基于改进蚁群算法的时间窗约束下物流配送车辆路径优化研究

物流配送车辆路径优化作为一个涉及多影响因素、多目标需求的组合优化问题,其中带时间窗约束的物流配送车辆路径优化问题更是一个NP难题,较难得到最优解。文章分析带时间窗约束的车辆路径问题并建立相应数学模型,提出将变异和动态信息更新的改进蚁群算法应用于解决这类优化问题,同时仿真实验结果表明该算法能快速收敛于全局最优解,能有效地解决有时间窗约束下的物流配送车辆路径优化问题。     

基于模拟退火算法的混流生产线投产排序研究

建立了混流生产线投产排序数学模型,并运用解大规模组合优化问题,特别是NP组合优化问题的有效近似算法--模拟退火算法对该问题进行求解。通过算例比对,该方法在求解质量上优于目标追迹算法,从而证明模拟退火算法是一种能够有效解决混流生产线投产排序问题的新方法。     

模拟退火算法在实验预约系统中的应用

实验预约系统的核心任务是生成实验教学课表,课表的生成是一个典型的组合优化问题,模拟退火算法是解决此类问题的优秀算法之一。本文主要研究了模拟退火算法的原理与特性,并将其应用于实验教学预约系统的排课模块中,更好地提高排课效率,改善排课效果。     

智能优化算法求解车辆路径问题的对比分析

利用智能优化算法解决车辆路径问题(VRP)是组合优化领域的一个研究热点。论文介绍了蚁群算法，粒子群算法和模拟退火算法的算法原理和求解流程，选用了Solomon数据集的三种不同客户规模，通过利用python编制程序对三种智能优化算法的求解性能进行了测试。研究表明粒子群算法对各规模CVRP问题求解的效果均不尽人意；模拟退火算法在中小规模时算法求得最优解能力更好，蚁群算法求解大、中、小规模CVRP问题的综合评价最高。研究结果对于带容积限制的车辆路径问题的算法选择具有一定的参考价值。     

物流配送车辆调度问题算法综述

配送车辆调度优化问题旨在解决配送中路径和车辆调度问题的一类组合优化问题,是近年来物流控制优化领域的研究热点。文章对运输调度问题进行了分类总结,给出总体模型的概括描述,分析遗传算法、模拟退火算法、禁忌搜索算法、蚁群算法和微粒群算法的特点及其在求解配送车辆调度优化问题中的求解思路,并讨论了其求解现状,对未来研究方向进行展望,指出改进混合现有算法,开拓新算法将是更有效解决配送车辆调度问题的好方法。     

VMI下的物流配送VSP研究

首先分析了VMI下的物流配送VSP数学简化模型,其模型将运输与库存结合起来进行综合权衡.接着对模型求解设计了一个合适的求解算法,最后通过实例计算证明此模型和算法对解决此类问题是有效的.VMI环境下的物流配送VSP优化研究是传统物流配送VSP优化的延伸和扩展,在现实中有着广泛的应用,为继续深入研究VSP、JOBSHOP等组合优化问题打下了基础.     

基于启发式结果的模拟退火算法在布局问题中的应用

布局问题是一个组合优化问题．而模拟退火算法在处理这类问题再有明显优势。本文根据实际的装葙问题．采用了启发式的布局结果作为模拟退火算法的初始布局方案．取得较好的布局结果．计算结果表明．初始方案对布局结果有较大的影响。     

配送中心订单分批与拣货路径研究

建立了以最小化拣货路径距离为目标函数的分批与路径优化的组合数学模型,分别采用订单包络算法与遗传算法来解决订单的分批与路径优化问题,推导了双区型仓库模型下订单品项之间的通用距离公式。对订单分批前后分别按照传统穿越策略、S型策略和GA优化策略3种不同路径方法进行分析。算例分析证明,采用订单分批与GA路径优化的策略组合,其拣货路径距离最短,节约量最大,可以达到40.33%。     

基于粗糙集和组合神经网络的武器系统效能评估方法

针对武器系统效能评估中存在指标信息不确定和指标间关系不明确的问题,运用粗糙集和组合神经网络模型进行研究,提出了基于粗糙集的效能评估指标集约简方法,并构建了基于组合神经网络的效能评估模型,研究结果表明,基于粗糙集和组合神经网络的武器系统效能评估是可行、有效的,对全面而科学评价武器系统效能具有积极指导作用和较强实用性。     

用混合蚁群算法求解多工序订单生产计划

多工序订单生产排序问题,是一类典型的组合优化问题。采用混合蚁群算法,对一种多工序订单模型进行建模求解,并给出了详细的算法步骤。通过用不同数量的订单、工序组合的数据进行模拟计算与结果比较,证明了混合蚁群算法在求解此类的问题的有效性以及良好的鲁棒性。     

