微粒群算法及其在物流系统中的应用研究

发布时间：2022-08-12 15:36

　　物流被称为企业的“第三利润源泉”。在“自然资源领域”和“人力资源领域”利润开拓越来越困难的情况下,物流领域的潜力被人们发现并受到重视。通过优化物流系统可以降低成本,从而增加企业利润及市场竞争力,因此通过优化算法对物流系统进行优化具有十分重要的意义和应用价值。微粒群算法（Particle Swarm Optimization,PSO）是一种拥有收敛速度快和简便易行优点的随机全局优化算法。论文对标准微粒群算法进行了深入的研究和分析,针对其缺陷提出了相应的改进方法,在此基础上采用遗传算法编码、交叉和变异的遗传微粒群算法求解物流系统中的库存优化和车辆路径优化问题,并分别设计了启发式算子提高遗传微粒群算法的性能,仿真试验的结果证实了算法的有效性和稳定性。对于微粒群算法改进的工作在于:（1）对于无约束优化问题,提出基于对个体评价的动态个体惯性权重调整策略,其中也包含对多种变异算子的研究。仿真结果显示,这种方法对于提高微粒群算法的性能有非常明显的帮助。（2）对于约束优化问题,通过仿真计算比较了多种变异算子的效果,在此基础上尝试了多变异算子串行融合,然后为了克服多变异算子相互间的干扰并减少计算量,提出... 

【文章页数】：126 页

【学位级别】：博士

【部分图文】：

四个测试函数在100维数下平均适应值

四个测试函数在200维数下平均适应值

四个测试函数在400维数下平均适应值

【参考文献】：
期刊论文
[1]多集散点车辆路径问题及其蚁群算法研究[J]. 王素欣,高利,崔小光,陈雪梅.  系统工程理论与实践. 2008(02)
[2]求解多选择背包问题的改进差分演化算法[J]. 贺毅朝,寇应展,陈致明.  小型微型计算机系统. 2007(09)
[3]求解TSP问题的自逃逸混合离散粒子群算法研究[J]. 王文峰,刘光远,温万惠.  计算机科学. 2007(08)
[4]基于离散微粒群算法求解背包问题研究[J]. 刘建芹,贺毅朝,顾茜茜.  计算机工程与设计. 2007(13)
[5]求解大规模0-1背包问题的主动进化遗传算法[J]. 史亮,董槐林,王备战,龙飞.  计算机工程. 2007(13)
[6]粒子群算法和蚁群算法的结合及其在组合优化中的应用[J]. 张长春,苏昕,易克初.  空间电子技术. 2007(02)
[7]多集散点车辆路径优化的混合算法[J]. 王素欣,高利,崔小光,曹宏美,王亚军.  北京理工大学学报. 2007(02)
[8]一种解决多库房随机车辆路径问题方法[J]. 娄山佐.  系统仿真学报. 2007(04)
[9]基于模拟退火的粒子群算法求解约束优化问题[J]. 寇晓丽,刘三阳.  吉林大学学报(工学版). 2007(01)
[10]求解旅行商问题的自学习粒子群优化算法[J]. 蔡荣英,李丽珊,林晓宇,钟一文.  计算机工程与设计. 2007(02)

博士论文
[1]遗传算法在物流系统优化中的应用研究[D]. 姜昌华.华东师范大学 2007
[2]奥运智能交通系统规划研究[D]. 许焱.北京工业大学 2006
[3]物流系统中若干优化模型及其算法研究[D]. 赵培忻.山东大学 2005
[4]制造系统敏捷供应链的物流配送优化调度技术研究[D]. 冯辉宗.重庆大学 2004
[5]物流过程的建模和优化方法研究[D]. 简炜.浙江大学 2004

硕士论文
[1]基于遗传算法的多车场车辆路径问题研究[D]. 邓欣.重庆大学 2007



本文编号：3676140