基于改进NSGA-Ⅱ算法的应急配送中心选址模型研究
发布时间：2021-08-14 14:47
泥石流等突发自然灾害造成的人员伤亡和经济损失十分巨大,而应急配送中心选址问题则是应急救援方案中的核心环节,但是在我国仍然存在着布局不均衡、缺乏科学规划等问题,因此亟需对大规模应急配送中心选址问题进行深入的研究.影响应急配送中心选址的因素极为复杂,本文将救济物资效用、受灾区域满意度以及临时配送中心个数作为目标函数,建立多目标动态选址模型,提出一种改进的非支配遗传排序算法（NSGA-Ⅱ-TS）,采用经典测试函数ZDT1、ZDT2、ZDT3、DTLZ2分析以及算例实证,验证NSGA-Ⅱ-TS算法的可行性和有效性.具体研究工作及创新如下:首先,对于多目标动态选址模型进行研究.针对突发事件具有突发性、动态性、时效性等特点,考察在固定应急配送中心无法持续给需求点提供物资供给时,以最大化救济物资效用和受灾区域满意度以及最小化临时应急配送中心个数作为目标函数,建立多目标动态选址模型.与传统静态选址模型的主要区别在于将需求点需求量的不确定性考虑进来,使得模型的适用范围更广.其次,对于多目标优化问题（MOP）的求解算法进行研究并改进.传统非支配遗传排序算法（NSGA-Ⅱ）得到的解集虽然均匀性和多样性较好,...
【文章来源】：武汉理工大学湖北省 211工程院校 教育部直属院校
【文章页数】：77 页
【学位级别】：硕士
【部分图文】：
图3-2个体i拥挤度示意图
44(g) DTLZ2-30-GD (h) DTLZ2-100-GD图 4-3 测试函数世代距离的箱线图 为 NSGA-II-TS、NSGA-II、以及 MOEA/D 的 GD 指标值的平均值表4-2可得, 在ZDT1变量个数为30时, NSGA-II-TS的GD均值为5, 中位数为 0.0020, 优于 MOEA/D 和 NSGA-II, 且 NSGA-II 的均II-TS 大一个数量级, 结果显示 NSGA-II-TS 的收敛性比 NSGA-II性要好, 且其每次试验的结果差异变化较小. 这一性质随着 ZDT100 时更为明显, 当自变量个数增加至 100 时, NSGA-II-TS 的世代NSGA-II则增加1.6, MOEA/D增加0.36, 由此说明NSGA-II-TS比
测试函数的SP箱线图
【参考文献】：
期刊论文
[1]考虑不确定性的医疗中心动态选址方法[J]. 陈希,赵柳,张晓. 工业工程与管理. 2017(03)
[2]一种新的MOEA/D中邻域更新策略研究[J]. 周欢,王丽萍,林梦嫚,江波. 小型微型计算机系统. 2017(04)
[3]周期性变量分解的多目标进化算法研究[J]. 邱飞岳,莫雷平,王丽萍,江波. 小型微型计算机系统. 2016(06)
[4]基于大规模变量分解的多目标粒子群优化算法研究[J]. 邱飞岳,莫雷平,江波,王丽萍. 计算机学报. 2016(12)
[5]多周期多目标再制造物流网络设施动态选址研究[J]. 丁于思,李雪,高阳. 管理学报. 2014(03)
[6]基于改进的NSGA-II的卫星星座构型分层优化策略[J]. 常辉,胡修林. 华中师范大学学报(自然科学版). 2013(01)
[7]给定限期条件下应急选址问题的量子竞争决策算法[J]. 刘勇,马良,宁爱兵. 运筹与管理. 2011(03)
[8]Improved non-dominated sorting genetic algorithm （NSGA）-II in multi-objective optimization studies of wind turbine blades[J]. 王珑,王同光,罗源. Applied Mathematics and Mechanics（English Edition）. 2011(06)
[9]物流配送中心动态选址模型及算法研究[J]. 税文兵,叶怀珍,张诗波. 计算机应用研究. 2010(12)
[10]一种改进的禁忌搜索算法及其在连续全局优化中的应用[J]. 郭崇慧,岳晓晖. 运筹与管理. 2007(04)
博士论文
[1]基于全局优化和局部学习的进化多目标优化算法[D]. 左益.西安电子科技大学 2016
[2]复杂问题的多目标进化优化算法研究[D]. 王晗丁.西安电子科技大学 2015
[3]大规模应急救援资源布局与调度优化方法研究[D]. 高学英.吉林大学 2012
[4]高维目标空间中的进化算法研究[D]. 谢承旺.武汉大学 2010
