配送中心选址的自适应Levy分布混合变异鱼群算法

在建立配送中心选址模型的基础上,提出一种解决配送中心选址的自适应Levy分布混合变异人工鱼群算法。该算法将公告板的历史最优鱼个体代替当前鱼群中最差鱼个体,形成中间鱼群。在中间鱼群中,对历史最优鱼个体进行混沌变异,其他鱼个体进行Levy变异。Levy变异的引入,对于算法跳出局部最优解起到更好的引导作用,保持了鱼群的多样性。混沌变异的引入,增强了算法局部搜索的能力,保证了算法后期的收敛速度。通过算例仿真表明,Levy分布混合变异人工鱼群算法比基本鱼群算法更能有效解决配送中心选址问题,寻找到更低的费用成本。     

配送中心选址问题的BFO-AFSA算法研究

以细菌觅食算法改进的人工鱼群算法为工具,提出了一种新的解决配送中心选址问题的群智能算法。细菌觅食算法改进的人工鱼群算法主要针对基本人工鱼群算法后期容易陷入局部最优的缺点,利用细菌觅食算法局部搜索能力强的特点,将细菌觅食算法中的趋化思想应用到基本人工鱼群算法中。通过算法测试可以看出,改进人工鱼群算法在搜索精度、可靠性、优化速度及稳定性方面相对于基本鱼群算法更有效。通过选址实例仿真可以看出,改进人工鱼群算法在解决配送中心选址问题上相对于基本鱼群算法更具优越性,改进人工鱼群算法能够寻找到更低的成本。     

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.     

基于遗传算法的物流配送中心选址问题研究

本文在选择、交叉、变异等操作方面改进了基本遗传算法,将其应用于物流配送优化问题,进行了有益的尝试和分析。在理论上比较了基本遗传算法和改进遗传算法的性能,给出改进遗传算法在物流配送中心应用的算法。     

基于改进鲸鱼优化算法的物流配送中心选址策略

针对传统启发算法在解决物流配送中心选址问题上易陷入局部最优,导致降低物流系统效率降低的问题,提出一种改进的鲸鱼优化算法IWOA(Improved Whale Optimization Algorithm)。通过综合变异策略和随机正弦惯性权重对传统算法进行改进,提高收敛精度和全局搜索能力。实验仿真结果表明,改进的鲸鱼算法较其他启发算法具有更高的计算性能,可以合理计算出配送中心地址,很大程度提高了物流配送的运送效率。     

遗传算法在物流配送中心选址中的应用

本文在选择、交叉、变异等操作方面改进了基本遗传算法,将其应用于物流配送优化问题,进行了有益的尝试和分析,在理论上比较了基本遗传算法和改进遗传算法的性能,给出改进遗传算法在物流配送中心应用的算法。     

改进的人工鱼群算法在频率分配中的应用

在蜂窝移动通信网络中,为了应用有限的可用频谱来满足不断增长的客户需求,运用一定的优化算法合理规划频率资源显得尤为重要。针对这一问题,提出了一种改进的人工鱼群算法。算法引入了变异算子,来增强种群的多样性;采用动态调整步长,较好地平衡了全局和局部搜索能力;用整个人工鱼群的中心位置和全局极值位置代替人工鱼邻域中心位置和邻域极值位置,从而减少了算法的计算量,提高了运算精度。仿真结果表明,改进后的算法能够很好地解决频率分配问题,提高了算法的收敛率和收敛速度。     

基于改进模拟退火算法的生鲜农产品配送中心选址

运用传统模拟退火算法解决复杂非线性规划问题,存在降温速度与求解质量之间的矛盾,已经不能满足生鲜农产品配送中心选址的需求。为解决这一问题,本文设计一种改进模拟退火算法的生鲜农产品配送中心选址方法。其核心思路是将遗传算法与模拟退火算法融合。首先在退火过程的搜索环节引入以配送中心为编码的染色体个体,并筛选出符合目标函数参数条件的染色体集;然后应用改进模拟退火算法实现选址过程的整体优化;最后采用山东省A公司生鲜农产品配送中心选址问题进行仿真模拟。实验对比结果表明,在多次选址求解过程中,改进模拟退火算法能有效减少传统模拟退火算法在运算后期大量迂回搜索、无效搜索的问题,提升生鲜农产品配送中心选址效率。     

基于DNA-蚁群算法的车辆路径优化问题求解

蚁群算法在解决车辆路径问题(VRP)时存在过早收敛于局部最优解、收敛速度慢等问题,并且由于蚁群算法的参数选择没有严格规定,如果参数选择不当,将影响其寻找最优解的效率。为解决上述问题,将DNA算法中的交叉变异思想应用于基本蚁群算法中,提出一种新的DNA-蚁群算法,将基本蚁群算法中的参数进行DNA交叉变异,有效控制蚁群算法的参数选择,从而得到一组最优参数来求解VRP模型。实验结果表明,DNA-蚁群算法能有效解决车辆路径优化问题,更快寻找到全局最优解或较优解,提高了基本蚁群算法的寻优能力和效率。     

改进的花朵授粉算法在物流配送中心选址问题中的应用

针对当前算法求解物流配送中心选址问题时,普遍存在求解精度不高、速度较慢和规模较小等缺点,提出一种改进花朵授粉算法的智能求解方法。首先根据物流配送中心模型的特点将花朵授粉算法进行离散化,设计整数编码,再结合遗传算子的选择、交叉和逆转操作进行局部搜索。将花朵授粉算法的全局搜索与遗传算子的局部搜索融合,通过4个不同规模的仿真实验表明所提出的算法在求解精度、速度和规模上较其他算法具有优势,而且规模越大,改进算法的效果越明显,对中等规模的物流选址问题提供了一种较好的寻址方案。     

