食品抽检计划生成及路径优化系统的研建
发布时间：2021-02-11 06:22
食品安全事件频发,公众对于食品安全的关注度随之上升,食品抽检检测工作作为食品安全的防护网,其重要性不言而喻。但目前我国的食品监督抽检管理办法不够具体,食品抽样和检测环节存在着诸多漏洞,可能存在被检单位自行决定抽检样品以及抽检人员徇私舞弊的现象。为解决上述问题,本文遵循监督抽检工作科学公正、利益回避的原则,提出采用“双随机”的抽检机制,即随机确定抽检计划中的抽检点和抽检人员,保证抽样随机性。针对当前采样过程中存在的人为干预,按照食品安全风险优先级生成抽检方案并形成双随机的优化抽检分工和路线,寻找最优抽检巡回路线指导安排抽检工作,使得抽检员能够以最省出行成本和最合适交通高效完成采样任务。本文从抽检的实际情况出发,在了解近几年求解旅行商问题（Traveling Salesman Problem,TSP）相关算法的基础上,提出了抽检路径优化问题的近似解法。当问题规模较小时,通过穷举法找到最优抽检路径;当问题规模较大时,通过对改进后的贪心算法和改进后的遗传算法（Genetic Algorithm,GA）的运行结果进行比较,选择结果最优的抽检路径。为了将算法研究成果应用于实际抽检工作,本文基于该近...
【文章来源】：北京林业大学北京市 211工程院校 教育部直属院校
【文章页数】：88 页
【学位级别】：硕士
【部分图文】：
改进的贪心算法Figure3.2Improvedgreedyalgorithm（1）改进的贪心算法
3系统相关算法设计25因操作进行有组织而又随机的信息交换，逐渐继承优良品种，淘汰坏的特性（马玉明等，2004）。在自然界中，任何个体间都存在着差异，它们对于生存环境的适应性也不尽相同，遵照自然界生物进化的基本原则：适者生存、优胜劣汰，在进化过程中适应能力较差的个体会被淘汰掉，有些个体通过染色体核基因的重组或交配继承父本的优秀基因，继承更强的生命力和适应能力（陈洋卓等，2019）。基因突变会随时发生，无法控制染色体核基因的重组，但这种变异也可能导致新基因和生命力更强的新个体的产生。图3.3遗传算法流程图Figure3.3Flowdiagramofgeneticalgorithm遗传算法求解抽检最短路径寻优问题的过程如下所述，流程图如图3.3所示。①群体由随机选择的N个抽检点的所有路线组成，群体中的每条路线即为一个个体或染色体。群体内路线的数量(N-1)!代表群体规模，用某种编码形式表示群体内的每个染色体，访问抽检点的顺序代表一种编码，抽检路线总距离代表编码的内容，该问题的初始解即为抽检点的初始访问序列。②按照一定的选择策略根据群体中每条路径的适应性值，从群体中选择具有最好适应性值的M条路径作为父代，重新繁殖的下一代群体。③从父代群体中随机选择两条路径序列，根据给定的杂交概率Pc进行杂交运算或重组运算，产生新的路径序列，重复此过程直到所有的父代个体杂交完毕。
食品抽检计划生成及路径优化系统的研建30（4）通过交换实现优化分组，目标是所有抽检员的费用消耗之和最小，每一个子任务由一个抽检员负责完成；设置一个阈值，当连续没有改进的次数不超过这个值时，交换优化的过程继续，反之，当连续没有改进的次数达到这个阈值的时候，整个交换优化的过程终止。直到找到各组距离消耗之和更小的分组情况。巡检任务分组算法的实现过程描述具体如算法3-3所示。图3.5改进的遗传算法Figure3.5Improvedgeneticalgorithm3.2.3食品抽检比例分配算法抽检食品数量分配算法的实现步骤如下：（1）每一类食品的抽检数量由两部分组成，基本数量和风险数量，其中风险数量根据每类食品的风险因子计算所得。基本数量和风险数量之和为食品抽检总数。（2）抽检总数和每类食品的基本数量由管理员设定，计算出所有食品的基本数量之和，抽检总数减去基本数量总和得到剩余数量即为要分配的风险数量总数，若无剩余数量，直接返回基本数量作为每类食品最终抽检个数。（3）将各类食品的风险因子相加得到风险总和，根据风险因子分配剩余数量，
【参考文献】：
期刊论文
[1]2018～2019年全国食品安全监督抽检情况分析[J]. 刘欢. 食品安全质量检测学报. 2020(07)
[2]食品安全监督抽样工作存在的问题和建议[J]. 吴琼,宋安东. 粮食与饲料工业. 2020(01)
[3]蚁群算法、遗传算法及微粒群算法在TSP中的对比研究[J]. 张宇,姚海霞,唐丹洋,钟晓娟,蔡燕. 数码世界. 2019(12)
[4]大数据共享背景下食品分类的探讨[J]. 彭青枝,万旭刚,黄茜,周陶鸿. 食品安全质量检测学报. 2019(16)
[5]基于遗传算法的TSP算法求解20大城市最短旅途[J]. 裴佳明,周斌,郦丽. 电脑知识与技术. 2019(16)
[6]基于贪心算法的卷烟成品多仓库联合装货方案研究[J]. 王家寿,陈晓伟,欧阳世波. 中国物流与采购. 2019(04)