硕士论文
[1]非支配点排序算法在电力系统多目标优化中的应用[D]. 魏岸.武汉大学 2017
[2]基于多目标优化的粒子群算法研究及其应用[D]. 李艳丽.西南交通大学 2014
[3]多目标优化算法及其在油藏经营中的应用[D]. 杜开程.西南石油大学 2012
[4]物流配送中车辆路径问题的多目标优化算法研究[D]. 卫田.清华大学 2007
[5]带精英策略的非支配排序遗传算法的研究与应用[D]. 郑强.浙江大学 2006
本文编号：3342660
【文章来源】：武汉理工大学湖北省 211工程院校 教育部直属院校
【文章页数】：77 页
【学位级别】：硕士
【部分图文】：
图3-2个体i拥挤度示意图
44(g) DTLZ2-30-GD (h) DTLZ2-100-GD图 4-3 测试函数世代距离的箱线图 为 NSGA-II-TS、NSGA-II、以及 MOEA/D 的 GD 指标值的平均值表4-2可得, 在ZDT1变量个数为30时, NSGA-II-TS的GD均值为5, 中位数为 0.0020, 优于 MOEA/D 和 NSGA-II, 且 NSGA-II 的均II-TS 大一个数量级, 结果显示 NSGA-II-TS 的收敛性比 NSGA-II性要好, 且其每次试验的结果差异变化较小. 这一性质随着 ZDT100 时更为明显, 当自变量个数增加至 100 时, NSGA-II-TS 的世代NSGA-II则增加1.6, MOEA/D增加0.36, 由此说明NSGA-II-TS比
测试函数的SP箱线图
【参考文献】：
期刊论文
[1]考虑不确定性的医疗中心动态选址方法[J]. 陈希,赵柳,张晓. 工业工程与管理. 2017(03)
[2]一种新的MOEA/D中邻域更新策略研究[J]. 周欢,王丽萍,林梦嫚,江波. 小型微型计算机系统. 2017(04)
[3]周期性变量分解的多目标进化算法研究[J]. 邱飞岳,莫雷平,王丽萍,江波. 小型微型计算机系统. 2016(06)
[4]基于大规模变量分解的多目标粒子群优化算法研究[J]. 邱飞岳,莫雷平,江波,王丽萍. 计算机学报. 2016(12)
[5]多周期多目标再制造物流网络设施动态选址研究[J]. 丁于思,李雪,高阳. 管理学报. 2014(03)
[6]基于改进的NSGA-II的卫星星座构型分层优化策略[J]. 常辉,胡修林. 华中师范大学学报(自然科学版). 2013(01)
[7]给定限期条件下应急选址问题的量子竞争决策算法[J]. 刘勇,马良,宁爱兵. 运筹与管理. 2011(03)
[8]Improved non-dominated sorting genetic algorithm （NSGA）-II in multi-objective optimization studies of wind turbine blades[J]. 王珑,王同光,罗源. Applied Mathematics and Mechanics（English Edition）. 2011(06)
[9]物流配送中心动态选址模型及算法研究[J]. 税文兵,叶怀珍,张诗波. 计算机应用研究. 2010(12)
[10]一种改进的禁忌搜索算法及其在连续全局优化中的应用[J]. 郭崇慧,岳晓晖. 运筹与管理. 2007(04)
博士论文
[1]基于全局优化和局部学习的进化多目标优化算法[D]. 左益.西安电子科技大学 2016
[2]复杂问题的多目标进化优化算法研究[D]. 王晗丁.西安电子科技大学 2015
[3]大规模应急救援资源布局与调度优化方法研究[D]. 高学英.吉林大学 2012
[4]高维目标空间中的进化算法研究[D]. 谢承旺.武汉大学 2010
硕士论文
[1]非支配点排序算法在电力系统多目标优化中的应用[D]. 魏岸.武汉大学 2017
[2]基于多目标优化的粒子群算法研究及其应用[D]. 李艳丽.西南交通大学 2014
[3]多目标优化算法及其在油藏经营中的应用[D]. 杜开程.西南石油大学 2012
[4]物流配送中车辆路径问题的多目标优化算法研究[D]. 卫田.清华大学 2007
[5]带精英策略的非支配排序遗传算法的研究与应用[D]. 郑强.浙江大学 2006
本文编号：3342660
本文链接：https://www.wllwen.com/kejilunwen/sousuoyinqinglunwen/3342660.html
