收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

微粒群算法及其在物流系统中的应用研究

李剑  
【摘要】: 物流被称为企业的“第三利润源泉”。在“自然资源领域”和“人力资源领域”利润开拓越来越困难的情况下,物流领域的潜力被人们发现并受到重视。通过优化物流系统可以降低成本,从而增加企业利润及市场竞争力,因此通过优化算法对物流系统进行优化具有十分重要的意义和应用价值。 微粒群算法(Particle Swarm Optimization,PSO)是一种拥有收敛速度快和简便易行优点的随机全局优化算法。论文对标准微粒群算法进行了深入的研究和分析,针对其缺陷提出了相应的改进方法,在此基础上采用遗传算法编码、交叉和变异的遗传微粒群算法求解物流系统中的库存优化和车辆路径优化问题,并分别设计了启发式算子提高遗传微粒群算法的性能,仿真试验的结果证实了算法的有效性和稳定性。 对于微粒群算法改进的工作在于: (1)对于无约束优化问题,提出基于对个体评价的动态个体惯性权重调整策略,其中也包含对多种变异算子的研究。仿真结果显示,这种方法对于提高微粒群算法的性能有非常明显的帮助。 (2)对于约束优化问题,通过仿真计算比较了多种变异算子的效果,在此基础上尝试了多变异算子串行融合,然后为了克服多变异算子相互间的干扰并减少计算量,提出了自适应的变异算子选取策略。最后,本文提出了将标准微粒群算法与遗传微粒群算法相融合的双重微粒群算法,仿真计算显示,这种算法在与两种微粒群算法计算量相当的情况下展现出明显高效的搜索效率和精度。 对于物流系统优化的贡献在于: (1)采用遗传微粒群算法求解背包问题,采用1-2opt启发式算子融入遗传微粒群算法,仿真结果显示本算法要优于本文提到的标准微粒群算法和遗传算法。在此基础上,对一个典型货运中转业务建模,通过综合运用双重微粒群算法和求解背包问题的遗传微粒群算法求解,仿真结果验证了算法的有效性,并对于物流业务的实际运行有一定的参考价值。 (2)提出采用混合遗传微粒群算法求解旅行商问题的框架结构。针对微粒群算法特有的三条染色体交叉的特性,设计改进的顺序交叉算子,它能够在交叉的同时保留优质解的信息;此外采用基于2-opt的变异算子显著的增强算法的收敛性能。通过以上改造,提出了求解旅行商问题的遗传微粒群算法结构,此结构相对于标准微粒群算法更加简单、直观、易于实现并且可扩展性好。仿真实验显示了此算法的可行性和有效性。 (3)采用混合遗传微粒群算法对带车辆能力约束的车辆路径优化问题求解,其中采用了求解旅行商问题的交叉和变异算子,并采用了启发式算子处理其约束条件,仿真结果表示它具有精度高和速度快的优点。 (4)采用两段式混合微粒群算法对于由多个仓库同时配送的多车场路径问题进行求解。第一阶段中采用分配规则将客户节点分配到各个仓库,将问题简化为多个单仓库的车辆路径优化子问题;第二阶段采用混合遗传微粒群算法对每个子问题进行求解,仿真结果验证算法的可行性。仿真结果显示算法不仅能在满足配送要求下优化配送线路减少行驶里程,还可以对公司货车的购置调度和仓库选址等提供决策支持。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 曾建潮;王丽芳;;一种广义微粒群算法模型[J];模式识别与人工智能;2005年06期
2 熊鹰;周树民;祁辉;;一种新型的求解约束优化问题的微粒群算法[J];广东广播电视大学学报;2006年03期
3 曾祥光;张玲玲;;基于微粒群算法优化PID参数研究[J];机械设计与制造;2007年04期
4 王元元;曾建潮;谭瑛;;基于BSP并行计算模型的并行微粒群算法[J];计算机应用与软件;2008年08期
5 李波;张流洋;张黎明;;微粒群算法思想下蚁群算法的改进及在CTSP中的仿真实现[J];平顶山学院学报;2010年02期
6 彭喜元,彭宇,戴毓丰;群智能理论及应用[J];电子学报;2003年S1期
7 张更新,赵辉,王红君,苏君临;基于动态参数的微粒群算法(PSO)的研究[J];天津理工大学学报;2005年04期
8 张晓清,张建科,方敏;多峰搜索的动态微粒群算法[J];计算机应用;2005年11期
9 马铭;周春光;张利彪;马捷;;一种优化模糊神经网络的多目标微粒群算法[J];计算机研究与发展;2006年12期
10 姚坤;李菲菲;刘希玉;;一种基于PSO和GA的混合算法[J];计算机工程与应用;2007年06期
11 刘晓峰;陈通;;PSO算法的收敛性及参数选择研究[J];计算机工程与应用;2007年09期
12 王万良;唐宇;;微粒群算法的研究现状与展望[J];浙江工业大学学报;2007年02期