[7]基于支持向量机的食品安全抽检数据分析方法[J]. 游清顺,王建新,张秀宇,罗曦. 软件工程. 2019(02)
[8]基于球面距离的旅行商问题及其应用[J]. 吴皓华,曹茜. 物流科技. 2019(01)
[9]基于遗传算法的TSP问题优化方法[J]. 陈洋卓,李青青,罗天扬,朱林丹,肖奇. 科技风. 2019(01)
[10]基于旅行费用约束的景点及路径动态规划研究[J]. 方苏杰,张宇航,方成刚. 计算机应用与软件. 2018(12)
本文编号：3028671
【文章来源】：北京林业大学北京市 211工程院校 教育部直属院校
【文章页数】：88 页
【学位级别】：硕士
【部分图文】：
改进的贪心算法Figure3.2Improvedgreedyalgorithm（1）改进的贪心算法
3系统相关算法设计25因操作进行有组织而又随机的信息交换，逐渐继承优良品种，淘汰坏的特性（马玉明等，2004）。在自然界中，任何个体间都存在着差异，它们对于生存环境的适应性也不尽相同，遵照自然界生物进化的基本原则：适者生存、优胜劣汰，在进化过程中适应能力较差的个体会被淘汰掉，有些个体通过染色体核基因的重组或交配继承父本的优秀基因，继承更强的生命力和适应能力（陈洋卓等，2019）。基因突变会随时发生，无法控制染色体核基因的重组，但这种变异也可能导致新基因和生命力更强的新个体的产生。图3.3遗传算法流程图Figure3.3Flowdiagramofgeneticalgorithm遗传算法求解抽检最短路径寻优问题的过程如下所述，流程图如图3.3所示。①群体由随机选择的N个抽检点的所有路线组成，群体中的每条路线即为一个个体或染色体。群体内路线的数量(N-1)!代表群体规模，用某种编码形式表示群体内的每个染色体，访问抽检点的顺序代表一种编码，抽检路线总距离代表编码的内容，该问题的初始解即为抽检点的初始访问序列。②按照一定的选择策略根据群体中每条路径的适应性值，从群体中选择具有最好适应性值的M条路径作为父代，重新繁殖的下一代群体。③从父代群体中随机选择两条路径序列，根据给定的杂交概率Pc进行杂交运算或重组运算，产生新的路径序列，重复此过程直到所有的父代个体杂交完毕。
食品抽检计划生成及路径优化系统的研建30（4）通过交换实现优化分组，目标是所有抽检员的费用消耗之和最小，每一个子任务由一个抽检员负责完成；设置一个阈值，当连续没有改进的次数不超过这个值时，交换优化的过程继续，反之，当连续没有改进的次数达到这个阈值的时候，整个交换优化的过程终止。直到找到各组距离消耗之和更小的分组情况。巡检任务分组算法的实现过程描述具体如算法3-3所示。图3.5改进的遗传算法Figure3.5Improvedgeneticalgorithm3.2.3食品抽检比例分配算法抽检食品数量分配算法的实现步骤如下：（1）每一类食品的抽检数量由两部分组成，基本数量和风险数量，其中风险数量根据每类食品的风险因子计算所得。基本数量和风险数量之和为食品抽检总数。（2）抽检总数和每类食品的基本数量由管理员设定，计算出所有食品的基本数量之和，抽检总数减去基本数量总和得到剩余数量即为要分配的风险数量总数，若无剩余数量，直接返回基本数量作为每类食品最终抽检个数。（3）将各类食品的风险因子相加得到风险总和，根据风险因子分配剩余数量，
【参考文献】：
期刊论文
[1]2018～2019年全国食品安全监督抽检情况分析[J]. 刘欢. 食品安全质量检测学报. 2020(07)
[2]食品安全监督抽样工作存在的问题和建议[J]. 吴琼,宋安东. 粮食与饲料工业. 2020(01)
[3]蚁群算法、遗传算法及微粒群算法在TSP中的对比研究[J]. 张宇,姚海霞,唐丹洋,钟晓娟,蔡燕. 数码世界. 2019(12)
[4]大数据共享背景下食品分类的探讨[J]. 彭青枝,万旭刚,黄茜,周陶鸿. 食品安全质量检测学报. 2019(16)
[5]基于遗传算法的TSP算法求解20大城市最短旅途[J]. 裴佳明,周斌,郦丽. 电脑知识与技术. 2019(16)
[6]基于贪心算法的卷烟成品多仓库联合装货方案研究[J]. 王家寿,陈晓伟,欧阳世波. 中国物流与采购. 2019(04)
[7]基于支持向量机的食品安全抽检数据分析方法[J]. 游清顺,王建新,张秀宇,罗曦. 软件工程. 2019(02)
[8]基于球面距离的旅行商问题及其应用[J]. 吴皓华,曹茜. 物流科技. 2019(01)
[9]基于遗传算法的TSP问题优化方法[J]. 陈洋卓,李青青,罗天扬,朱林丹,肖奇. 科技风. 2019(01)
[10]基于旅行费用约束的景点及路径动态规划研究[J]. 方苏杰,张宇航,方成刚. 计算机应用与软件. 2018(12)
本文编号：3028671
本文链接：https://www.wllwen.com/kejilunwen/sousuoyinqinglunwen/3028671.html
