针对供应链及其它计算机仿真试验中所涉及因子数目众多的情形,序贯分支方法因筛选效率较高被广泛采用.然而,现有的序贯分支方法忽视对散度效应起显著作用的因子.由于相比位置效应,散度效应在产品或供应链系统的质量设计中是同等甚至更为重要的,故提出一种基于位置效应与散度效应的序贯分支方法.首先,将影响位置效应与散度效应的显著因子分类为调节因子,重要因子和稳健因子;然后,结合序贯概率比检验(sequential probability ratio test,SPRT),在控制筛选过程中第一类错误和第二类错误的基础上,采用序贯分支方法分类地筛选出显著因子;最后通过仿真试验说明此方法能够有效且分类地处理位置效应与散度效应下的显著因子筛选问题.
针对钢铁企业板坯库的板坯倒垛问题,与以往的研究不同,考虑了在倒垛过程中压在目标板坯上的障碍板坯可以不倒回原垛位的作业模式.提出采用板坯在板坯库中的移动次数来衡量板坯库的作业负荷,建立了以移动次数为优化目标的整数规划模型.在对模型的求解中设计了基于概率模型进化的分布估计算法(estimation of distribution algorithm,EDA)来确定轧制单元对应的板坯,采用基于辐射邻域的启发式算法为障碍板坯寻找最佳的落位位置.通过不同规模的数据实验,探讨了参数对算法性能的影响,确定了有效的参数组合.并与当前常用的改进遗传算法、单亲遗传算法进行对比,验证了所提算法的有效性和鲁棒性.