电子商务环境下物流配送中心选址决策研究

搞好物流配送中心选址对提高整个物流系统的效益具有重要意义。物流配送中心选址需要模型化、数量化方法的支持,解决选址问题也有多种方法。但在电子商务环境下,这些传统的方法都在不同程度上遇到各种问题,为此,提出了定量化的启发式算法与定性化的模糊综合评价法相结合来初步确定电子商务环境下配送中心选址方案。方案的确定是为了决策,因此依据定量计算和定性分析的结果,采用协调分析方法来科学地决策符合电子商务环境下的最优选址方案,并结合具体应用实例进行试算选址。     

基于遗传算法的西安邮政配送中心选址研究

从配送中心选址问题的实际需求出发,在综合考虑配送中心的建设经济性、交通便利性和功能布局合理性的基础上,构造了基于实际交通距离和实际地价的选址模型,并把遗传算法引入模型求解中,通过构造恰当的编码方式和遗传算子,对西安邮政物流配送中心的选址问题分别按照不考虑土地地价、需求点类型差异和考虑土地地价、需求点类型差异两种情况求解.得到了最优选址方案.研究结果证明了模型的正确性和有效性,对于解决大规模物流系统配送中心的选址问题具有重要的现实意义.     

综合评价法在乳制品物流配送中心选址问题中的研究

乳业物流配送中心的选址对于构建乳品物流网络、降低物流成本、提高乳制品物流企业的效益有着重要意义,本文利用综合评价法对影响乳业物流配送的各影响因素进行分析、计算,选取可达到配送中心整体最优的效果方案,对乳业物流配送选址问题有一定的显示参考意义.     

基于GIS和遗传算法的物流配送中心选址研究

物流配送中心的选址是物流系统优化的一个具有战略意义的问题。在分析传统物流配送中心选址算法不足的基础上,建立了一个基于GIS和遗传算法的物流配送中心选址模型。首先确定配送中心选址的目标及影响选址的因素,接着利用GIS的空间分析技术,定量分析可在电子地图上表现的物流配送中心选址的影响因素,得出一系列候选地点,最后利用遗传算法,求解得出最佳选址地点,并通过实例研究表明该算法的可行性。     

GIS环境下的物流配送中心选址模型与算法研究

物流配送中心是现代物流的重要组成部分。在规划配送中心时,合理的配送中心选址可以大大降低配送中心的运营成本和建造成本。本文提出了一种物流配送中心选址模型,并设计了遗传算法与线性规划相结合的计算方法。     

军事物流配送中心选址模型的构建

研究了军事物流配送中心优化选址建模问题。针对当前军事物流配送因为涉及变量多,关联程度强难以进行选址的难题,为加强选址的科学决策,对军事物流配送中心概念进行了界定,在明确军事物流选址的流程、步骤和一定数目的备选配送中心的基础上,采用离散二进制PSO解决配送中心的选择问题,建立了根据粒子群优化算法的军事物流配送中心选址优化模型。通过实例验证,模型构建科学合理,降低了计算的复杂度,优化了选址模型,为解决军事物流选址问题提供了科学的途径和手段。     

物流配送中心多目标优化选址的仿真设计

物流配送中心的选址对物流服务能力具有决定性影响,在进行物流配送中心选址时必须综合考虑物流成本和物流服务能力,并以物流成本最小化和物流服务能力最大化为目标,构建了一个多目标优化选址模型。根据模型特点,采用博弈理论的纳什均衡博弈方法对模型进行求解,将模型中的两个目标函数看成博弈方,所有可行的选址方案作为博弈策略集,建立博弈分析的技术路线和计算步骤。最后通过实例仿真,得到满意的设施选址方案。结果证明,选址模型的正确性和有效性,同时表明纳什均衡博弈方法有效地解决选址的多目标优化问题,具有一定的应用前景。     

双种群灰狼优化算法的物流配送中心选址策略

针对物流配送中心选址模型具有多约束和非线性的特点,导致难以求解的问题.提出一种改进灰狼优化算法的求解策略.文章通过引入交叉变异策略,改进了传统灰狼算法在迭代后期易早熟收敛的问题;通过加入双种群寻优策略,丰富了灰狼算法的种群多样性,提高了算法的收敛速度.将改进后的灰狼算法针对物流配送中心选址模型进行求解,实验结果表明,该改进灰狼优化算法具有较高的全局搜索能力,针对物流配送中心选址模型具有较高的搜索精度,很大程度的提高了物流配送效率.     

B2C电子商务中配送中心选址优化的模型与算法

在考虑商品供应成本因素的基础上，结合B2C电子商务企业物流配送网络的特点，建立了混合0-1整数规划的配送中心选址优化模型．该模型是一种特殊形式的选址-分配模型，具有NP难性质．为求解上述模型，开发了嵌入表上作业法的遗传算法．实例研究表明，该算法能高效求得模型的优化解，是求解物流配送中心选址这类复杂优化问题的一个较好方法．     

粒子群优化算法在配送中心连续性选址中的应用

在用常规算法对配送中心进行连续性选址时,很容易陷入局部最优解。针对这一问题,引入ALA方法的思想,提出了解决此类模型的粒子群优化算法。该算法首先利用ALA方法的局部寻优能力对初始粒子进行优化,然后利用粒子群优化算法进行全局寻优。通过实例分析表明,该算法能很好地处理物流配送中心的连续选址问题,为决策者提供一种有效的优化工具。     

