粒子群优化算法在港口船舶物流中的应用

发布时间：2021-11-10 13:09

　　传统的用遗传算法的港口船舶物流中存在逾期惩罚成本过高的问题,为此,提出粒子群优化算法在港口船舶物流中的应用。分析港口船舶物流影响因素并完成粒子编码,使得粒子位置与影响因素一一对应,计算多目标适应度函数,根据种群适应值均值调整目标粒子适应度函数,保证适应度函数最优,利用微粒迭代更新粒子的位置和速度,通过判断种群的收敛精度实现最优解的输出。实验结果表明,应用粒子群优化算法的港口船舶物流中逾期惩罚成本远低于应用遗传算法物流中的逾期惩罚成本,说明粒子群优化算法的应用有效地改善了逾期惩罚成本过高的问题。 

【文章来源】：舰船科学技术. 2020,42(04)北大核心

【文章页数】：3 页

【部分图文】：

应用不同算法的实验结果Fig.1Experimentalresultsusingdifferentalgorithms3结语

【参考文献】：
期刊论文
[1]一种基于Pareto关联度支配的多目标粒子群优化算法[J]. 汤可宗,李佐勇,詹棠森,李芳,姜云昊.  南京理工大学学报. 2019(04)
[2]基于FCM聚类算法的点云数据分类与提取[J]. 张东.  工程技术研究. 2019(15)
[3]一种改进的粒子群优化算法及其算法测试[J]. 刘玉敏,高松岩.  数学的实践与认识. 2019(09)
[4]自适应混沌量子粒子群算法及其在WSN覆盖优化中的应用[J]. 周海鹏,高芹,蒋丰千,余大为,乔焰,李旸.  计算机应用. 2018(04)



本文编号：3487316