基于k-中心聚类与布谷鸟搜索的伙伴选择

发布时间：2018-03-15 23:04

  本文选题：合作伙伴选择　切入点：布谷鸟搜索　出处：《计算机工程与设计》2017年12期 　论文类型：期刊论文

【摘要】：针对供应链合作伙伴选择问题,提出一种基于布谷鸟搜索和k-中心聚类算法相结合的寻优算法。构造基于多目标优化的合作伙伴选择模型,形成离散化的数据,用k-中心聚类算法对数据进行分组,利用布谷鸟全局搜索能力强的特性寻求问题的最优解;利用布谷鸟搜索算法对每簇进行寻优得到每簇的局部最优解,作为下一阶段的初始解,利用布谷鸟算法对初始解进行寻优,求得供应链合作伙伴选择的最优解。对比该算法与离散化的粒子群算法、布谷鸟搜索算法,对比结果表明,该算法的搜索效果更好。
[Abstract]:In order to solve the problem of partner selection in supply chain, an optimization algorithm based on cuckoo search and k- center clustering algorithm is proposed. A partner selection model based on multi-objective optimization is constructed to form discrete data. The data are grouped by k- center clustering algorithm, and the optimal solution of the problem is obtained by using the global search ability of cuckoo bird, and the local optimal solution of each cluster is obtained by using the cuckoo search algorithm. As the initial solution of the next stage, the Cuckoo algorithm is used to optimize the initial solution, and the optimal solution of the supply chain partner selection is obtained. Compared with the discrete particle swarm optimization algorithm and the Cuckoo search algorithm, the comparison results show that, The search effect of this algorithm is better.
【作者单位】： 上海海事大学经济管理学院;
【分类号】：TP18;TP311.13

【相似文献】

相关期刊论文 前10条

1 黄天赦;叶春明;;采用量子粒子群算法的一类模糊作业车间调度问题的研究[J];现代制造工程;2009年11期

2 秦玉灵;孔宪仁;罗文波;;混沌量子粒子群算法在模型修正中的应用[J];计算机工程与应用;2010年02期

3 陈治明;;新型量子粒子群算法及其性能分析研究[J];福建电脑;2010年05期

4 牛永洁;;一种新型的混合粒子群算法[J];信息技术;2010年10期

5 全芙蓉;;粒子群算法的理论分析与研究[J];硅谷;2010年23期

6 刘衍民;赵庆祯;邵增珍;;一种改进的完全信息粒子群算法研究[J];曲阜师范大学学报(自然科学版);2011年01期

7 朱童;李小凡;鲁明文;;位置加权的改进粒子群算法[J];计算机工程与应用;2011年05期

8 熊智挺;谭阳红;易如方;陈赛华;;一种并行的自适应量子粒子群算法[J];计算机系统应用;2011年08期

9 孟纯青;;非线性粒子群算法[J];微计算机应用;2011年08期

10 任伟建;武璇;;一种动态改变学习因子的简化粒子群算法[J];自动化技术与应用;2012年10期

相关会议论文 前10条

1 朱童;李小凡;鲁明文;;位置加权的改进粒子群算法[A];中国科学院地质与地球物理研究所第11届（2011年度）学术年会论文集(上)[C];2012年

2 陈龙祥;蔡国平;;基于粒子群算法的时滞动力学系统的时滞辨识[A];第十二届全国非线性振动暨第九届全国非线性动力学和运动稳定性学术会议论文集[C];2009年

3 于颖;李永生;於孝春;;新型离散粒子群算法在波纹管优化设计中的应用[A];第十一届全国膨胀节学术会议膨胀节设计、制造和应用技术论文选集[C];2010年

4 刘卓倩;顾幸生;;一种基于信息熵的改进粒子群算法[A];系统仿真技术及其应用（第7卷）——'2005系统仿真技术及其应用学术交流会论文选编[C];2005年

5 熊伟丽;徐保国;;粒子群算法在支持向量机参数选择优化中的应用研究[A];2007中国控制与决策学术年会论文集[C];2007年

6 熊伟丽;徐保国;;单个粒子收敛中心随机摄动的粒子群算法[A];2009年中国智能自动化会议论文集（第七分册）[南京理工大学学报（增刊）][C];2009年

7 赵磊;;基于粒子群算法求解多目标函数优化问题[A];第二十一届中国（天津）’2007IT、网络、信息技术、电子、仪器仪表创新学术会议论文集[C];2007年

8 张顶学;关治洪;刘新芝;;多种群并行粒子群算法研究[A];第二十六届中国控制会议论文集[C];2007年

9 丛亮;胡成全;郭宗鹏;姜宇;沙丽华;;基于模拟退火思想的基本粒子群算法改进[A];第二十七届中国控制会议论文集[C];2008年

10 宋莹;陈增强;袁著祉;;一种新型混沌粒子群算法及在非线性系统中的应用[A];2006中国控制与决策学术年会论文集[C];2006年

相关博士学位论文 前6条

1 王芳;粒子群算法的研究[D];西南大学;2006年

2 安镇宙;家庭粒子群算法及其奇偶性与收敛性分析[D];云南大学;2012年

3 刘建华;粒子群算法的基本理论及其改进研究[D];中南大学;2009年

4 杨轻云;约束满足问题与调度问题中离散粒子群算法研究[D];吉林大学;2006年

5 雷开友;粒子群算法及其应用研究[D];西南大学;2006年

6 陈晋音;生物启发计算若干关键技术与应用研究[D];浙江工业大学;2009年

相关硕士学位论文 前10条

1 张红;基于J2EE的合作伙伴选择系统的设计与实现[D];电子科技大学;2014年

2 张忠伟;结构优化中粒子群算法的研究与应用[D];大连理工大学;2009年

3 戴玉倩;基于混合动态粒子群算法的软件测试数据自动生成研究[D];江西理工大学;2015年

4 江玲;基于粒子群算法的微博用户推荐系统[D];西南科技大学;2015年

5 汪习知;视点质量计算与视点选择研究[D];国防科学技术大学;2013年

6 钱祺枫;基于改进的粒子群算法的图像分类技术研究[D];南京邮电大学;2015年

7 朱良;基于云计算和优化KMeans的电力不良数据辨识[D];华北电力大学;2015年

8 鲍立婷;粒子群算法在基于LBS快递派送中的应用研究[D];东华理工大学;2016年

9 王佳丽;量子粒子群算法的改进及其在图像分割中的应用[D];安徽工业大学;2015年

10 刘庆;基于PMV的室内环境智能系统设计[D];北方工业大学;2017年

，

本文编号：1617213