基于模拟退火遗传混合算法的物流中心选址问题研究

为了增快货物流动速度、方便客户并减少不必要的配送成本,结合模拟退火算法和遣传算法,研究了物流配送中心选址问题,模拟退火遗传算法在收敛速度及跳出局部极值的能力诸方面明显优于标准的遗传算法和模拟退火算法。     

基于PBIL算法的物流中心选址问题研究

介绍了基于种群竞争式学习的PBIL算法的基本原理和实现方法。比较了PBIL算法和遗传算法求解过程的异同点。分析了PBIL算法在物流中心选址问题中的应用,并且通过实例验证了算法的可行性和有效性,证明了PBIL算法比遗传算法具有更高的搜索效率。     

基于改进粒子群算法的物流中心选址优化

物流配送中心的选址问题在当今经济,尤其是任电子商务发展迅速与繁荣的社会中有着举足轻重的地位。本文采用提出的改进粒子群算法对该问题的模型进行了求解,仿真结果表明改进算法对于该问题求解的有效性。     

PBIL算法求解物流中心选址优化问题

物流中心的合理布局对整个物流系统的效益有着决定性的影响。通过对物流中心选址问题相关特点和要求进行研究,我们以建设成本和运行费用最优为目标构造了选址问题的数学模型,设计了基于PBIL的物流中心选址优化算法,并进行了算法的实现和测试。测试表明,该算法计算速度快、稳定性好,对约束条件增减具有良好的适应性。最后,提出了该算法的学习概率修正参数动态变化方法,测试表明通过该方法可有效提高算法的收敛速度和寻优能力。     

物流中心选址算法改进及其Hopfield神经网络设计

在分析物流中心选址传统算法的基础上,引入一种新的选址模型,该模型能减少决策变量和约束条件的个数.利用该模型设计了一种Hopfield神经网络,将约束合并进网络结构从而将罚函数从能量函数中消除,使得网络的运行时间显著降低.为物流中心选址优化提供了一种新的方法.     

物流中心选址的神经网络集成模型研究

针对在建立物流中心选址模型中,单个人工神经网络模型难以确定参数、容易产生“过拟合”等问题,提出一种神经网络二次集成模型,利用Bootstrap可重复采样技术得到不同的训练集来训练产生不同的个体神经网络,采用粒子群优化算法结合个体输出获得神经网络集成,并在此基础上将集成视为个体再次结合。实验结果表明,该模型易于设计且能够提高泛化能力。     

基于改进遗传算法的物流中心选址优化

根据物流中心选址问题的特点和要求,在运输成本和运输时间最优的基础上,构造了选址问题的数学模型。给出了一种改进遗传算法的求解方法,其中由于适应度函数与各物流中心对应的需求分配情况密切相关,用拉格朗日松弛法来解决对于特定位置的物流中心服务需求分配的子问题。遗传算子采用线性凸组合的杂交方式、强弱两种变异方式以及进化（?滋+λ）选择方式,从而有效地避免算法的早熟现象,可防止其很快收敛到局部最优解。实例求解表明,该算法可以有效、快速地求得物流中心选址问题的全局最优解。     

不确定应急物流中心选址模型及算法研究

考虑不同情景下应急物流需求的不确定性, 将不确定需求用区间灰数表示, 构建了多情景下不确定需求的应急物流配送中心选址模型, 基于联系数理论, 将区间灰数转换为联系数, 使模型转换为确定性, 并设计了免疫量子粒子群算法进行求解。通过算例对模型进行仿真, 并说明了免疫量子粒子群算法的有效性。     

粒子群算法在物流中心选址中的应用

物流中心选址是物流系统规划中的重要决策问题。为了快速得到合理的物流中心选址方案,针对问题的特点给出了选址问题的模型,提出了以最小化物流成本为目标函数的粒子群优化算法,开发了模型求解的MATLAB程序,并将算法应用于求解工厂仓库选址和废弃物回收中转站选址问题。实例求解结果表明,该算法求解选址问题的性能优于精确重心法,具有良好的搜索性能和实用性。     

基于GIS优化Dijkstra算法在物流中心选址中的研究*

基于传统的Dijkstra算法,提出了一种采用二叉堆结构和网络边存储模型的优化Dijkstra算法.实验结果表明:优化后的算法是切实有效的,将其应用到物流中心选址中得到了较满意的选址方案.     

基于混合PSO的高斯混合模型地形分类

提出了一种基于改进的混合粒子群优化(particle swarm optimization,PSO)算法的高斯混合模型地形分类方法。高斯混合模型的求解通常是使用期望最大化算法(expectation maximization,EM),然而EM算法易陷入局部最优,收敛速度不稳定且对初值敏感。因此引入混合PSO算法,并对其进行了一系列改进。实验结果表明:改进后的算法较其它优化算法提高了全局搜索能力和收敛速度,利用该算法求解高斯混合模型可以提高参数估计的精度,并且在户外场景图像的地形分类实验中所提出的地形分类方法也表现优良。     

基于混合需求的设施选址问题研究

研究网络中设施的需求一部分来自于网络节点, 一部分来自于过往流量的基于混合需求的设施选址问题。引入引力模型, 以新建设施获得总利润最大为目标建立非线性整数规划模型, 并构造启发式算法, 通过MATLAB进行仿真实验, 将求解结果与GPAH算法及精确算法的结果进行比较。比较结果表明, 提出的算法求解质量高、运行速度快, 可用于大中型网络设施的选址问题。     

