多目标进化算法综述

多目标进化算法已经成为解决多目标优化问题的主要方法之一。本文详细介绍了经典的多目标进化算法,并分析了各种算法所采取的策略,给出了各个算法优缺点分析。讨论了多目标进化算法的应用。     

多目标进化算法综述

多目标进化算法已经成为解决多目标优化问题的主要方法之一。本文详细介绍了经典的多目标进化算法,并分析了各种算法所采取的策略,给出了各个算法优缺点分析。讨论了多目标进化算法的应用。     

城市物流配送中心选址方法的研究

物流配送中心布局和选址是否合理，对物流配送中心功能的发挥和综合效益影响极大，介绍了物流中心选址的一般方法，并指出了现有物流中心选址方法的不足，通过对影响物流中心选址因素的分析，确立了影响物流中心选址的主要因素和原则，并以获得最佳经济效益为目标，建立物流配送中心选址模型，并进一步探讨参数确定和计算步骤，本模型可用于物流配送中心布局和选址的优化决策。     

层次分析法在唐山烟草物流配送中心选址中的应用

层次分析法是一种定性和定量相结合的、系统化、层次化的分析方法.采用层次分析法,对唐山市烟草物流配送中心问题进行选址,从经济效益、社会效益和可持续性三个方面出发,建立层次结构模型,对影响物流中心选址的各因素按其重要性进行合理排序,通过排序结果对问题进行分析和决策,从而得出最终合理的选址方案.     

多目标进化算法在垃圾收运系统中的应用

以往的垃圾中转站选址模型大多仅考虑费用最小的单目标规划,而没有考虑到对周围环境和居民带来的不利影响.本文根据城市生活垃圾收运系统的特点,建立了基于逆向物流网络的多目标垃圾中转站选址模型,同时考虑了总费用最小、垃圾收集点距对应的中转站的总距离最小和处理中心距居民区的最小距离最大化三个优化目标.采用一种基于SPEA2的多目...     

基于遗传算法的粮食物流配送中心选址优化

根据粮食配送中心选址问题的特点和要求,在运输成本最低的基础上,构造了选址问题的数学模型.并把遗传算法引入到该模型的求解中,通过选择恰当的编码方法和遗传算子,求得模型的最优解,验证了模型的正确性.实例求解表明,该算法可以有效、快速地求得粮食配送中心选址问题的全局最优解.     

基于免疫算法的物流配送中心选址

针对物流配送中心选址问题,以物流成本为目标函数,采用免疫算法对配送中心选址进行优化.通过一个中等规模的物流需求点实例,仿真结果表明,该方法能够快速有效地求得物流配送中心选址问题的全局最优解.     

进化算法在废弃物选址问题上的应用

研究城市废弃物中转站和处理站的选址问题,考虑总成本（建设费、运费）最低和环境负效应最小,建立优化模型.设计进化算法求解,确定要建立的中转站和处理站的位置、容量及建设费用,并确定了中转站服务的产生点和处理站服务的中转站.最后算例仿真表明了算法的可行性和有效性.     

多目标优化量子进化算法及其在PID控制器中的应用

目前量子进化算法主要应用于单目标优化问题．本文结合量子进化算法和经典多目标优化算法中常用的非支配排序技术,提出一种解决多目标优化问题的多目标优化量子进化算法（Multi—objective Optimization Quantum Evolutionary Algorithm,MOQEA）,并将其应用于PID控制器参数整定．经过实验证明,无论是解的质量还是解的分布均匀性,MOQEA都优于经典多目标优化算法NSGA—II．     

带有权重偏好的多目标进化算法

对于现实生活中的一些多目标优化问题,往往存在着多个决策者的偏好.提出了一种新的偏好方式：决策者对目标函数的权重偏好,该方法在Delphi法下由决策者对目标函数的重要性打分形成,能够更好地体现出决策者的偏好,并且简单易行.结合M2M算法,形成了一种求解多目标优化问题的混合算法.数值实验显示,在不同偏好下,多目标优化问题的结果也不一样,这与实际情形相吻合.在实际生活中,这种方法也具有一定的现实意义.     

第三方物流企业的物流中心选址模型与算法

文章通过分析物流中心的选址对第三方物流企业的发展的重要影响,指出了物流中心的选址应该以提高物流企业的物流能力为目标,并在此基础上建立了基于优化物流能力的多目标的选址模型,在模型求解中,利用带自适应移动线的遗传算法较好地解决了多个目标函数合并中人为的主观性。     

差分进化算法在物流配送路径优化中的应用

研究无时限单向物流配送车辆路径问题,主要考虑车辆容量、最大距离等约束,考虑车辆满载情况,以车辆非满载率最小、总的行驶路径最短为目标,提出了该物流配送问题的多目标优化问题的数学模型,运用差分进化算法求解该问题.算法构造了合适的编码方法,应用Matlab语言编程进行实例仿真计算,得到了模型的最优解,验证了算法的有效性.     

基于混沌优化和网格筛选策略的多目标分布估计算法

为了解决多目标分布估计算法中进化速度慢、解精度和分布不佳等问题,提出一种基于混沌优化和网格筛选策略的多目标分布估计算法.该算法首先利用混沌模型进行种群的初始化,以获得较理想的初始化结果;然后运用混沌的局部优化策略对每代产生的非支配个体进行寻优,加速种群向Pareto最优前沿的逼近;最后利用简单的网格筛选策略保持个体的均匀分布,从而增强精英种群的多样性.3种评价标准在8个测试问题上的实验表明:与目前最具代表性的RM-MEDA算法相比,该算法不仅在接近真实的最优前沿和保持种群的多样性方面具有一定优势,而且在进化速度上也有较大提高.     

基于进化算法的带约束混合动力系统多目标优化

为获得无需将多目标优化问题转化为单目标优化问题的混合动力系统多目标优化方法,分析了并联混合汽车总成模型,建立了带约束混合动力系统多目标优化数学模型,并给出了优化目标、待优化参数及约束条件。设计了基于NSGA-Ⅱ的混合动力系统多目标优化算法,该算法基于Pareto支配性原理判定所得方案的优劣,不需要指定各个目标的权系数。仿真优化结果表明:优化后的系统百公里油耗平均下降了0.25%,污染物排放平均下降了2.75%,蓄电池充电效率分布由[0.8,0.9]变为[0.85,0.9],放电效率分布由[0.82,1.0]变为[0.95,1.0],作者提出的方法可以优化混合动力系统的性能。     

基于遗传算法的物流配送中心选址研究

物流配送中心的布局对其中心功能的发挥影响极大。物流配送中心选址是一个混合整数非线性规划问题,如果待选择和拟选择的配送中心数目较多,计算将十分复杂。针对这个问题,设计了基于优先权编码的遗传算法来降低问题求解的难度,并给出了一个小规模算例。     

第三方物流企业配送中心选址研究

基于配送中心选址规划在第三方物流企业运营中的重要作用,以Y物流公司S市配送中心为例,分析Y物流公司S市配送中心的问题,运用层次分析法针对配送中心选址进行研究,通过定性分析和定量分析建立层次结构模型、判断矩阵,从而确定最优选址位置,进而为第三方物流企业配送中心选址提供合理化建议,以期提高企业的运营效率、降低企业的配送成本。