改进的遗传神经网络优化选址方法

针对当前遗传神经网络在选址研究中缺少考虑影响因子权重的问题以及算法在求解时易于过早收敛的缺陷,提出一种利用模糊C均值聚类算法改进遗传神经网络模型的优化选址方法。通过建立选址中心决策矩阵,确定相应影响因子及其取值范围,得到所有影响因子的权重,进行迭代计算得到最优选址方案。实验以黑龙江省物流公司选址为例,分别采用BP(back propagation)算法、GA-BP(genetic algorithm and back propagation)算法和C-GA-BP(fuzzy C-means and genetic algorithm and back propagation)算法对选址的建设成本进行优化计算,经过验证,该方法提出的C-GA-BP算法在选址方面具有优化精度高、优化效果显著等特点。     

战区装备保障点动态选址仿真问题研究

传统的选址决策多为静态选址,很少分析动态因素影响。综合考虑需求变化和物价上涨等因素,针对解决战区装备保障点的动态选址优化决策问题,首次提出建立了动态的广义最大覆盖选址模型,采用分析遗传算法、BP神经网络和模拟退火算法的优缺点基础上,设计并提出了一种遗传模拟退火算法与BP的混合算法,并根据算法步骤设计了动态选址实验流程。用实例进行仿真研究,结果表明了改进算法的有效性,同时较好地解决了战区装备保障点的动态选址优化问题。     

蚁群算法物流配送中心选址优化仿真研究

研究物流配送选址优化调度问题。为了有效节约车辆运输成本,应选择最优路径。城市车辆调度路径选择,存在路网复杂性,参数设置较多,传统的调度算法存在计算复杂度高,不利于实际应用。为解决优化选址问题,提出了一种改进的蚁群优化物流配送选址方法。算法把求得的解首先分解为解对,然后通过改进的蚁群优化算法将解对从不确定性转变成确定性问题,可以大大的降低求解过程。通过仿真表明,提出的优化算法不但降低了计算的复杂度,优化了选址模型,而且为解决物流选址问题提供了新的有效途径。     

基于鲸鱼优化改进算法的基站选址

基站选址优化是网络通讯中的重要优化问题,对网络通讯质量有着极大的影响。本文基于基站选址优化问题的约束条件,以网络覆盖率作为优化指标,构建一种基站选址优化模型。传统优化算法有着收敛速度慢、易于陷入局部最优等问题,为此本文提出一种鲸鱼优化改进算法。首先,引入收敛因子随着迭代次数非线性递减的自适应改变策略以提升算法收敛能力;然后,对部分个体施加服从正态分布的变异扰动,以避免算法早熟收敛。其测试函数和基站选址优化问题的测试算例的仿真结果表明,本文提出的改进算法能够获得更理想的优化解,且具有较快的收敛速度。     

应急设施选址问题研究综述

合理的应急设施选址能够显著提高应急服务的质量和效率,在医疗、救灾和人道主义物流等领域具有重要的研究意义。根据时效性和应用领域对应急设施进行分类,从不同设施种类的角度阐述国内外研究的主要区别。按照基本选址问题、动态选址问题、随机选址问题、鲁棒选址问题和其他选址问题5种类型论述应急设施选址模型的研究现状,从求解方式、优化算法、测试用例3个角度对模型优化求解方法进行对比分析,指出当前研究存在的不足,并对应急设施选址问题的未来研究方向进行展望。     

基于微粒群优化算法的超市最优选址定量化研究

论文尝试使用微粒群优化算法与GIS相结合解决超市最优选址问题。首先,对影响超市经营好坏的因子进行了分析,包括:人口密度、交通因子以及竞争因子的影响;然后,详细阐述了微粒群优化算法与GIS技术相结合用于解决超市最优选址的实施方法;最后,以广州市芳村区为例,对PSO方法进行实例验证。通过与穷举法进行对比实验,证明微粒群优化算法具有较好的收敛速度、较高的结果精度,是解决超市最优选址的一种有效方法。     

模拟退火算法改进BP算法的区域物流中心选址

合理的区域物流中心选址是加速区域物流网络升级优化,促进经济持续、健康、稳定发展的基础。文中运用模拟退火算法改进BP学习算法构成一种新的优化算法,通过学习和迭代求出问题的解。首先,运用精确的数学模型描述BP学习算法,并通过图形阐明模拟退火算法改进BP算法的流程;然后,针对改进后的算法规划了6个选址步骤;最后,通过具体选址实例,验证改进算法和步骤的有效性。文中研究的算法在收敛稳定性、收敛速度、初值敏感性等方面具有良好的效果,表现出高效、实用、简洁的特性。     

一种加权距离连续K中心选址问题求解方法

K中心选址作为一种经典问题,学者们提出了很多好的解决方法,但是对于加权距离连续K中心选址问题的研究一直没有很好的进展.本文针对连续K中心选址问题,以最小加权距离作为优化目标提出改进的粒子群优化算法(SA-PSO).本文将模拟退火机制引入PSO算法并且加入惯性权重等策略对算法进行改进,使得该算法可以更快收敛于全局最优.仿真实验结果表明,SA-PSO算法相比于GA算法和K-means算法,具有更强的稳定性,收敛速度更快,并且优化得到的加权距离更小.     

