基于遗传算法的电子商务物流配送研究

针对电子商务在物流配送中存在的问题,本研究以车辆可行驶最大路程为限制条件,将遗传算法与节约算法相结合,利用节约算法产生遗传算法的初始解,构造节约遗传算法解决电子商务环境下的物流配送路径优化问题。仿真结果表明,节约遗传算法比遗传算法更具有全局最优性,求得最短路径的效果明显高于遗传算法;随着进化代数的增加,两种算法都越来越趋向于最优值,节约遗传算法的进化起点远高于遗传算法的进化起点,其最优值比遗传算法最优值好;节约遗传算法中的进化代数和种群规模对算法的性能有一定的影响;有路程限制与无路程限制所取得的货车运行路线不同,车辆的最大运行距离也不同。该研究可以提高物流配送效率、缩短配送距离,对节约物流成本和提高客户服务水平具有重要意义。     

基于节约里程法的配送路线优化

物流配送路径选择是否合理直接影响了物流服务水平和运营成本的高低。本文采用节约里程法用于研究物流配送中的路径规划问题,对多条件约束下的配送路线优化问题进行了实证研究,结果表明采用节约里程法规划配送路线可降低配送成本。     

基于改进遗传算法的物流配送路线优化研究

在分析车辆路径问题(VRP)现有启发式算法的基础上，建立了考虑路线安排的物流配送方案模型，并提出了求解该问题的一种改进遗传算法(IGA)。方法的核心在于针对遗传算法的局部搜索能力的不足，在选择、交叉、变异等遗传操作之后，引入逆转换位算子，根据适应度是否增加，对新产生的染色体进行多次逆转操作。应用C语言编程进行模拟计算，结果表明该改进遗传算法明显增强了群体演化的质量，提高了算法收敛速度，较好地解决了“早熟收敛”问题。     

物流配送区域与配送路线的优化算法

本文基于物流配送费用,建立了配送中心选址分配和配送路线选择问题数学模型,同时给出了求解该问题优化算法,并通过实例证实算法有效性.     

基于蚁群算法的速冻蔬菜配送路径优化研究

以安徽某公司速冻蔬菜为例,介绍了基于蚁群算法的冷链物流配送路径优化问题的研究。通过对安徽某公司配送速冻蔬菜的现状与不足、车辆路径问题及求解算法的特点、蚁群算法模型的建立与应用等进行详细分析,建立了基于蚁群算法的冷链物流配送路径优化研究模型,使其在销售速冻蔬菜时能够达成配送路径更短、配送时间更少、配送成本更低、客户满意度更高的目标。     

基于改进蚁群算法的物流配送车辆路径优化方法

目前路径优化方法忽略了客户时间窗约束产生的惩罚成本,导致惩罚成本过高,无法得到最优配送路径,基于此,提出基于改进蚁群算法的物流配送车辆路径优化方法。结合遗传算法完成对蚁群算法的改进,对物流配送车辆路径问题进行建模,得到路径规划问题的目标函数,并根据配送过程的实际情况和具体要求设定目标函数的约定条件,计算固定成本和变动成本为路径优化提供判断依据,设计出路径优化问题的算法流程。在算例分析中,选择某生鲜企业的物流配送作为算例,实验结果表明,设计的方法得到的最优路径总体成本远远低于传统方法,说明所提方法实用性较强。     

一种使用遗传算法进行物流配送成本优化方法

在物流配送业务中,配送成本的优化是降低企业成本、提高经济效益的关键。根据物流配送业务的 特点,建立了成本优化模型。该模型将同一客户需求的货物分成急需货物和普通货物,在有时间要求和运力有限的 情况下,这种货物分类处理的方式为降低配送成本提供了新思路。在此基础上,构建了成本优化遗传算法,给出了 算法实现的具体方法、步骤。实例计算结果表明,该方法能快速、高效地收敛于一个优异的解,在物流配送成本优化 中能获得较好的优化结果。     

