基于改进的蚁群算法的汽车零部件物流配送路径优化

文章针对汽车零部件产业中入厂物流模式进行研究,在分析库存和配送之间的博弈合作关系以及考虑时间窗对实际物流配送过程的重要影响下,建立带软时间窗约束和库存约束的汽车零部件循环取货入厂物流模型,并将禁忌搜索算法中禁忌最优路径的思想融入了传统蚁群算法中,通过改进后的蚁群算法求解模型,最后结合具体实例利用Matlab软件进行仿真试验,得到优化后的汽车零部件的循环配送线路方案,验证了模型和算法的有效性。     

基于蚁群算法的物流配送路线优化研究——以重庆市渝中区为例

蚁群算法于上世纪末提出,是继遗传算法之后的一种启发式算法,用于解决组合优化问题.它借鉴蚂蚁通过自组织的协作能力而产生的群体智慧来解决组合优化问题.ACO算法的特点在于使用正反馈,在较优的解的路径下,留下较多的信息激素,信息素会吸引更多蚂蚁走这条路径,这个过程中,会引导整个系统向最优解的方向迈进.蚁群算法可以用来解决一些尚未找到有效算法的问题,而且蚁群算法还是元启发式算法(Meta-heuristic),是一种算法框架,可以在其基本思想上针对不同问题做改进从而应用到不同问题上去.     

基于模糊模拟的遗传蚁群算法在模糊需求车辆路径问题上的研究

在对模糊车辆路径问题进行简单描述的基础上,通过引入决策者主观偏好的理念,给出了解决该问题的基本思路,建立了具有模糊特征的车辆路径问题的模糊机会约束模型,提出了求解该问题的一种基于模糊模拟的遗传蚁群混合算法。同时,在最小化总行驶距离的目标下,通过随机模拟方法研究了决策者主观偏好值的选择对最终决策目标的影响作用,并给出了其最佳取值范围。     

基于agent和蚁群算法的多供应商选择问题研究

一、算法设计 (一)问题描述 本文所讨论的供应商选择模型是一个多目标、多阶段的研究模型.核心企业生产的产品A,由若干个加工工序构成,各个工序之间有相互的约束关系.其中有的工序需要由核心企业自己生产,有的工序外包给供应商进行生产,供应商的可选择数量大于1.     

基于蚁群优化的无线传感器网络QoS路由算法研究

蚁群优化算法具有正反馈、鲁棒性、并行分布式计算等特点,在诸多领域得到了广泛的应用和发展.蚁群优化自身结构的自组织、随机性、动态性和分布式的特点与无线传感器网络结构有着不谋而合的相似之处,将蚁群优化应用带无线传感器网络中,是当前研究的一个热点方向.文章介绍了蚁群优化的基本原理和实现方法,针对无线传感器网络QoS路由的特殊性,提出了一种基于蚁群优化的无线传感器网络QoS路由算法.     

多目标指派算法在交通救援里的应用

交通救援是交通事故研究中最重要一环,是减少交通事故损失的关键阶段.本文通过多目标指派算法应用于交通救援体系中,从而实现交通事故损失最小化,救援总时间最少等多个目标.体现指派算法在多目标交通救援中的优越性.     

基于多目标规划的应急物流优化设计研究

本文以近些年来突发公共事件的应急物流实践情况为参考基础,从解决应急物流系统定位-路径问题集成优化问题的角度出发,以实现应急物资运达总时间最短和物流系统总成本最小的多目标,综合运用多目标规划的理论设计构建起的一个基于突发性公共事件的物流系统多目标定位-路径优化模型.     

基于NSGA-Ⅱ算法的电力企业应急物资储备中心选址研究

首先阐述了电力企业应急物流的基本现状,结合省级电网企业应急物资储备中心选址的目标和原则,进行了应急物资储备中心选址问题研究,并建立了省级电网企业应急物资储备中心选址模型。采用NSGA-Ⅱ算法来进行模型求解,最后以NX省电网应急物资储备中心选址为实例进行了分析。     

基于换乘次数最少的城市公交网络最优路径算法

依据对公交乘客出行心理调查的统计结果,指出换乘次数最少是乘客出行时考虑的首要因素。描述了传统的Dijkswa算法,并分析了Dijkstra算法不适合公交网络最优路径选择的原因.最后根据公交乘客可以步行小段距离再转车的实际情况,提出一种基于换乘次数最少的公交最短路径改进算法.     