13 鲁兵;;微粒群算法研究状况和发展[J];商场现代化;2007年12期
14 吴晓威;张井岗;;基于微粒群算法的灰色预测PID控制器[J];智能系统学报;2007年05期
15 许允喜;陈方;;基于混合微粒群算法的说话人识别[J];计算机应用;2008年06期
16 魏占海;刘松林;黄海明;;基于微粒群算法的舰船维修保障系统优化研究[J];舰船电子工程;2008年08期
17 袁代林;程世娟;陈虬;;一种新形式的微粒群算法[J];计算机工程与应用;2008年33期
18 周蕾;;群智能在农业生产等方面的应用研究综述[J];农业网络信息;2008年11期
19 李剑;刘志明;;求解TSP问题的混合遗传微粒群算法[J];计算机与数字工程;2009年05期
20 张洪业;金刚;王宇新;;微粒群算法在印染企业车间调度中的研究应用[J];计算机工程与应用;2009年21期
中国重要会议论文全文数据库 前10条
1 崔志华;蔡星娟;曾建潮;孙国基;;基于预测速度的改进微粒群算法[A];第二十六届中国控制会议论文集[C];2007年
2 蔡星娟;崔志华;曾建潮;谭瑛;;自适应PID控制微粒群算法[A];第二十六届中国控制会议论文集[C];2007年
3 王珩;张景瑞;;基于微粒群算法的航天器大角度姿态快速机动控制器参数优化设计[A];中国力学学会学术大会'2009论文摘要集[C];2009年
4 张昕;彭宏;郑启伦;;基于微粒群算法的聚类分析[A];2006年全国开放式分布与并行计算学术会议论文集(一)[C];2006年
5 王元元;曾建潮;谭瑛;;基于并行计算模型的并行微粒群算法的性能分析[A];2007年全国开放式分布与并行计算机学术会议论文集(上册)[C];2007年
6 宋佳栋;赵庆祯;刘衍民;;农产品风险控制的一种决策方法[A];海峡两岸农业学术研讨论文集[C];2010年
7 裴振奎;刘健;华夏;;求解随机车辆路径规划问题的混合微粒群算法[A];2008通信理论与技术新进展——第十三届全国青年通信学术会议论文集(上)[C];2008年
8 卢志刚;李伟;冀尔康;吴士昌;;微粒群算法优化设计自适应滤波器[A];第七届青年学术会议论文集[C];2005年
9 王海稳;张井岗;戴跃伟;曲俊海;;基于微粒群算法的PI/PD型二自由度PID控制器的优化设计[A];2009年中国智能自动化会议论文集(第一分册)[C];2009年
10 马铭;孟庆锴;张利彪;;基于模糊系统优化的软测量建模[A];中国运筹学会模糊信息与模糊工程分会第五届学术年会论文集[C];2010年
中国博士学位论文全文数据库 前10条
1 袁代林;改进的微粒群算法及其在结构拓扑优化中的应用[D];西南交通大学;2009年
2 崔志华;微粒群算法的性能分析与优化[D];西安交通大学;2008年
3 仇晨晔;多目标微粒群算法研究及其在交通事故分析中的应用[D];北京邮电大学;2013年
4 莫思敏;基于群体交互自组织种群结构的扩展微粒群算法研究[D];兰州理工大学;2012年
5 周鲜成;基于微粒群算法的数字图像处理方法研究[D];中南大学;2008年
6 薛明志;进化计算与小波分析若干问题研究[D];西安电子科技大学;2004年
7 刘晓东;高温微粒红外辐射特性测量技术研究[D];哈尔滨工业大学;2008年
8 李剑;微粒群算法及其在物流系统中的应用研究[D];华中科技大学;2008年
9 王俊年;微粒群算法及其在锌电解整流供电系统优化中的应用研究[D];中南大学;2006年
10 宋存利;生产调度问题及其智能优化算法研究[D];大连理工大学;2011年
中国硕士学位论文全文数据库 前10条
1 吕洪光;基于微粒群算法的装配序列规划方法及其应用研究[D];电子科技大学;2010年
2 朱家静;基于遗传微粒群算法的组卷策略应用研究[D];大连海事大学;2011年
3 魏欣;基于智能优化技术的创新概念设计研究与应用[D];山东师范大学;2010年
4 王晓敏;基于微粒群算法的关联规则挖掘方法及应用[D];山东师范大学;2010年
5 陈红洲;群体智能若干算法研究[D];哈尔滨工程大学;2004年
6 戴芬;基于量子计算技术的智能算法的研究与应用[D];山东师范大学;2010年
7 刘丁峰;基于改进微粒群算法的图像复原方法研究[D];中南民族大学;2010年
8 林令娟;模拟退火微粒群混合算法的研究及应用[D];山东师范大学;2010年
9 李凯;基于微粒群优化算法的结构系统识别[D];同济大学;2008年
10 王俊艳;微粒群算法在分类问题中的应用研究[D];太原科技大学;2008年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978