双重信息编码遗传算法在选址模型中的应用

在分析了一类配送中心选址问题的基础上,建立了该配送中心选址问题的数学模型。提出一种具有双重信息的遗传算法编码方案,并结合相应的遗传操作进行求寻优求解,最后通过实验证明了该方法的可行性和有效性。     

Multicriteria decision analysis for sustainable data centers location

Data centers (DCs) are complex organizational and technical infrastructures that assure the performance and reliability of modern information and communication systems. The high installation and operations costs of DCs and the stringent requirements regarding reliability and safety require close attention to the location of this type of facility. This paper proposes a multicriteria decision analysis (MCDA) approach for identifying the most interesting locations to install sustainable DCs, taking into account technical, social, economic, and environmental dimensions. For each of these main dimensions, the evaluation was formulated as a multicriteria sorting problem. These problems were analyzed using the outranking MCDA method ELECTRE TRI through the IRIS software, allowing for uncertainty about the criteria weights. The results are summarized in a graphical form, without attempting to reduce such incommensurable dimensions to a single value.     

A modeling framework for hospital location and service allocation

This paper proposes a modeling framework to plan for the supply and demand matching of public hospital beds in Hong Kong for the future years till 2006. It addresses the planning issues of (1) hospital locations and (2) service allocations, which include new services distribution as well as existing services redistribution. The structure of such a general modeling framework is emphasized here, with small-scaled numerical examples as illustrations for its intended useful purposes.     

应急资源布局评估与调整策略研究

基于地区现有应急资源布局评估,讨论了资源储备点选址与资源量配置的统一优化问题。提出了确定资源需求量的步骤,改善了原有资源布局评价方法;建立了同时应对多点需求的应急资源评估、选址与调配模型;通过约束条件线性化使该模型易于快速求解,更便于实际应用。给出的算例表明模型的合理与求解方法的有效性。     

基于层次遗传算法的物流配送中心选址策略*

在考虑物流规划部门和客户双方利益的基础上,采用双层规划模型描述物流配送中心的选址问题。基于进化博弈与多目标优化的思想设计了层次遗传算法来求解该模型,通过两个遗传算法的交互迭代求解物流配送中心选址问题。最后通过算例验证了模型与算法的可行性。     

时差定位的传感器位置分布研究

提高目标的定位精度一直以来都是无源定位关注的主要问题,通过分析目标位置误差的Fisher信息矩阵以及对应的Cramer-Rao下界与传感器位置及数量的关系,得到使定位误差最小的传感器分布情况.给出了目标距离较远时,在二维及三维定位中基于时差定位方法的传感器最佳分布.     

柔性配电网故障定位技术评述

本文通过对柔性配电网(flexible distribution network,FDN)进行分析,为了使FDN安全可靠稳定运行,但当FDN发生故障时进行故障的隔离和恢复存在很大困难,因此研究FDN故障定位技术具有重大的现实意义。首先对FDN的概念进行分析研究,对比传统配电网的运行方式闭环设计开环运行模式所存在的难题,对FDN的基础技术结合最新研究方向进行分析研究,传统配电网如何转变为FDN进行说明;然后本文总结研究传统配电网故障区段定位、故障定位;对故障区段定位、故障定位所涉及的主要研究方法进行分析,通过文献研究其适用范围和优缺点,并针对这些提出对应的建议,并结合上述分析,研究FDN故障定位技术和其所存在的缺陷以及未来所要研究的主要方向。最后指出当前柔性配电网和有源配电网研究主要存在的问题及未来研究的方向。     

分级响应的应急资源布局模型和算法

对如何在某地区建立分级的、多灾难情景下的资源布局进行了分析,提出了双层规划的数学模型,并给出了基于粒子群算法的模型求解方法,最后通过算例验证了模型和算法的有效性。     

不确定条件下应急资源布局的鲁棒双层优化模型

针对非常规突发事件中应急资源布局问题,在受灾点需求不确定和应急救援过程分为多个阶段的情景下,建立了省市两级应急储备仓库定位和物资配置的鲁棒双层规划模型。运用相对鲁棒优化方法,将上述具有不确定性系数的双层规划模型转化为从者无关联的确定性线性双层规划,提出了一种混合遗传算法进行求解,实现了省市两级应急资源布局的协同优化。通过实例验证了模型及算法的可行性和有效性。     

疫情期间生活物资集散点选址问题的降阶回溯算法

疫情爆发后,封控区内居民的生活物资发放问题成为亟待解决的焦点问题之一,该问题可抽象为疫情期间生活物资集散点选址问题,其实质为组合优化中的NP-hard问题。基于疫情封控期间的应急生活物资集散点选址问题的精确算法进行研究,首先得出一些可以降低问题规模的数学性质并证明利用这些性质可以减小问题规模,降低问题的求解难度;然后设计出分配子算法、上下界子算法以及降阶子算法;基于这些子算法提出一种可以减小问题规模同时得到最优解的降阶回溯算法;最后通过分析和求解若干个示例进一步阐述该算法的原理和执行过程,结果表明该算法能通过减小问题规模来降低问题求解的难度。