基于云平台的突发公共安全事件下应急物流路径优化研究

公共安全事件事发突然,危害极大,往往会造成极大的生命财产损失.应急物资分配不当、协同运输效率低、救灾成本高、非营利组织处理应急物资能力不足等问题也为公共安全事件的防控带来一定的隐患.本文基于新冠疫情、河南洪涝等公共安全事件的处理经验,搭建基于云平台的应急物流模式,以减少由于信息不对称性所带来的成本,提高应急物资分配效率.通过具有君主方案的遗传算法对基于云平台的应急物流路径进行优化.样本网络数值表明,该云平台能降低运输时间,减少配送成本,找到物资最优配送路径,且具有较好的稳定性.     

基于设施选址理论的小城镇应急医疗服务中心功能优化——以山东省滕州市为例

加强小城镇突发公共事件的应急管理,建立符合我国国情,尤其是农村农情的应急管理模式,成为一项重大的挑战性的研究课题。对考虑覆盖半径内需求满意差异的设施选址模型进行改进,建立了设施点功能优化模型,给出一种启发式算法。把所建模型应用于山东省滕州市现有7个小城镇应急医疗服务中心的功能优化,得出其最优服务镇与服务半径,画出服务布局图,并提出相关建议。最后,提出进一步拓展研究的方向。     

基础设施投资预测——基于改进的GA-PSO算法下的V-SVR模型

首先全面分析了基础设施投资的影响因素。然后将改进的GA-PSO算法应用于V-SVR模型的参数寻优过程中,并结合有效的输入样本进行模型训练,构建了基于改进的GA-PSO算法的基础设施投资预测V-SVR模型。最后利用1985—2011年广州市基础设施投资的面板数据,对该模型的预测效果进行验证。结果表明:该预测模型的参数寻优效率和预测精度均得到较大程度的提高。     

基于扎根理论的企业数字化创新形成路径 ——一个多案例研究

在全球数字经济进入加速创新的时代背景下,如何系统推动我国企业数字化创新,成为理论界和实业界亟待破解的难题。从数字化创新理论出发,基于康泰医学、广州银行、诺贝尔瓷砖3家企业访谈数据,采用扎根研究和多案例研究方法,借助NVivo12.0软件辅助编码,对数字化创新形成路径进行探析,提炼出驱动因素、外部环境、内部环境、关键活动、数字化创新5个主范畴,并在此基础上凝练出数字化创新路径这一核心范畴,进而构建企业数字化创新形成路径的理论模型。结论拓展和深化了数字经济环境下数字化创新理论研究,对企业数字化创新实践具有指导意义。     

双元驱动下智能制造发展路径——基于本土制造企业的多案例研究

智能制造通过数字化集成对制造资源进行优化以满足用户个性化需求,是我国制造业克服“低端锁定”、实现产业升级的重要途径。以海尔、华为、吉利3家本土制造企业为研究对象,应用扎根理论进行多案例分析,构建“驱动-转变-绩效”的智能制造发展机理模型,明确智能制造从起步到“生态化”不同阶段特征。研究结果表明：技术与服务的双元驱动引发企业运行机制转变进而形成智能制造绩效,制造过程变革与资源集成、服务拓展与理念更新促进智能制造转变,智能制造不同阶段在方向、作用条件、关键环节方面存在明显差异。     