空间优化选址中的增强型人工蜂群算法

公共服务设施选址是一种复杂的空间优化问题,选址的好坏关系到公共服务设施能否发挥其最大作用。利用穷举算法难以对高维的数据问题进行求解。针对空间优化选址的特点及人工蜂群算法收敛速度慢的问题,提出了适合空间选址的邻域搜索新公式,并将交叉的思想引入到了算法中,加快了全局最优解的寻优速度。对算法的可行性和有效性进行了验证,实验表明增强型人工蜂群算法比基本的人工蜂群算法取得了较优的效果。     

仿生优化算法及其在变电站选址中的应用

本文对遗传算法,蚁群算法,粒子群算法,人工鱼群算法等具有代表性的仿生优化算法的特点进行比较,并对其在变电站选址中的应用进行了总结和综述。提出了对仿生优化算法的一些改进策略及其一些尚待研究的工作。     

一种基于市场真实情况的ATM选址模型的研究及应用

自动取款机(ATM)的部署受到人口密度、商业、同行竞争和已部署机具场景等诸多因素影响。针对ATM选址问题,提出和设计一种基于Voronoi图和修改的K中心点聚类的求解算法,构建更符合市场真实情况的ATM选址模型。该ATM选址模型已成功应用于深圳市某银行,仅选取了4个新ATM的部署地点,使用户到该银行ATM部署点的加权距离减小了11.8%,取得了合理应用效果。     

改进神经网络在粮油配送中心选址中的应用

在建立以控制成本为核心的粮油配送中心选址模型的基础上,分析了选址过程中的影响因素;结合人工神经网络与选址影响因素之间的特点,引入了经遗传算法优化的神经网络模型。为解决遗传算法易陷入局部最优的问题,提出了一种在变异算子中增加禁忌表的方法。实例求解表明,与专家评审的选址决策相比,该算法能够有效解决粮油配送中心的选址问题。     

BAO及在商业选址分析中的应用

商业选址与布局关系到企业未来的规划与发展,是企业经营战略的重中之重。由于传统分析研究方法的局限,促使现代商业网点的选址迫切地需要新技术的支持以适应现代商业经营方式的根本性转变。为了降低企业成本、获取更多的市场份额以及更好地服务客户,文中分析了影响商业网点选址的人口、交通、市场竞争三个关键要素,介绍了Esri公司推出的在线商业选址应用-Business Analyst Online (BAO),探讨商业选址分析的主要流程。通过在案例中应用BAO的主要功能,得出最佳商业选址,为企业决策者制定经营目标和经营策略提供了重要依据。     

GIS和RBF网络在直升机机降点选址分析中的应用

针对直升机机降点选址的重要性和复杂性,讨论了影响机降点选址的主要因素及其内容的确定和量化方法,本文提出以GIS为可视化分析平台,辅助基于免疫单克隆算法优化的RBF神经网络为分析模型的综合选址方法,最后,对本文提出的选址方法进行了仿真验证,仿真结果验证了该方法的有效性。     

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。     

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。     

BAO及在商业选址分析中的应用

商业选址与布局关系到企业未来的规划与发展,是企业经营战略的重中之重。由于传统分析研究方法的局限,促使现代商业网点的选址迫切地需要新技术的支持以适应现代商业经营方式的根本性转变。为了降低企业成本、获取更多的市场份额以及更好地服务客户,文中分析了影响商业网点选址的人口、交通、市场竞争三个关键要素,介绍了Esri公司推出的在线商业选址应用-Business Analyst Online（BAO）,探讨商业选址分析的主要流程。通过在案例中应用BAO的主要功能,得出最佳商业选址,为企业决策者制定经营目标和经营策略提供了重要依据。     

基于BIRCH聚类的物流配送设施选址算法

物流配送设施的选址对于物流成本、在途时间影响巨大.其特点包括：配送设施选址和配送路线交互影响、多层级选址、配送设施存件数量均衡性等.本文通过分析物流配送设施选址的特点设计了一个基于BIRCH聚类的物流配送设施选址算法,融合了BIRCH聚类算法和基于Dijkstra距离的重心法,为物流配送设施选址提供了更好的方案,大幅节约长期运营成本.     

集成三级物流系统的网络规划问题研究*

选址—路径问题是物流系统中的一个组合优化问题,启发式方法一般采用两阶段法将其分解为选址分派和车辆路径问题来顺序求解,但这两个阶段间的信息无法有效传递,因而往往不能得到集成问题的优化解。设计了具有能力约束的三级物流网络选址—路径问题模型,采用遗传算法整体求解该问题,避免了顺序求解带来的问题;设计了采用整数编码的三级染色体编码结构,采用禁忌搜索算法对交叉和变异操作作了改进,提高了算法的搜索效率,能够更适合集成问题的求解;最后通过算例分析,验证了本算法求解小规模选址路径问题的有效性。     

基于两级配送的易腐乳品配送中心选址研究

乳品配送中心的合理选址是实现低成本、高效率、高质量乳品配送的有力保障,对于提高乳业物流系统综合效益,优化资源配置,带动相关产业发展具有重要意义。重点构建了基于两级配送的乳品配送中心选址模型,目标函数除包含系统总配送成本外,特别针对易腐乳品时效性强的特点,将货损成本列入其中做重点考虑;通过算法比较,选择遗传算法求解模型,使用C语言编程得以实现,并以蒙牛乳业北京地区的配送中心选址问题作为调研对象进行算例分析,验证了模型及算法的有效性。该研究对于乳品企业配送中心选址和配送网络优化提供了重要理论基础和实践思路。