基于带容量约束Memetic算法的动态车辆调度问题研究

针对物流配送过程中带容量约束的动态车辆调度问题,提出一种Memetic算法,旨在最小化成本。Memetic算法中采用量子与遗传算法混合进行全局搜索,并根据搜索点目标函数变化率,设计了一种自适应量子旋转门更新方式,通过子代种群适应度变化确定量子旋转角大小与方向,明确了种群进化方向,扩展了全局搜索范围,引入了一种变异操作,使算法种群多样性得以保持,提高全局搜索宽度,采用2-opt法结合swap法增强算法局部搜索能力。仿真实验验证了所提算法的有效性与优越性。     

并行烟花算法求解多货场电子商务物流运输调度问题

根据电子商务物流运输调度过程中的特征,考虑了不同区域司机配送成本、多货场、时间窗等约束条件,建立了一种多货场电子商务物流运输调度模型,并提出一种并行烟花算法进行求解.所提出的算法采用货场车辆数与最大位置法结合的实数编码方式,并提出一种并行交流策略加强了算法的全局搜索能力以及提高运算速度.对比实验表明,相对于改进前的烟花算法,并行烟花算法具有较好的求解精度和求解时间.     

有关多目标遗传算法的研究

概括介绍了目前的多目标遗传算法(MOGA)，并给出了一种新形式的MOGA，也就是稳定态非受控排序遗传算法(SNSGA)。该算法是把单目标遗传算法中的部分更新种群观点和非受控排序遗传算法中的适应度指派方法相结合而实现的，改进了适应度指派方法并提出了一种新的αshare自适应决策方案。在包括遗传算法难题和遗传算法欺骗问题的实验中，该算法也成功地得以实现。     

物流配送车辆路径优化问题的仿真研究

随着物流行业的发展。物流配送成本成为人们关注的问题。为了进一步降低日益复杂的物流配送成本．该文将一种改进的蚁群算法应用于物流配送车辆路径优化问题中,设计了求解物流配送路径优化问题的改进蚁群算法,并应用实例加以仿真计算,实验仿真证明了该改进蚁带算法的有效性。     

联合配送车辆调度及算法实现

现代物流业配送模式由单一配送向联合配送、动态配送、大规模跨区域配送转化。针对这一变化,提出了一种多维协同条件下的大规模车辆调度方法,构建面向多重约束条件的车辆调度数学模型,研究了针对大规模协同配送的车辆调度算法,以达到物流调度实时化、高效化和智能化目的。     

作业成本法的物流成本核算管理研究

随着全球经济环境的日新月异,制造业企业对成本的关注从生产领域转向流通领域,进而产生了物流.物流的宗旨是要降低成本,提高服务质量.因此,成本管理成为物流管理的核心.研究降低物流成本,可以降低商品总成本,从而可以成为现代经济增长的新型利润源,对国民经济增长发挥支持和带动作用.现代物流产生以来,传统成本管理的落后和弊端日益凸现,迫切要求物流成本管理寻求新的方法,改变落后的现状.制造业物流成本实行作业成本法管理,能够有效降低成本,提高盈利能力,并使管理的重点落在作业的管理上,因此能够更加精确的计算物流成本,为决策提供更加有力的依据和支持.     

基于SLA的云计算资源智能调度实验设计

为了更好地提高云计算资源的利用率,设计了基于服务等级协议(ServiceLevel Agreement,SLA)的云计算资源智能调度实验,从分配成本、迁移成本和违约成本三方面构造了云计算资源智能调度的成本函数,并将蝙蝠算法应用到云计算资源智能调度过程中,进行资源智能调度寻优,达到资源调度代价最小的目的。最后通过CloudSim云平台进行模拟仿真,结果表明该实验方法明显优于传统的粒子群调度算法,在执行成本、资源利用率方面都有很大改进,提高了云计算系统的资源调度能力,是一种有效的调度方法。     

基于物流车辆调度算法的研究

物流车辆优化调度问题是一个研究热点,学者们采用了各种优化方法来解决实际问题。本文简述了物流配送车辆调度问题的常见算法,对求解车辆优化调度问题的步骤作了说明,并在结论中提出了算法的不足之处,以使大家根据实际情况选择最佳的车辆调度算法,提高经济效益。     

基于差分进化算法的船舶直流电网多目标优化

在人们对减少排放和提高燃油效率需求日益增长的背景下,研究蓄电池组和柴油发电机互补运行的船舶直流电网优化调度问题具有重要意义。运用差分进化算法来解决船舶直流电网的多目标调度问题,以期实现燃油费用最低、温室气体排放最少及蓄电池寿命损失最小三个目标。该方法设计了一种基于集体智能的变异算子,混合当前种群中一些具有较好适应度值的目标向量。此外,为了避免引入额外的控制参数,还设计了一种自适应调整机制。     

物流配送车辆调度问题的改进遗传算法

针对遺传算法容易陷入局部最优和收敛速度慢的特点,提出了一种改进的遗传算法来解决车辆调度问题:利用记忆库保存种群在进化过程中好的个体,使得好的个体不会在进化过程中丢失,同时子代的构成有父代个体和父个体经过遗传操作后所生成的子个体共同构成.该算法能够保证群体的多样性,避免遗传算法的早熟现象,通过仿真模拟,表明该算法具有可行性和高效性.     