模糊C-均值聚类算法的优化

针对传统模糊C-均值聚类算法（FCM算法）初始聚类中心选择的随机性和距离向量公式应用的局限性,提出一种基于密度和马氏距离优化的模糊C-均值聚类算法（Fuzzy C-Means Based on Mahalanobis and Density,FCMBMD算法）。该算法通过计算样本点的密度来确定初始聚类中心,避免了初始聚类中心随机选取而产生的聚类结果的不稳定;采用马氏距离计算样本集的相似度,以满足不同度量单位数据的要求。实验结果表明,FCMBMD算法在聚类中心、收敛速度、迭代次数以及准确率等方面具有良好的效果。     

红外图像分割的改进模糊C均值聚类方法

分类数和初始聚类中心的选取对红外图像的分割结果有较大的影响。传统的模糊C均值算法的分类数和聚类中心往往设定为经验值。为获得最佳的分类数,提出采用轮廓指标确定出较理想的分类数。针对传统的模糊C均值聚类算法对初始聚类中心比较敏感的问题,提出了基于直方图灰度值的最小最大距离法来确定初始聚类中心。实验结果表明该方法有效可行。     

结合蚁群聚类算法的模糊C均值聚类

模糊C均值（FCM）聚类算法采取随机选取聚类中心的方法,这种方法使得FCM算法在局部范围内容易获得最优解,但在全局范围内效果较差,且FCM算法中聚类簇的个数一般需要人为设定。面对上述种种问题,文中将蚁群聚类算法和FCM聚类算法进行结合,获得了一种改进的FCM聚类算法。该算法在初步聚类中利用蚁群聚类产生聚类中心和簇的个数,将产生的聚类中心提供给FCM算法进行再次聚类。利用蚁群聚类的全局搜索和并行运算的优点避免了聚类易陷入局部最优解的缺陷。经过实验验证,该算法较一般FCM算法具有更好的性能。     

A hybrid intelligent approach for supply chain management system

The process of supplier selection is one of the key processes in the industry since the suppliers play a key role in regards to the competitive advantage. It is therefore important to identify and select good suppliers. Supplier selection can be considered a decision-making problem with many criteria, which include both qualitative and quantitative elements, such as; purchase cost, quality level, supplier risk etc. The best process to be designed for selecting the suppliers may require a compromise in terms of these elements. A general framework, which combines Analytic Hierarchy Process (AHP), Fuzzy AHP and Genetic Algorithm (GA) in order to determine the best set of suppliers, is proposed in this study.     

基于模糊C均值聚类的织物平整度等级评定

采用模糊C均值聚类客观评定织物平整度等级。首先介绍了模糊C均值聚类的基本原理，模糊聚类可以将输入特征值进行聚类并分组；然后利用模糊C均值聚类对输入特征值进行聚类分析，不同平整度等级的织物模板被分属于不同的模糊聚类中心；最后选取26种不同类型的织物样本进行测试，试验结果表明，客观评价与主观评价的相关系数达到97．38％，评定准确率超过90％。     

A fuzzy AHP approach to personnel selection problem

Due to the increasing competition of globalization and fast technological improvements, world markets demand companies to have quality and professional human resources. This can only be achieved by employing potentially adequate personnel. In this paper, we proposed a personnel selection system based on Fuzzy Analytic Hierarchy Process (FAHP). The FAHP is applied to evaluate the best adequate personnel dealing with the rating of both qualitative and quantitative criteria. The result obtained by FAHP is compared with results produced by Yager's weighted goals method. In addition to above-mentioned methods, a practical computer-based decision support system is introduced to provide more information and help manager make better decisions under fuzzy circumstances.     

融合纹理特征的两阶段聚类分割算法

提出一种融合纹理特征的两阶段聚类分割算法。首先,选择纹理特征、差分均值和颜色分量这3个特征,组成一个分割所用的特征矢量;然后,使用直方图对特征矢量进行初始聚类中心和类别数的估算;最后,通过模糊C均值算法对特征矢量进行聚类。该算法有效地克服了模糊C均值(FCM)容易陷入局部最优的缺陷,使聚类结果更加精确。实验结果表明该方法比一些现存方法的分割效果要好。     

基于概率不确定犹豫模糊偏好关系的决策模型

针对犹豫模糊信息在现实决策中难以准确和充分的提供决策者评价信息的问题,引入了概率不确定犹豫模糊偏好关系（PUHFPR）的概念,其能够有效处理概率不确定犹豫模糊元（PUHFE）中元素发生概率信息部分已知和完全未知的决策问题;给出了PUHFPR的期望加行一致性、满意加性期望一致性定义,并以偏差最小化为目标函数构建最优化模型确定PUHFPR元素的发生概率;建立基于一致性调整算法的概率不确定犹豫模糊偏决策模型,得到方案的排序权重向量,从而选择最佳的方案;通过遴选上市公司进行投资的实例说明决策模型的有效性。     

“情感软件人”模型研究

为丰富软件人的拟人特性，使软件人具有情感特色，本文提出一种情感软件人模型的总体架构。模型中考虑了认知在软件人的情绪及行为选择中的作用；用模糊形式描述软件人的情绪评估。为了描述软件人在相同情绪时，其触发原因相异而导致行为不同，软件人的行为模型采用“案例＋智能搜索”的模式，整个系统的实现采用Model—View—Controller（MVC）的设计模式。     

基于遗传算法的模糊决策树的参数优化

模糊决策树归纳学习是从示例中产生规则知识的一个重要方法,决策树的产生过程涉及到两个重要的参数α、β。一般说来,这两个参数的选取依赖于所讨论的领域知识和用户的需要,若选取不当,会对分类结果产生很大影响,从而导致不正确的分类。如何选取这两个参数的值目前尚无较好的方法,仅凭人们的经验而定,该文提出了一种应用遗传算法来优化模糊决策树中参数的方法,旨在为选取参数提供实验方法,同时也为直接选取经验参数提供了一定的实验支撑。