多目标进化算法在物流配送中心选址中的应用

传统的物流配送中心选址模型过于单一地追求物流成本的最小化,而没有考虑服务的质量与效率．本文将顾客时间满意度作为度量物流服务水平的一个标准,提出了物流配送中顾客时间满意度的计算方法,建立了以物流成本最小化和时间满意度最大化为目标的物流配送中心选址多目标优化模型．采用一种基于NSGA一Ⅱ的多目标进化算法来求解,通过选择合适的编码方法和遗传算子可以得到模型的最优解,并通过实际算例说明了模型和算法的有效性．该模型能一次得到多组有效解,从而可以为物流配送中心选址提供更加全面的决策支持．     

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.     

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。     

基于遗传算法的快递物流配送中心选址

以快递物流配送中心选址问题为研究对象,结合其选址特点构建了含有固定投资成本、管理成本、运输成本等诸多成本要素的目标函数,建立了基于遗传算法的选址模型,并利用改进后的求解策略或方法对算法模型进行求解,有效提高了算法模型的求解效率和求解质量.实例研究中,将Matlab2017a数学仿真编程软件与算法模型相结合,对算例进行求...     

基于时间满意度的物流配送中心选址问题研究

传统的物流选址问题过于简单地考虑时间这一对企业竞争力影响重大的因素,结合这一特点,笔者在参阅大量国内外相关文献的基础上,以系统科学和管理理论为指导,运用多学科交叉的集成分析方法,进行独立研究：从成本和效益两个角度分别建立了基于时间满意度的选址模型,并提出了相应的求解算法。本研究对于提高物流企业的运作效率,降低物流企业的运作成本,具有重要的参考价值,运用该研究成果,将会给企业带来良好的社会和经济效应．     

基于时间序列的养护站选址的CFLP优化算法

通过对传统的CFLP选址模型进行分析与改进,建立了基于时间序列的养护站选址的CFLP优化算法,并将该算法应用于典型的高速公路养护站的选址,结果表明,该算法是合理的,对于高速公路养护站的选址具有重要的参考价值.     

基于遗传算法的冷链配送中心选址

为保持生鲜食品的新鲜度,缩短在途时间和节省配送成本,建立了冷链配送中心选址模型。该模型以系统总成本最低为目标函数,结合生鲜食品的流通过程,形成了基于原产地、配送中心、生鲜超市的选址分配。采用遗传算法,运用MATLAB编程进行仿真,通过编码、选择、交叉等遗传算子,利用算例对选址模型进行仿真求解,仿真结果表明,遗传算法可实现资源配置,规划配送中心的选址分配。     

物流配送中心优化选址的方法与应用

介绍了近年来国内外有关配送中心选址的优化方法.对各种选址方法的优缺点和适用范围进行了评述.采用不同的选址模型、选址评价指标体系,对最终评价结果会产生不同的影响.认为方法的组合才是未来该领域研究的趋势.并以"重庆某医药物流配送中心的选址分析"为例进行配送中心选址的距离综合评价分析,介绍综合评价法在配送中心选址的应用过程.     

配送中心选址方法比较

本文比较系统地分析配送中心选址问题中的几种定量分析方法,比如重心法、线性规划法、Kuehn-Hamburger模型、CFLP模型、Baumol-Wolf模型和0-1混合整数规划模型等,给出了几种方法的优缺点以及它们的适用范围。     

考虑洪涝灾害强度的城市应急物流配送中心选址研究

当前应急物流领域中,应急物流配送中心存在网络布局不合理、应急物资配送效率不佳等问题亟待解决。为了解决上述问题,针对洪涝灾害发生后城市应急物流配送中心选址问题提出了一个优化模型。首先,通过灰色关联评价法对各地区洪涝灾害的相对强度进行评估,得到各地区的洪涝灾害强度系数;其次,在考虑各地不同的洪涝灾害强度系数、应急物资不同需求量和配送成本等多个因素下,构建满足多个约束条件的应急物流配送中心选址优化模型;再次,根据模型特点设计免疫算法对其进行求解;最后,以上海市突发大范围洪涝灾害为假设案例进行分析。结果表明：在考虑洪涝灾害强度的情况下,利用该选址方法可较快获得合理的应急物流配送中心选址方案。     

一种基于混沌的自适应免疫进化算法

基于免疫系统的克隆选择机理,利用混沌序列的遍历性,将混沌序列引入算法初始群体的产生和抗体的扩展过程,设计出新的扩展算子,从而提出一种基于混沌的自适应免疫进化算法。用不同测试函数进行仿真实验,结果表明该算法有效,并能以较快的速度完成给定范围的搜索和优化任务。     

一种基于阴性选择的免疫检测器生成算法

通过简单介绍计算机免疫系统的原理,并对传统阴性选择算法进行分析,针对其不足,提出了一种新的生成检测器的改进算法。对匹配规则的阈值可变,并引入了全局匹配和局部匹配的概念,提高了生成的检测器成为成熟检测器的概率。同传统的阴性选择算法相比,大大减少了不可避免的“黑洞”数量,提高了检测率。     

