基于改进粒子群算法的物流配送中心选址问题研究

发布时间：2024-03-31 13:51

　　在经济高速发展的当下,配送中心既是货品流通职能的重要枢纽又是物流供应链上的关键节点。在新的经济形态下,物流配送中心扮演着对实体商品进行分配的角色,并将处理订单、存储、拣货、运输配送等基础功能集于一体的综合性服务行业,在提升核心竞争力的同时,其自身的附加值也在不断提升,对缩短商品流通,减少产销差距起到了极为重要的作用。在现实生活中,在实际问题和方案选择中,其过程往往是动态的,高度非线性的,由其转化而来的问题也是高度非线性的复杂问题,求解的复杂程度往往是呈指数增长的,而经典的粒子群算法,以其模型简单、参数少、易于实现等特点,被广泛的应用解决高度非线性优化问题和现实世界的各种工程问题。本文针对粒子群算法在求解最优化和复杂性的问题中存在的收敛速度慢和收敛度低的问题,将粒子群算法中的学习因子及位置公式进行改进,通过测试函数进行性能验证,并与其他算法的精度和收敛曲线,以及求解结果进行对比,在求解函数优化问题上所用时间更短,准确性更好。证明改进的粒子群算法有更快的收敛速度和更强的寻优能力。而后运用改进的粒子群算法(CXPSO)求解配送中心选址问题,改进的粒子群算法为智能优化算法求解选址问题提供了新的...

【文章页数】：66 页

【学位级别】：硕士

【部分图文】：

图2-2直线距离与折线距离（2）虽然在一些模型中，直线距离通过添加比例因子转换成网络的距离，但与实际距离仍有较大偏差

图2-2直线距离与折线距离（2）虽然在一些模型中，直线距离通过添加比例因子转换成网络的距离，但与实际距离仍有较大偏差。（3）大多数选址模型仍然不能很好地解决模型中的影响因素以及如何合理有效地处理模型所产生的非线性成本关系。简而言之，当各种模型应用于实际问题时，它们会有一定的使....

图3-2Goldstein-Price函数的三维图

基于改进粒子群算法的物流配送中心选址问题研究(15)Eggcrate函数2222151212F(x)xx25(sinxsinx)(3.2该函数在（0,,0）处取得最小值0。在这15个测试函数中，11F(x)、3F(x)....

图3-3Ronsenbrock函数的三维图

因此15个函数都有一定的求解难度，适用于算法的寻优性能。函数的三维图能够形象的展现出函数的整体取值走向，下列是本文列出的其中的五个函数三维图，如下图所示：图3-2Goldstein-Price函数的三维图

图3-4Sphere函数的三维图

本文编号：3944024