场景式解决方案开发路径研究——基于场景驱动视角的多案例分析

选取海康威视、科大讯飞、东软和浪潮作为案例分析对象,采用多案例研究方法挖掘企业开发场景式解决方案的内在规律,提炼场景式解决方案开发路径和内源动力。研究发现：(1)场景式解决方案开发具有场景驱动的关键特征,主要表现为场景渗透和场景覆盖两个维度;(2)在场景驱动下,企业基于“需求识别—技术集成—服务运维”实现路径开发场景式解决方案;(3)数据使能是场景式解决方案开发的内源动力,有利于促进需求识别、技术集成、服务运维等开发环节之间的过渡。研究结论有助于丰富对场景式解决方案的理论认知,深化对场景驱动下服务创新模式的理解,在一定程度上将解决方案研究推向纵深。     

我国家庭应急产业发展的动力机制与路径探析——基于自组织理论和事件系统理论的危机事件分析

近年来,以突发性公共危机为代表的"黑天鹅"事件不仅给整个社会的经济发展增添了许多不确定性,同时也给国民经济带来了巨大损失,因此,如何提高全民的危机防控能力是完善我国应急管理体系的当务之急。本文基于自组织理论和事件系统理论深入剖析了突发性公共危机事件对于我国家庭应急产业的启示,目的是厘清影响我国家庭应急产业发展的相关因素,以此来更好地推动我国家庭应急产业的发展。424份样本的Fieller法研究结果显示:随着危机事件的发展,民众对于应急产品的购买意愿呈现U型变化趋势,这反映了危机前家庭应急产品在民众日常生活中的缺位,以及危机之后民众备灾防灾意识的增强。因而,推动我国家庭应急产业发展的关键在于引导全民在灾害意识上形成价值自觉,打造事前防灾备灾,事中自救互救,事后"反哺"公共救援的全方位公共应急管理体系。     

房地产税开征背景下商业房地产价格估算——基于改进的粒子群算法

对房地产的准确估价是开征房产税的基本前提,寻求和采用准确性高、成本低的房价评估方法是非常必要的。针对普通的商业房产地估价问题的复杂性,融合灰色关联理论、模拟细菌行为改进的粒子群算法和神经网络算法的优势,本文提出了一种新的商业房产地估价模型——基于灰色关联理论、模拟细菌行为改进的粒子群算法和神经网络算法集成的商业房产地估价模型。首先利用灰色关联理论求得影响商业房产地价格的主要因素,从而优化BP神经网络的输入变量;然后利用模拟细菌行为改进的粒子群算法优化BP神经网络初始权重和阈值。该方法能有效地提高普通BP算法对非线性问题的处理能力,同时也提高了普通BP算法的收敛速度和搜索全局最优值的能力。本文选取湖南某市进行实证研究表明,新的估价方法能较准确地估测商业房地产的价格,在商业房地产估价中具有较好的应用前景。     

科技企业孵化器高孵化绩效因素识别、组态构型与突围路径——基于fsQCA的多因素组态分析

当前,疫情突发、制裁频发及逆全球化问题使外部环境日趋不稳定,科技企业孵化器生存发展面临诸多困难,其在后疫情时代应该如何转型升级,成为学界与业界亟待解决的问题。利用数据挖掘与QCA分析法,探究科技企业孵化器高孵化绩效的关键因素与组态构型,提出后疫情时代科技企业孵化器突围发展的路径选择。结果发现：①科技企业孵化器孵化绩效受政策倾斜、科技创新、孵化器规模等外部因素以及资金、人才、技术及关系服务等内部因素的共同影响;②科技企业高孵化绩效存在资源、产业、创新及综合驱动4种组态构型;③科技企业孵化器可转型为资源驱动型孵化器,又可发展为技术驱动型孵化器,也可优化为产业驱动型孵化器,还可升级为综合驱动型孵化器。     

基础设施投资预测——基于改进的GA-PSO算法下的 V-SVR模型简

首先全面分析了基础设施投资的影响因素。然后将改进的GA-PS0算法应用于V—SVR模型的参数寻优过程中,并结合有效的输入样本进行模型训练,构建了基于改进的GA-PSO算法的基础设施投资预测V—SVR模型。最后利用1985—2011年广州市基础设施投资的面板数据,对该模型的预测效果进行验证。结果表明：该预测模型的参数寻优效率和预测精度均得到较大程度的提高。