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 刘幸;;群智能微粒群算法及参数分析[J];电子元器件应用;2011年08期
2 于来行;乔蕊;;周期性扰动的微粒群算法[J];计算机系统应用;2011年06期
3 朱云飞;罗彪;郑金华;蔡自兴;;基于拟蒙特卡罗方法的进化算法搜索鲁棒最优解的性能提高研究[J];模式识别与人工智能;2011年02期
4 孙晓立;;微粒群优化神经网络算法的研究[J];科技情报开发与经济;2011年20期
5 乔英;高岳林;江巧永;;一种新局部搜索策略的差分进化算法[J];太原理工大学学报;2011年04期
6 刘淳安;;一类动态非线性约束优化问题的新解法[J];计算机工程与应用;2011年22期
7 李巍;王改云;;改进微粒群算法在机器人路径规划中的应用[J];计算机仿真;2011年08期
8 单爱慧;蒋丽;;求解人力资源分配问题的多目标微粒群优化算法[J];计算机应用研究;2011年09期
9 宋丹;;基于自适应维度选择的记忆进化算法[J];计算机工程;2011年13期
10 刘国联;何燕;;自调整柯西变异克隆算法[J];科学技术与工程;2011年17期
11 张建科;;生物地理学优化算法研究[J];计算机工程与设计;2011年07期
12 任亚峰;郑金华;;多目标进化算法搜索鲁棒最优解效率研究[J];计算机工程与应用;2011年23期
13 戴欣华;王万良;徐新黎;;一种多产品多约束混合生产线的批量计划模型及其求解[J];计算机工程与科学;2011年07期
14 梁昔明;龙文;龙祖强;肖伟;秦浩宇;;自适应梯度指导交叉的进化算法[J];小型微型计算机系统;2011年07期
15 周喜虎;高兴宝;;具有时间因子的粒子群优化算法[J];纺织高校基础科学学报;2011年02期
16 裴志松;;一种新型物流调度算法的优化研究[J];长春工程学院学报(自然科学版);2011年02期
17 王思明;刘伟;张国武;;基于LS-SVM的陶瓷窑炉温度预测控制[J];计算机测量与控制;2011年06期
18 杨观赐;马鑫;李少波;钟勇;于丽娅;;改进的克隆选择算法与SPEA相结合的进化算法[J];四川大学学报(工程科学版);2011年05期
19 温洁嫦;刘海林;李铭;;WCDMA基站位置和参数配置的建模及进化算法[J];计算机工程与设计;2011年08期
20 逄金梅;郑向伟;刘弘;;动态微粒群算法及其在群体动画中的应用[J];计算机工程与设计;2011年08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 楼洋;李均利;陈刚;;基于个体排序的差分进化算法[A];'2010系统仿真技术及其应用学术会议论文集[C];2010年
3 莫纯欢;石纯一;史忠植;陈青;周代琪;;进化算法中的各种选择机制的分析和比较[A];信息科学与微电子技术:中国科协第三届青年学术年会论文集[C];1998年
4 赵娟;蔡涛;邓方;杨红伟;;基于改进差分进化算法的脉冲控制方法[A];中国自动化学会控制理论专业委员会B卷[C];2011年
5 刘瑞芳;;微粒群优化算法分析[A];全国炼钢连铸过程自动化技术交流会论文集[C];2006年
6 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
7 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
8 张明;周永权;;一种新型的全局优化算法—区间进化算法[A];第二十七届中国控制会议论文集[C];2008年
9 唐焕友;郭崇慧;杜秀红;张立震;范丽伟;;几种进化算法的比较及计算效率分析[A];2001年全国数学规划及运筹研讨会论文集[C];2001年
10 罗长童;张绍良;;符号回归问题的解析矩阵进化算法[A];第十四届全国激波与激波管学术会议论文集(下册)[C];2010年
中国博士学位论文全文数据库 前10条
1 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
2 许伟;基于进化算法的复杂化工过程智能建模方法及其应用[D];华东理工大学;2011年
3 贾东立;改进的差分进化算法及其在通信信号处理中的应用研究[D];上海大学;2011年
4 张鹏翔;多目标进化算法及其在电力系统中的应用研究[D];华中科技大学;2004年
5 王瑜;基于多方法融合的进化算法研究[D];中国科学技术大学;2011年
6 李映;混合智能计算方法及其应用[D];西安电子科技大学;2002年
7 崔承刚;基于启发式知识进化算法的复杂约束优化问题求解[D];浙江大学;2010年
8 陆婷;进化回归神经网络的研究及应用[D];华南理工大学;2003年
9 王允良;飞行器总体参数优化的进化算法及其应用研究[D];西北工业大学;2006年
10 童梅;智能控制在电力系统谐波抑制中的应用[D];浙江大学;2002年
中国硕士学位论文全文数据库 前10条
1 杨梅;基于微粒群算法的模糊PID控制系统设计方法研究[D];西南交通大学;2008年
2 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
3 谢俊凰;进化算法研究平台的设计与开发—数据处理[D];太原科技大学;2011年
4 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
5 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
6 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
7 胡鹏;微粒群处理约束优化的研究[D];太原科技大学;2009年
8 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
9 延丽平;基于微粒群算法生成分类规则[D];中北大学;2006年
10 李雪;基于模拟退火机制的微粒群算法在城市土地空间布局中的研究与应用[D];山东师范大学;2009年
中国重要报纸全文数据库 前4条
1 本报记者 徐玢;进化畅想:机器人能否成“人”[N];科技日报;2009年
2 王小龙;进化算法可解决风电机选址问题[N];科技日报;2011年
3 本报记者 任荃;质疑大师,请用科学的方法[N];文汇报;2009年
4 许元;人工智能,人类对自身的挑战[N];人民日报;2011年
 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