不确定条件下危险品配送路线多准则优化

针对非满载的危险品配送车辆路线优化问题,考虑危险品数量对运输风险的影响,利用分段线性逼近方法对配送过程中的潜在风险动态评估。根据运输企业的不同优化准则以及配送路线的不确定性属性,基于可信性理论和期望值方法,建立了有容量约束的危险品配送路线多准则优化模型。设计了改进的模拟退火算法对模型求解,并利用快速非支配排序方法和动态拥挤距离计算方法提高求解效率,改善Pareto解在解空间内分布的均匀性,结合解的编码方式设计变邻域搜索策略提高算法的局部和全局搜索能力。采用不同算例验证了模型的合理性和算法的有效性,研究结果可为危险品运输企业在多种不确定条件下的配送路线选择提供决策支持。     

基于遗传算法物流配送最佳路径问题研究

针对物流配送时效低、配置不科学等问题,以最长行驶里程、最长行驶时间、一定的载货量作为限定条件,构建以最小物流成本为目标的物流配送最佳路径数学模型,并采用改进的初始种群优化遗传算法,对物流配送路径进行优化。仿真实验表明,改进后的遗传算法收敛性及鲁棒性好,对于实现智能高效配送具有一定的社会意义。     

带硬时间窗的共同配送车辆调度问题研究

针对带硬时间窗的共同配送车辆调度问题,提出Sweep算法和PMX算子相结合的遗传算法。以长株潭城市群生鲜食品共同配送中心区域内的配送数据作为实验对象,采用组合遗传算法进行分析,在客户要求的时间范围内,合理安排车辆的行驶路线,使共同配送总费用最低。最后,将本算法与启发式算法、遗传算法进行比较,分析结果表明,本算法得到的共同配送车辆调度方案更优。     

免疫遗传算法在逆变器开关优化中的应用

在逆变开关控制策略中,既要求逆变电路输出电流波形总谐波畸变率尽量小,又能减小逆变过程的电力电子开关损耗．文中提出采用免疫遗传算法来求解逆变电路中开关器件的最优控制规律．仿真结果表明,选择不同的免疫遗传算法的参数可以达到适应度函数最优化,验证了该控制策略的优越性和有效性．     

遗传算法在结构有限元模型修正中的应用

针对传统优化矩阵方法和优化元素方法的目标函数存在误导性的问题,采用改进的最优化元素型模型修正法,该方法定义了合理的目标函数,不需要质量归一化的模态振型.为了快速、准确地求得全局最优解,使用一种浮点数编码的遗传算法来解决模型修正问题中的优化问题.通过对一个7个自由度的质量-弹簧系统和一个复杂平面桁架结构模型修正的数值计算,验证基于遗传算法的改进的最优化元素型法的有效性.     

基于改进遗传算法的多机系统PSS参数协调优化

提出了一种基于改进遗传算法的多机系统PSS(电力系统稳定器)参数的协调优化的方法。由励磁系统产生的滞后相位计算出PSS相位补偿环节的时间参数初值,根据这一初值决定优化PSS算法中PSS时间参数的取值范围,从而保证了PSS主要是给系统提供正的阻尼转矩,而对同步转矩影响较小,有利于IGA快速找到最优解。同时对GA的遗传算子进行了改进,提高了IGA的搜索效率。一个NewEngland10机系统的算例表明,利用本算法优化后的PSS能有效、合理地抑制低频振荡。     

基于遗传模拟退火算法的钢桁架结构优化设计

将遗传算法(GA)的全局寻优性能好和模拟退火算法(SA)的局部搜索能力强的优点相结合,提出了用于钢桁架结构离散变量优化设计的遗传模拟退火算法(SAGA).以十杆桁架为例对此算法进行了数值实验,并将实验结果与其他优化方法相比较.算例结果表明,遗传模拟退火算法的寻优概率是100%,平均进化代数为35代,其稳定性和求解效率均高于改进的遗传算法.实验结果显示,遗传模拟退火算法在整体搜索同时,采用退火操作进行局部搜索,提高了算法的局部搜索能力,有效克服了遗传算法迭代缓慢的缺点,把遗传模拟退火算法用于钢桁架离散变量的优化设计中是行之有效的.     