基于小生境免疫算法的多约束QoS路由选择

针对多约束Qos路由选择问题,将其转化为一个多约束赋权图最短路径问题,选择费用、带宽、时延和丢失率为QoS参数。针对一种免疫算法的不足,利用基于相似结构的小生境技术和共享算子对免疫算法加以改进。实验表明,该算法有较好的性能,大幅提高了QoS路由选择的效率。     

基于改进免疫遗传算法的网格任务调度

为改进网格计算中任务调度的低效问题,采用十进制的实数编码规则产生初始抗体群,由免疫遗传算法经过克隆和变异算子生成资源集合中的蚁群信息素,进而利用蚁群算法的并行性展开全局搜索,通过CloudSim仿真平台进行模拟,与粒子群算法及蚁群遗传算法进行对比,结果表明,改进的免疫遗传算法能够大幅提高网格计算任务调度效率,有效地解决网格任务调度问题.     

Self-adaptive learning based immune algorithm

A self-adaptive learning based immune algorithm (SALIA) is proposed to tackle diverse optimization problems, such as complex multi-modal and ill-conditioned problems with the high robustness. The SALIA algorithm adopted a mutation strategy pool which consists of four effective mutation strategies to generate new antibodies. A self-adaptive learning framework is implemented to select the mutation strategies by learning from their previous performances in generating promising solutions. Twenty-six state-of-the-art optimization problems with different characteristics, such as uni-modality, multi-modality, rotation, ill-condition, mis-scale and noise, are used to verify the validity of SALIA. Experimental results show that the novel algorithm SALIA achieves a higher universality and robustness than clonal selection algorithms (CLONALG), and the mean error index of each test function in SALIA decreases by a factor of at least 1.0×10⁷ in average.     

基于人工免疫算法的机组振动故障诊断方法

将人工免疫算法的负向选择原理应用于汽轮机转子振动故障诊断中,并提出疫苗作用抗体的改进办法。该方法利用转子正常工作样本和少量振动故障样本即可得到合理的抗体集,具有边检测边学习,不断动态调整的功能,在故障诊断时可以给出快速、准确的识别。最后通过转子实验台取得的振动数据验证了算法的有效性,检测结果表明准确率达到95%。     

基于免疫算法的球形译码算法研究

在多输入多输出(MIMO)系统的信号检测算法中,球形译码算法的性能最接近最大似然检测算法,是目前应用最为广泛的一种信号检测方法,但传统的球形译码算法在低信噪比时计算复杂度较高,在高信噪比时误码率性能不够理想.该文提出了一种改进的球形译码方法,利用免疫算法的寻优能力来获得最佳的初始搜索半径,从而达到在保证译码性能的同时有效地降低计算复杂度的目的.实验仿真结果表明,与传统的球形译码算法相比,基于免疫算法的球形译码方法在高信噪比下可以达到最大似然译码的性能,同时能有效降低低信噪比时的运算复杂度,从而更符合现代无线通信实时性的要求.     

An optimization algorithm for locomotive secondary spring load adjustment based on artificial immune

In order to control the locomotive wheel （axle） load distribution, a shimming process to adjust the locomotive secondary spring loads was heretofore developed. An immune dominance clonal selection multi-objective algorithm based on the artificial immune system was presented to further improve the performance of the optimization algorithm for locomotive secondary spring load adjustment, especially to solve the lack of control on the output shim quantity. The algorithm was designed into a two-level optimization structure according to the preferences of the problem, and the priori knowledge of the problem was used as the immune dominance. Experiments on various types of locomotives show that owing to the novel algorithm, the shim quantity is cut down by 30%-60% and the calculation time is about 90% less while the secondary spring load distribution is controlled on the same level as before. The application of this optimization algorithm can significantly improve the availability and efficiency of the secondary spring adjustment process.     

基于距离浓度免疫算法的机械优化设计

机械优化设计是复杂的非线性优化问题.受生物免疫原理的启发,提出了一种基于距离浓度的免疫算法,并将该算法用于机械优化设计中.通过对一个轴的优化设计实例表明,该方法比采用遗传算法和传统的免疫算法设计方法有更好的性能.     

启发式自适应免疫克隆算法

基于克隆选择学说,采用浮点数编码,提出了一种新的克隆选择算法.定义了精英克隆变异和启发式交叉2种主要算子;对高亲和度抗体实施小幅变异策略以进行局部搜索,对中等亲和度抗体群实施与高亲和度抗体群进行启发式交叉的策略以加快全局搜索,低亲和度抗体则死亡再生以保持种群多样性;为防止进化停滞,自适应地调整亲和度尺度变换参数.对4个复杂函数的测试结果表明该算法有效地克服了早熟问题,收敛速度快,性能稳定,精度高.