利润最大化模型来研究供应链的生产计划。Pokharel和Liang[5]研究回收品被随机用于再制造的最优回收定价及回收数量问题。以上研究较少考虑再制造率的随机性，以及未能在多重不确定环境下研究回收与生产决策。

在再制造生产计划问题中，较多采用遗传算法、蚁群算法、模拟退火、粒子群算法等单一智能算法，虽然其效果显著，但每种算法都有各自的局限性。鉴于此，区别于以往单一算法的局限性，在多重不确定下的闭环混合制造/再制造系统最优回收及生产计划中，采用粒子群和遗传两种算法，对具体实例对比验证求解，既避免粒子群算法陷入局部最优，又避免遗传算法搜索速度的局限性，更具有可靠性和互补性。……