交互效应面板模型的EM算法和MCMC算法

交互效应面板模型是目前计量经济学前沿研究的热点,有着广阔的应用空间。但是对很多应用者而言,模型内的参数估计是一个非常棘手的问题。通常的Newton-Raphson算法在优化似然函数的过程中,常常会出现优化失败的情况。本文依据EM算法和MCMC算法理论,为应用研究者提供了一套获得参数估计值的流程。计算机上的试验证实两种估计方法都非常稳健可靠,并在很多情况下,差异不是很大。     

基于约束的离散粒子群算法求解大规模指派问题

针对现有进化算法在求解传统指派问题时因取整而影响优化效果的问题,采用了一种基于AllDifferent约束的置换离散粒子群优化算法,该算法针对指派问题中各变量不能重复取值的特点,改进了算法的迭代方式,并引入了模拟退火的差解接受准则以提高优化效果,仿真算例表明改进后的算法在质量上和时间上更具有效性。     

A new three-dimensional manufacturing service composition method under various structures using improved Flower Pollination Algorithm

With the growing complexity of customer requirements and the increasing scale of manufacturing services, how to select and combine the single services to meet the complex demand of the customer has become a growing concern. This paper presents a new manufacturing service composition method to solve the multi-objective optimization problem based on quality of service (QoS). The proposed model not only presents different methods for calculating the transportation time and transportation cost under various structures but also solves the three-dimensional composition optimization problem, including service aggregation, service selection, and service scheduling simultaneously. Further, an improved Flower Pollination Algorithm (IFPA) is proposed to solve the three-dimensional composition optimization problem using a matrix-based representation scheme. The mutation operator and crossover operator of the Differential Evolution (DE) algorithm are also used to extend the basic Flower Pollination Algorithm (FPA) to improve its performance. Compared to Genetic Algorithm, DE, and basic FPA, the experimental results confirm that the proposed method demonstrates superior performance than other meta heuristic algorithms and can obtain better manufacturing service composition solutions.     

车辆数不确定的软时间窗车辆路径问题的改进遗传算法

综合考虑车辆数和行驶距离两种优化目标,提出了VRPSTW的多目标优化模型,同时提出了解决VRPSTW问题的一种改进遗传算法。在算法中,通过适应度函浸透的变化,较好地解决了多目标优化的问题;通过对交叉算子改进,增加了算法的寻优能力,同时又克服了算法对群体多样性的要求;针对遗传算法局部搜索能力弱的问题。加入了2-opt局部搜索方法,很好地弥补了遗传算法的不足。经过实验,本方法能较好地解决VRPSTW问题,从而对运榆决策提供有力支持。     

基于微粒群优化算法的物流配送中心选址问题研究

结合物流配送中心选址的特点，建立数学模型．在此基础上研究了基于微粒群算法的物流多配送中心选址问题，得到一种新的多配送中心选址方法。仿真结果证明此方法比传统选址方法更适合多配送中心选址和非线性问题的优化，并且具有传统算法所不具备的灵活性，适用多样的物流配送模型。     

基于混合微粒群优化算法的配送中心选址问题求解

将微粒群优化算法和模拟退火算法结合．针对配送中心选址问题．构造了微粒表达方法。提出了此问题的一种混合微粒群优化算法。通过整数规范化。微粒群能在整数空间内对问题进行优化求解。该算法能克服基本微粒群优化算法精度较低，易发散的缺点，有较高的搜索效率。经过实验仿真，与基本微粒群优化算法、遗传算法进行比较．证明了该算法的有效性。     

遗传算法在现代物流系统中的应用研究

遗传算法是一种基于自然进化原理的全局搜索随机算法。通过遗传算法特点的介绍,阐述了物流规划中的相关问题。研究了遗传算法在选址问题、配送问题、调度问题、运输问题、布局问题等问题中的应用方法,介绍了其理论价值,及对实际工作的指导作用。     

自适应粒子群优化算法在混沌系统参数估计中的应用

惯性权重w的变化会影响粒子群优化算法的搜索能力,本文针对基本粒子群算法不能适应复杂的非线性优化搜索过程的问题,在其基础上提出了一种动态改变惯性权的自适应粒子群算法。该自适应算法引入了h来衡量算法的进化速度,引入s来衡量算法的粒子聚集度,并将其作为函数w的变量,使w与算法的运行状态相关,从而使算法具有动态自适应性。最后,本文引入了两个经典的测试函数对该PSO算法进行测试,结果表明该算法明显优于基本PSO算法。     

浅析腐蚀算法

腐蚀算法是数学形态学中的一种算法,它和膨胀算法、细化算法都是以对图象进行各种参数的观察和分析,并加以处理,从而得到对图象质量的改善的算法。腐蚀算法实现的方法很多。首先对腐蚀算法进行了概念说明,然后对腐蚀运算进行了分析。