Mamdani模糊推理系统在制造/再制造混合系统最优定价中的应用

"这篇论文是2011年由宫艳雪、黄道和孙少超在华东理工大学学报自然科学版发表的，主题是基于Mamdani模糊推理系统的制造/再制造混合系统的最优定价策略。文章探讨了产品回收数量、质量与价格之间的关系，并通过Mamdani模糊推理系统构建了相应的模型。同时，文中还建立了一个考虑制造和再制造的混合系统利润模型，该模型基于线性需求理论，涉及决策变量包括产品回收价格、回收产品质量标准、产品销售价格和全新制造产品的市场份额。为了解决这个优化问题，文章提出了一种改进的小生境粒子群优化算法（MNPSO），利用混沌映射生成初始种群，并通过特定的阈值调整来扩大搜索空间，保持群体多样性。通过实例计算证明了所提算法的有效性。" 本文的研究重点在于如何通过模糊推理系统和优化算法来解决制造与再制造混合系统中的最优定价问题。Mamdani模糊推理系统是一种广泛应用的模糊逻辑工具，它允许处理不精确或不确定的信息，适合于描述复杂系统中不同因素之间的模糊关系。在本研究中，这一系统被用来分析和建模产品回收的量、质与价之间的非线性关系。 作者构建的利润模型考虑了制造业和再制造业的结合，其中顾客需求量与产品价格呈线性关系，这是经济学中的常见假设。模型的决策变量包括：回收产品的购买价格，这直接影响再制造成本；回收产品的质量合格率，决定了再制造产品的可用性；产品销售价格，影响市场需求；以及全新制造产品在总需求中的比例，反映了制造与再制造的平衡。 为了找到这个复杂模型的最优解，研究者提出了一个改良的粒子群优化算法——MNPSO。粒子群优化算法是一种启发式全局优化算法，模仿鸟群或鱼群的集体行为。MNPSO通过混沌映射生成初始种群，增加了种群的随机性和多样性，从而可能找到更优解。此外，采用小生境欧氏距离阈值和粒子欧氏距离阈值策略，进一步扩大了搜索空间，确保了算法不会过早收敛，保持了群体的探索能力。 最后，通过实际案例的计算，研究者验证了MNPSO在解决此最优定价问题上的有效性，证明了该方法在实际应用中的潜力。这种方法对于制造业和再制造业的企业来说，提供了一种工具来确定如何定价产品，以最大化利润，同时考虑到回收和再制造的经济影响。