针对汽车制造企业入厂物流取货周期长、取货成本高等问题,提出一种"多层级循环取货模型"。首先,通过系统聚类法对所有供应商进行区域划分;其次,运用Topsis法将同一区域的供应商分为一、二两个层级;最后,将第一层级供应商作为该区域的集货点,并运用蚁群算法规划各集货点的最优取货路径。结合某汽车制造企业实例,建立入厂物流成本和取货周期最优的数学模型,通过对比多层级循环取货和milk-run两种取货方案,验证了多层级循环取货模型的先进性和可行性。

针对双腔半环面型CVT的结构特点和应用背景，建立以输入扭矩分矩比和输出输入扭矩比为目标函数的优化模型。采用带有精英策略的非支配排序遗传算法（non-dominatedsortinggeneticalgorithmwiththeelitestrate．gY，NSGA-II）求解该模型的Pareto最优解。为了确定最佳的Pareto最优解，首先将获得的Pareto最优解构成决策矩阵，其次利用客观赋权的信息熵（informationentropyweight，IEw）法计算各属性的权值，最后运用逼近理想解的排序法（techniquefororderpreferencebysimilaritytoidealsolution，TOPSIS）对Pareto最优解排序。将最佳Pareto最优解对应的设计变量值代入输入扭矩分矩比、输出输入扭矩比以及传动效率的表达式，使用MATLAB软件绘制相应的特性曲线。结果表明，通过TOPSIS确定的最佳Pareto最优解能够实现

针对液压系统故障原因隐蔽、维修决策困难的问题,引入并改进了传统的逼近理想值排序 （TOPSIS）法.通过提出绝对理想解概念,使 TOPSIS法具有强保序性,消除了影响决策的逆序问题;利用马 氏距离代替欧氏距离,克服了量纲不同对距离计算的影响,同时降低了对指标数据的要求,提高了决策的可 靠性.最后,将改进后的TOPSIS法应用于汽车起重机支腿液压回路的维修决策,并与改进前的方法对比,验 证了该方法在液压系统维修决策中的有效性.