基于改进遗传算法的柔性作业车间调度研究

针对中小型企业生产车间柔性作业调度问题,采用改进的遗传算法求解最优调度结果。将最大完工时间最小化作为调度目标,对经典遗传算法进行相应的改进。首先利用粒子群算法获取工序序列与粒子参数之间的映射关系,在初始种群中利用混沌映射和反向学习策略以提高初始种群质量;然后提出一种将机器编码和工序编码相结合的分段编码方法,以解决某道工序有多台可选机器加工的问题;最后利用自适应交叉和变异概率提高算法收敛速度。通过对 Brandimarte 设计的 10 组不同规格的基准案例进行仿真实验,得到进化曲线和最优调度方案。实验结果验证了该方法的实用性和有效性。     

改进的基于遗传算法与FCSS相结合的模糊球壳聚类算法

遗传算法（GA）被广泛地应用在聚类算法中.但是当数据点多时,其计算量大的问题是不容忽视的.针对与遗传算法相结合的FCSS算法中的这一不足,主要通过研究了GA初始化种群的选取方法,对GA-FCSS算法进行了改进.实验数据表明：改进的GA-FCSS算法在收敛速度方面有令人满意的效果.     

基于灰狼算法的车辆配送物流路径优化研究

为了实现农产品物流配送车辆路径的合理优化,降低物流配送成本和提高消费者满意度,提出一种基于灰狼优化算法的多目标农产品物流配送车辆路径优化模型。选择物流配送成本最低和路径最短为目标函数,将灰狼位置编码为车辆编号和车辆路径顺序,通过灰狼优化算法实现多目标农产品物流配送车辆路径的最优规划。研究结果表明,与PSO和GA相比,在行驶里程和平均行驶成本方面,GWO的成本最低且行驶里程最少。     

港口物流半实物仿真中的智能车辆模型设计与应用

智能运输车辆已成为智慧港口物流系统中的关键设备,其智能化水平及多车系统的协作程度对整体物流系统的运作绩效产生重要影响。为深入研究智能车辆系统协同控制与调度优化,解决原型车辆研发难度大、成本高等问题,设计了基于树莓派的四轮驱动、四轮转向微型车辆模型,提出了基于OpenCV和RFID的多交错轨迹机器视觉导航和定位方法,制定了基于开源平台、3D打印及低成本驱动控制电路等技术的实现方案。该车辆模型已应用于智能港口物流的半实物仿真系统,并提供了软件集成开发环境,可作为智能港口、无人自主系统等领域的研究工具以及实践教学、员工培训平台。     

智能物流下货到人模式的货位分配优化

为了求解智能物流环境下货到人模式的智能仓库货位分配问题,首先根据货物出入库频率、货物质量和货位信息,从提货架稳定性、提高出入库效率、相关货物靠近存放角度建立多目标货位分配模型,然后运用权重法将多目标问题求解转为单目标问题求解,最后提出一种基于改进的遗传算法求解数学模型.该算法通过优化种群初始化方式、选择合理的适应度函数...     

基于小生境中适应度共享的改进DE算法

将小生境技术和适应度共享思想引入DE算法中,用于改进种群替代中子代选择的优化问题,具体做法是:首先根据DE算法中的变异、交叉及选择操作得到子代种群,其次将这些子代种群通过小生境技术划分为若干个小种群,并在每个小种群中利用适应度共享方法选择或剔除个体,最后将得到的子代和原父代合并作为下轮算法的父代种群.通过测试函数对改进...     

基于ERP环境下离散制造业物流计划管理研究

进入21世纪以来,经济全球化的趋势日益增加,信息技术的发展极为迅速,物流是当前企业最重要的竞争领域,是企业降低成本、缩短交易时间、提高经济效益的重要手段,而生产物流计划是制造业物流成败的关键。企业资源计划(ERP)系统体现了当今先进的企业管理思想,对制造企业的物流管理系统建设具有指导作用。本文从当前中国制造业中生产物流计划上存在的问题入手,在ERP和MRP的理论基础上,提出离散制造业基于ERP环境下生产物流计划的管理对策建议。     

无线物流作业管理系统的研究与实现

研究了物流作业管理信息系统的构建方法。在基于GPRS网络的无线广域网、MVC模式的框架的实现、Linux和J2ME为平台的PDA手机应用开发等方面进行了详细的介绍。通过该系统物流管理的两大环节,物流调度和物流作业实现实时的数据共享,提高了物流调度的准确性和物流资源的利用率,降低物流成本。     

物流中心车辆调度问题的算法研究

对物流中心的货物进行合理的规划和调度,对于物流成本的降低、物流业的持续发展起到了重要的作用。文章分析和比较各种货物调度算法,重点是对遗传算法和退火算法这两种生物仿真算法进行分析和研究,并比较两种算法的性能。     

一种基于改进总体经验模态分解与反向传播神经网络的短期负荷预测方法（英文）

目的:短期电力负荷预测是电力系统安全调度、经济运行的重要依据。研究处理非线性、非稳态电力负荷信号的新方法,建立短期负荷预测的混合模型,提高短期负荷预测的精确度。创新点:1.提出一种改进总体经验模态分解(EEMD)方法,抑制传统EEMD方法中的端点效应问题;2.提出一种基于改进EEMD和反向传播神经网络(BPNN)的短期负荷预测方法。方法:1.使用改进的EEMD方法将非稳态、非线性的电力负荷信号分解为一系列的内禀模态函数和一个趋势余量;2.移除所得的高频内禀模态函数;3.使用BPNN分别预测各内禀模态函数及趋势余量;4.使用BPNN组合各内禀模态函数及趋势余量预测结果,即为最终负荷预测结果。结论:1.所提出的改进EEMD方法能有效抑制传统EEMD方法中的端点效应问题;2.在相同条件下,所提出的基于改进EEMD和BPNN的短期负荷预测方法较BPNN、EMD-BPNN、EEMD-BPNN、SARIMA-BPNN、WTNNEA和WGMIPSO预测方法有更高的精确度。