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。     

基于微粒群算法的配送中心选址研究

作为挖掘现代企业利润源泉的突破口,配送在物流活动中占有举足轻重的地位。多网点配送中心选址是后续物流活动开展的首要条件,对于该问题的研究具有现实意义。由于微粒群算法的普适性、鲁棒性、全局搜索性等特点,在求解复杂问题中能够较好地体现其优越性。结合运筹学中的运输规划的思想,对复杂的数学模型进行了简化,并针对问题的特点构造了求解编码机制。根据文献资料,将其中的仿真数据进行了整合,使得数据具有一定的现实意义,并用微粒群算法进行求解,得到了较好的效果。     

基于改进PSO算法的物流配送中心选址

首先对物流配送中心选址进行分析,在考虑固定建设费用及运输成本等的基础上建立数学模型。针对模型的特点,采用流行的群智能算法—粒子群优化算法进行求解。在对基本粒子群算法的分析基础上,提出了改进的粒子群算法,克服了基本粒子群算法早熟以及易于陷入局部最优的缺点。利用典型的基准测试函数Shaffer对算法进行验证,最后给出仿真实例,证明了算法的合理性。     

基于鲶鱼效应粒子群算法的物流配送中心选址

针对标准粒子群算法存在的易陷入局部最优解缺陷,提出了一种基于鲶鱼效应粒子群算法的物流配送中心选址策略(CFPSO)。该算法通过引入自然界的"鲶鱼效应"保持粒子群的多样性,提高了算法的全局搜索能力,使算法寻优速度有明显的提高,最后通过仿真实验对算法性能进行验证。仿真结果表明,相对于遗传算法、标准粒子群算法,CFPSO算法可以获得更优的物流配送中心选址方案,尤其对于大规模物物流配送中心选址问题,该算法的优越性更加明显。     

基于启发式算法的物流配送中心选址研究

目前,物流已成为企业第三利润源泉,是现代化生产的重要组成部分,合理的物流网络规划对企业至关重要。其中,配送中心作为联结着需求点和资源点的桥梁,在整个物流网络中起着举足轻重的作用,配送中心的选址问题更是备受关注,精准的选址方案可以提高物流网络的整体效益,节约企业的运作成本。     

物流配送中心选址数学模型和算法问题研究

在对物流配送中心选址问题进行理论综述和分析的基础上,以综合运输成本最低为基本约束条件构建了选址的数学模型,并通过启发式算法求得了模型的最优解,得出了各工厂对各物流配送中心以及物流配送中心到各货物配送需求点的最佳配送数量,并通过一个实例对模型进行验证和分析,结果证明该模型和算法可以有效优化物流系统的运作和提高运行效益.     

基于GIS和粒子群算法的两级物流配送中心选址优化方法及应用

根据总运费最小化原则,以用户空间数据库为背景建立了针对两级配送中心的选址优化模型。为了对选址优化模型求解,提出了一种变异粒子群算法。以地理信息系统(GIS)为平台,对山东省区域物流配送中心的选址优化进行了实证研究,所得结果符合山东省实际情况,表明本文提出的选址优化方法具有较大的应用价值。     

物流配送中心选址研究

系统介绍了以降低成本与提高服务效率为目标的传统物流系统配送中心选址模型的发展与特点。在此基础上，介绍了近年来在供应链环境影响下发展而来的考虑库存成本与各级企业利益协调的现代配送中心选址模型。     

我军战术物流配送中心选址问题研究

针对物流配送中心选址问题.阐述了综合考虑战术物流配送中心选址的原则,运输配送成本等因素,结合实际,运用重心法、启发式算法确定出配送中心的地址。     

应急物流配送中心选址问题模型研究

文章提出一种应急物流配送中心选址问题的混合整数规划模型,利用Matlab软件,结合算例,求解出应急物流配送中心选址最佳方案.     

基于协PSO算法的物流配送中心选址研究

针对多目标物流配送中心选址问题,建立选址模型,并设计离散协粒子群算法,最后利用该算法进行了实例研究,结果表明该算法是有效、可行的。     

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。     

基于量子粒子群算法的连杆机构的优化设计

粒子群算法是一种基于鸟群的智能优化方法,量子粒子群算法是对粒子群算法进行改进的算法,运算规则简单,收敛速度快,变量少,易于编程实现。对于多目标、多约束条件的四连杆机构优化设计,本文提出了一种基于量子粒子群算法求解的设计方法。经过仿真实践,能够有效求解,是求解四连杆机构优化问题的一个较好方案。     

配送中心选址评价指标体系研究

配送中心选址要考虑的因素很多,本文在实际调研和深入分析的基础上,提出了包含自然环境因素、经济因素、投资环境等因素的配送中心选址指标体系,并对某快消品批发企业配送中心企业选址进行了验证。     

多粒子群混合算法求解虚拟组织服务资源配置

为了提高虚拟组织服务资源配置的效率,本文提出了一种多粒子群混合算法。该混合算法将多种群与线性搜索相结合,在算法优化过程中,通过多个粒子种群协同来控制种群的多样性,将多种群中较优的粒子进行复制,同时在每个种群中对单个粒子进行维变量变换。实验结果表明该方法具有可行性。     

基于遗传算法的配送中心选址及配送区域划分问题研究

在现有研究的基础上,建立了多个配送中心的选址及配送区域划分模型,在模型建立过程中既考虑了配送中心到需求点之间的距离、道路流量与可靠性等因素,也考虑了配送中心自身及其周围的环境因素,结合层次分析法,将这些因素转换为综合成本,使模型更具现实意义。采用遗传算法求解,使该问题的求解过程得到简化。最后用实例对模型进行了验证分析,说明该模型的合理性。     

基于GIS的多级物流中心选址动态模型分析

介绍GIS网络分析技术的基础上,重点分析了影响城市物流配送中心选址的若干因素。结合鲍姆尔-沃尔夫法的选址思想,提出了基于GIS的城市配送中心选址模型,并对模型进行了实证分析。     

一种改进的粒子群优化算法

介绍基本粒子群优化算法的原理、特点,并在此基础上提出了一种改进的粒子群算法。通过在粒子初始化时引入相对基的原理使粒子获得更好的初始解,以及在迭代过程中引入变异模型,部分粒子生成相对应的扩张及收缩粒子,比较其适应度,保留最佳粒子进行后期迭代,使算法易跳出局部最优。通过经典函数的测试结果表明,新算法的全局搜索能力有了显著提高,并且能够有效避免早熟问题。