电子商务下现代物流企业配送系统优化研究

根据电子商务环境下物流配送系统的特点,建立了带时间窗的车辆优化调度问题的数学模型。设计了一种混合遗传算法,在求解的过程中加入了模拟退火操作,对每一代中的每个个体进行邻域搜索并依据模拟退火中的接受概率选择邻域个体,然后再进行选择、交叉、变异等遗传操作,以此来克服遗传算法早熟收敛的缺陷。用此混合遗传算法对模型进行求解,通过仿真实例计算,并与遗传算法比较,取得了满意的结果。     

MGASA算法求解物流中货物最佳运输路线

本文首先描述了在物流系统中,货物运输中的实际情况,对运输的成本、时间限制加以描述,并建立了数学模型。然后在对遗传算法和模拟退火算法进行分析对比的基础上,讨论了它们各自的优缺点,并将模拟退火算法和遗传算法相结合,构造混合遗传模拟退火算法。克服了单一遗传算法的不足,增强了其优化行为,并提高了优化的效率。在物流最佳运输路线问题上,混合遗传模拟退火算法表现出计算速度快,准确度高的特性。     

混合遗传算法求解一类多资源生产调度问题

研究了机器设备、工人人数和机器人三种资源受限制的多资源生产调度的问题,建立了数学模拟。采用遗传算法和模拟退火算法相结合的混合遗传算法对问题进行求解。通过仿真试验验证了该混合遗传算法求解此类多资源生产调度问题是可行的、有效的。     

制造企业供应链联盟伙伴选择问题及其方法研究

针对制造企业供应链联盟构建了伙伴企业选择的多目标模型。文章基于分析遗传算法及模拟退火算法,提出了将遗传算法和模拟退火算法两者结合来进行求解。同时,通过实例仿真结果表明了该模型和算法的可行性和正确性。     

遗传模拟退火算法——黑龙江TSP问题

以黑龙江省29个城市构造TSP问题,通过对实验数据的分析,得出了遗传模拟退火算法在求解精度上优于遗传算法或模拟退火算法。遗传模拟退火算法利用了模拟退火算法局部精确的求解能力补充了遗传算法在局部求解不够精确的弊端,从而加快了求解TSP问题的效率,同时,又将蚁群算法和遗传模拟退火算法做比较,从结果可以看出遗传模拟退火算法求解效果较好。     

物品配送路径优化的改进遗传算法

描述配送中心物品配送路径优化问题，并构造求解问题的改进遗传算法，在算法中引入模拟退火思想判断交叉操作后新个体的接受状态，同简单遗传算法相比，该算法能够增强全局收敛性，提高收敛速度。     

基于模拟退火算法的TSP问题研究

针对遗传算法求解TSP问题过程中出现的早熟现象,本文将模拟退火算法应用到TSP问题求解中,并进行了仿真实验。结果表明,该算法与遗传算法相比,可以更好地在全局范围内进行搜索。     

基于混合优化算法的带时间窗的车辆调度问题求解研究

论文建立了带时间窗的车辆调度问题的数学模型，并针对遗传算法在局部搜索能力方面的不足，提出将模拟退火算法与遗传算法相结合，从而构造了求解车辆调度问题的混合优化算法，并进行了实验计算。计算结果表明，用这种混合优化算法求解车辆调度问题，可以在一定程度上用模拟退火算法突跳性克服遗传算法在局部搜索能力方面的不足，从而得到质量较高的解。     

供应商选择问题的随机机会约束规划模型及其混合遗传算法

在供应商的最大供应数量、质量水平、送达时间均为随机变量且预算给定的条件下,建立了供应商选择问题的随机机会约束整数目标规划模型.鉴于传统方法求解随机规划较为困难,给出了一种将随机模拟、神经元网络和遗传算法结合在一起的混合遗传算法并用多个算例进行了验证,结果表明该算法有较强的适应性.     

混合遗传算法在运输路径问题中的应用

建立物流运输优化的数学模型,来构造求解该问题的遗传算法。通过分析和比较几种混合遗传算法,提高运输车辆路径优化问题的求解效率并可优化解的质量。