基于联盟效应的医药物流中心选址模型及算法

针对医药供应链物流系统,分析了药品供应链物流的需求特征,阐述了药品供应链中生产企业、批发企业构建共享物流中心的意义,提出了一种三方合作效益最大化的物流联盟结构模式。建立了药品物流联盟物流中心节点选址的双层规划模型,上层规划以联盟效益最大化为目标,下层规划考虑联盟博弈的Shapley分配模式,体现了各参与方的利益分配最大化,并设计了遗传算法的求解模式。算例测试结果表明,该方法与算法具有较强的实践可操作性,可以作为物流节点选址决策的参考方法。     

一种求解最优路径的新型混合PSO算法研究

粒子群算法是新型智能优化算法且已被应用于诸多领域,但在求解最优路径时显现出易陷入局部最优的缺点。为此根据地理坐标数据通过数学公式推导得到PSO算法所需的初始化数据,在算法寻优过程中将自平衡策略和变异思想结合协助粒子群迭代与更新,提出一种求解最优路径的新型混合PSO算法。该算法引入了适合此问题的自平衡变异策略来提高算法求解精度,使得算法摆脱局部最优。实验以Visual Studio2005中C++编程实现仿真,结果表明此算法不但能有效求解最优路径问题,而且比离散PSO算法、自平衡PSO算法的解更优,从而性能得到改善。     

基于粒子群与人工鱼群混合的泊车路径算法

为寻求最优泊车路径,提高路径规划质量,提出一种基于粒子群优化(PSO)算法和人工鱼群算法(AFSA)相结合的混合式泊车路径规划模型。该模型利用改进后的惯性权重和学习因子对PSO算法进行优化,并将改进后的PSO算法与AFSA相结合,综合利用PSO算法的局部收敛性和AFSA的全局收敛性,提高混合算法的收敛速度和收敛精度,使得路径规划最优。最后,仿真实验结果表明,相较于单独使用AFSA,混合算法的收敛性更强,规划的泊车路径更优,且道路越复杂,混合算法的优势越明显。     

基于混合粒子群算法的试验选址问题研究

大型海上试验涉及分散在全国各地的人员、平台、测量设备和产品等资源。试验海区分布在漫长的海岸线上,将这些资源运输到合适的海区属于运输问题。试验海区的选择会影响资源的取舍,资源的取舍与试验流程优化这一车间调度问题密切相关,而试验流程优化反过来又会影响资源的取舍和海区的选择。因此,试验海区的选择是运输问题和车
车间调度问题的耦合。本文建立了该问题的数学模型,并分别用粒子群算法和排队论处理流程优化中的时间约束和资源约束,再用启发式算法对运输问题进行优化。最后,以某产品的试验为例对算法进行了验证,结果表明了该方法的有效性。     

物流中心选址问题的二元语义决策方法

为了有效避免语言评价中信息的损失和扭曲,从而提高物流中心选址的准确性,在层次分析法中引入三角模糊数,将各评价指标量化,提出一种二元语义决策选址方法.给出二元语义评价的方法与步骤,并通过物流中心选址的算例分析说明该方法的合理性.     

基于混合果蝇优化算法的选址-库存联合优化策略

针对装备维修保障仓库系统运营费用高、仓库点位布局不合理、备件库存结构不合理等问题,建立以多品种联合补货问题为基础的装备维修备件仓库选址-库存控制决策联合优化模型,模型可用于求解仓库的开设位置、维修活动需求点的指派情况、仓库补货时间以及库存水平等.根据模型的结构特点,利用多种群协同进化的方法改进传统果蝇优化算法的位置更新方式,设计一种内外两层搜索策略的混合果蝇优化算法,外层搜索策略作为算法的主程序用于搜索仓库选址决策变量,内层搜索策略采用改进的RAND算法用于搜索库存控制决策变量.仿真结果表明,混合果蝇优化算法具有良好的求解效率,能够确保库存系统在一定服务水平的基础上有效降低库存运营总成本.     

同时送取货选址路径问题及混合免疫算法

研究了同时送取货的选址路径问题(location-routing problem with simultaneous pickup and delivery,LRP-SPD),在同时送取货问题中,每个客户都有送货需求和取货需求,并且两种需求需要同时进行服务.在此条件下,建立了以仓库的选址成本、车辆启用成本及运输成本等目标和最小的选址路径模型;针对该模型的特点,设计改进了一种混合免疫优化算法(hybrid immune algorithm,HIA)对该问题进行求解,运用贪心聚类算法生成初始解,利用原始免疫算法对抗体进行评价排序,由邻域搜索操作改进原始算法的免疫操作.最后,通过使用混合免疫优化算法与原始免疫优化算法、模拟退火算法、蚁群算法分别对案例进行求解和对比分析,验证了提出模型的可行性和算法的有效性.     

GIS下物流节点选址模型

在物流行业运转的过程中,物流中心占据了非常重要的地位,它是商品流通过程中的一个重要枢纽.物流中心在管理货物的过程中需要经过运输、仓储、搬运、运输、配送、订单处理和信息处理等操作过程.物流中心高速运转首先要解决的就是物流中心的选址问题.物流中心的选址必定要考虑到地理条件,针对目标区域内有地理阻断进行物流中心选址进行了研究和探讨.通过研究分析有效地解决了单一物流中心选址问题.