大型桥梁动力检测测点优化的改进遗传算法及其应用

回顾了基于动力检测的传感器优化布置准则和方法,提出了一种应用改进遗传算法,服务于大型桥梁动力检测的测点优化方法,并将该方法具体应用到了哈尔滨四方台大桥的动力检测中.该算法改进了约束条件,对于传统遗传算法在大型结构应用时收敛慢且易陷入局部最优的缺陷进行了自适应和全面交叉改进,这种改进大大加快了收敛速度,并确保该算法能搜索到最优值.把经典的优化准则———有效独立准则,模态置信准则,模态应变能准则等以适应度的形式嵌入改进遗传算法中,得出各自的优化布置.通过对哈尔滨四方台大桥模型的仿真分析,证明改进的遗传算法在搜索能力、计算效率、可靠性等相对于传统遗传算法有较大的改善,搜索能力明显优于经典的序列法.在此基础上选取三种典型方法应用于哈尔滨四方台大桥的检测中,用实际采样得到的响应数据进行模态参数辨识,得出了该结构的振型,通过实际应用证明了上述方法的可行性.     

基于改进遗传算法的输电网优化规划

针对传统电网规划方法往往只能提供一种规划方案的缺点,提出用遗传算法进行输电网规划,根据输电网规划的特点,对遗传操作进行了改进设计,算例分析表明,该法可获得一批最优、次优的规划方案,结果令人满意.     

基于SAGA的协同多目标攻击决策

以超视距协同空战为背景,在对每个目标分配一枚导弹攻击的模式下,研究了协同多目标攻击空战决策问题.首先,基于对空战威胁态势的分析,将协同多目标攻击决策问题转化为导弹目标攻击分配的优化问题并建立其攻击效能评估模型.然后,提出将模拟退火遗传算法(SAGA)用于该问题的寻优,算法中个体采用整数编码,并采用非常规的交叉与变异操作产生新的个体.在进化结束后,通过最佳导弹目标分配个体求得最终协同攻击决策方案.仿真结果表明所提出的算法对最优分配方案的搜索效率明显优于单纯的遗传算法.     

扩展的Otsu最优阈值图像分割的实现方法

基于付忠良等人提出的扩展的Otsu最优阈值图像分割方法，提出了遗传算法的解决方案，并给出了遗传算法中基本参数的设定，基于图像的像素方差信息，利用遗传算法全局搜索图像的单阈值和双阈值，这样不但缩短了计算时间，而且具有遗传算法鲁棒性和自适应的特点，比传统的Otsu方法有明显的优点。     

基于改进遗传算法辨识空间机器人动力学参数

为了减小空间机器人动力学参数的误差,提高轨迹规划精度,根据空间机器人的角动量守恒方程,利用名义动力学参数估计角动量与真实角动量的差异,建立动力学参数辨识的误差模型,给出遗传算法的适应度函数.针对常规遗传算法容易出现"早熟"现象,采用小区间生成法、大变异策略和精英保留策略对其进行了改进.以六关节空间机器人为例进行的仿真结果表明,在参数复杂的情况下,采用改进后的遗传算法,计算效率和辨识精度均得到了提高。     

遗传算法在模拟有源滤波器设计中的应用

遗传算法是模拟生物在自然环境中的遗传和进化过程而形成的一种自适应全局优化概率搜索算法。首先，该文给出了应用遗传算法求解问题的一般步骤，然后将遗传算法用于模拟有源滤波器的优化设计，其仿真结果验证了算法的有效性。