具有不确定次品率的EPQ模型及其求解算法

计算机工程与应用 ›› 2007, Vol. 43 ›› Issue (35): 105-107.

具有不确定次品率的EPQ模型及其求解算法

王小斌^1,2,唐万生¹

1.天津大学系统工程研究所，天津 300072
2.山东财政学院计算机信息工程学院，济南 250014

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2007-12-11 发布日期:2007-12-11
通讯作者: 王小斌

Economic Production Quantity model with uncertain defective rate and its algorithm

WANG Xiao-bin^1,2,TANG Wan-sheng¹

1.Institute of Systems Engineering，Tianjin University，Tianjin 300072，China
2.School of Computer and Information Engineering，Shandong University of Finance，Ji’nan 250014，China

Received:1900-01-01 Revised:1900-01-01 Online:2007-12-11 Published:2007-12-11
Contact: WANG Xiao-bin

摘要/Abstract

摘要： 假设在具有衰变特性的生产过程中次品率为随机变量或模糊变量的情形下，分别建立了经济生产批量模型；给出了次品率为随机变量情形下最优经济生产批量的解析表达式；设计了模糊模拟算法以及基于模糊模拟的粒子群优化算法对次品率为模糊变量情形下的经济生产批量模型进行求解。最后给出了两种情形下的数值实例来说明模型的求解过程以及所设计算法的有效性。

关键词: 经济生产批量, 模糊变量, 模糊模拟, 粒子群优化算法

Abstract: In deteriorating production processes，with the assumption that the defective rate of the produced items is a random variable or a fuzzy variable，Economic Production Quantity（EPQ） models are constructed，respectively.In the case of that the defective rate is a random variable，the analytic expression of the solution is presented.For the case that the defective rate is a fuzzy variable，the fuzzy simulation algorithm and Particle Swarm Optimization（PSO） algorithm based on the fuzzy simulation are designed to solve the model.Finally，numerical examples are presented in these two cases to illustrate the solving procedures and the validity of the designed algorithms.

Key words: Economic Production Quantity（EPQ）, fuzzy variable, fuzzy simulation, Particle Swarm Optimization（PSO）

王小斌^1,2,唐万生¹. 具有不确定次品率的EPQ模型及其求解算法[J]. 计算机工程与应用, 2007, 43(35): 105-107.

WANG Xiao-bin^1,2,TANG Wan-sheng¹. Economic Production Quantity model with uncertain defective rate and its algorithm[J]. Computer Engineering and Applications, 2007, 43(35): 105-107.

[1]	孙泽宇，徐琛，苏艳超，李传锋，聂雅琳. 雾计算中跨层感知分簇路由协议[J]. 计算机工程与应用, 2021, 57(9): 109-117.
[2]	陈万芬，王宇嘉，林炜星. 异构集成代理辅助多目标粒子群优化算法[J]. 计算机工程与应用, 2021, 57(23): 71-80.
[3]	廖玮霖，程杉，尚冬冬，魏昭彬. 多策略融合的粒子群优化算法[J]. 计算机工程与应用, 2021, 57(1): 69-76.
[4]	张鑫1，邹德旋1，肖鹏1，喻秋2. 自适应简化粒子群优化算法及其应用[J]. 计算机工程与应用, 2019, 55(8): 250-263.
[5]	郑朝鑫1，2，董晨1，3，贺国荣1，3，陈荣忠1，3，熊子奇1，3. 基于改进粒子群算法的动态3D实时建模技术[J]. 计算机工程与应用, 2019, 55(5): 65-71.
[6]	马炫，刘栋，胡家鑫. 求解必经点k条最优路径问题的粒子群优化算法[J]. 计算机工程与应用, 2019, 55(20): 89-94.
[7]	郭世伟，孟昱煜，陈绍立. 改进的PSOGM算法在动态关联规则挖掘中的应用[J]. 计算机工程与应用, 2018, 54(8): 160-165.
[8]	胡震，邹德旋，张旭. R-dPSO算法及其在ATO控制策略中的应用[J]. 计算机工程与应用, 2018, 54(24): 212-220.
[9]	何明慧1，徐怡1，2，王冉1，胡善忠1. 改进的粒子群算法优化神经网络及应用[J]. 计算机工程与应用, 2018, 54(19): 107-113.
[10]	常红伟1，夏克文1，2，白建川1，2，牛文佳1，武盼盼1. 采用云量子PSO的属性约简方法[J]. 计算机工程与应用, 2018, 54(10): 99-104.
[11]	南敬昌，田娜. 基于改进粒子群算法的模糊小波神经网络建模[J]. 计算机工程与应用, 2017, 53(3): 120-123.
[12]	颜宏文，邹丹. 基于关联规则的PSO-Elman短期风速预测[J]. 计算机工程与应用, 2017, 53(23): 261-266.
[13]	翁理国，王骥，夏旻，纪壮壮. 自适应种群更新策略的多目标粒子群算法[J]. 计算机工程与应用, 2017, 53(15): 181-186.
[14]	张军，王远强，朱新山. 改进PSO优化神经网络的短时交通流预测[J]. 计算机工程与应用, 2017, 53(14): 227-231.
[15]	李冰1，2，王虎3，王锐4. 客户群及个体服务选择影响因子研究[J]. 计算机工程与应用, 2017, 53(13): 21-28.