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.     

仿真技术在连锁超市配送中心选址中的应用

提出了一种基于物流成本和物流服务水平的多目标仿真物流配送中心选址方法,从最优地址选择的角度,阐述了各种最优参数的选取,采用VB结合Excel实现仿真,找出算法约束参数最优解,并且应用到实例中进行验证,可为物流配送中心地址选择提供评估模型,从而为配送中心选址优化提供一种有效的实现策略。     

物流配送中心动态选址问题的探讨

针对物流配送中心选址时需求和成本会随时间的变化而变化的情况,本文考虑了动态选址模式,把问题转换为网络的最短路问题,并用Dijkstra算法求解.方法简单实用,特别是对于小规模的物流企业具有较大的实用价值.     

基于文化烟花算法的电动汽车充电站规划研究

针对电动汽车充电站规划问题,建立以最小化充电站服务与用户需求综合成本为目标的数学模型,并提出基于文化思想的改进烟花算法求解该问题。将烟花算法嵌入文化算法计算框架中,进行底层搜索寻优,提取其进化过程中的有用信息组成信仰空间知识。信仰空间以粒子群迭代规则更新知识并通过接受函数指导种群空间进化,以提高搜索效率。仿真实验结果证明,文化烟花算法在求解电动汽车充电站规划问题时具有良好的稳定性和较高的求解效率。     

关于现代配送中心选址研究发展趋势的探讨

配送中心选址理论的发展总是与实际经济水平发展速度基本同步的,二者的发展趋势也基本相同．目前,世界各地都在大兴建设物流园区,从这一点上看,配送中心选址问题是将单一的配送中心选址转化为多个配送中心选址．近年来,国内外对未来配送中心的研究．大多数把研究的重点放在了建立符合实际情况的配送中心选址模型、应用有效的方法来求解该模型上．因而．建立配送中心选址模型并得出求解算法是配送中心选址研究的发展趋势．     

新型TOPSIS法物流配送中心选址模型的构建

针对华北城配业务运力资源浪费问题,建立物流配送中心,进而低成本高回报地发展城配业务.根据配送中心选址原则构建配送中心选址指标体系,采用熵值法确定权重,在此基础上用灰色关联度分析改进的TOPSIS法计算配送中心备选方案的相对贴近度,比较贴近度的大小,然后得到配送中心选址的排名.最终选取东丽区的2号地块作为配送中心的选址点.证实了该选址模型的有效性和合理性,为京津冀区域物流配送中心选址提供了一种高质量的决策分析方法.     

基于改进烟花算法的农产品运输调度研究

针对基本烟花算法多样性差、全局探索能力不足、易陷入局部最优的问题,提出一种改进的混沌烟花算法。该算法以基本烟花算法为核心,以一种编解码策略实现连续空间到离散空间映射,引入混沌因子来确定爆炸半径,避免个体半径出现接近于零的情况,提高了算法的寻优和全局探索能力;通过引入精英选择策略,加快了算法的收敛速度。采用改进的混沌烟花算法、基本烟花算法、粒子群算法对基准测试函数和农产品运输调度问题进行优化实验,结果表明,改进的混沌烟花算法具有更好的稳定性和求解效率。     

CVRP物流配送路径优化及应用研究

车辆行驶路径优化问题是智能安全交通网络的重要组成部分。针对传统车辆路径求解搜索时间过长、得不到最优解、求解质量不高的现况,在研究一般物流配送路径问题处理方法和数学模型的基础上,提出了一种改进的蚁群算法求解问题以提高构建路径的速度和质量,在限量车辆路径问题（CapacitatedVehicleRoutingProblem,CVRP）中用改进的蚁群算法来优化求解车物流的配送路径。通过MATLAB仿真结果表明,蚁群算法搜索速度相对较快,具有良好的全局求优能力,收敛结果表明可以准确求出最优路径,相比传统方案,优化后解的质量得到了提高,速度提高了80%左右,是一种可行性较高的求解物流配送路径优化问题的有效算法。     

影响连锁企业配送中心选址成本的因素分析及控制对策

在连锁企业物流管理体系中,配送中心是用于调节供给和需求矛盾、连接生产和消费的主要设施,在整个连锁企业物流管理运作中具有枢纽作用。科学合理的配送中心选址能为连锁企业降低物流成本,提升经济效益,更重要的是能为客户提供满意的服务,因而配送中心的选址问题在整个物流管理战略中占有非常重要的地位。可以说,配送中心的选址问题已成为目前连锁企业关注的焦点。从企业物流成本的功能层面着手,详细分析了连锁企业配送中心选址的成本构成和影响因素,并以此为依据提出连锁企业配送中心选址成本控制的应对策略。     

物流配送中心选址问题的层次分析结构模型

本文针对物流配送中心选址的问题,分析配送中心选址的主要影响因素,建立物流配送中心选址问题的层次分析结构模型,并通过数值案例说明层次分析结构模型的有效性。     

改进蚁群算法在大学排课问题中的研究与应用

针对传统蚁群算法在处理大学排课问题时易陷入局部最优的不足,提出了一种改进蚁群算法,该算法通过引入具有混合行为的蚂蚁来扩大解搜索空间,避免早熟和停滞现象。实验结果表明,改进后的算法可以明显改善排课问题的求解质量。     

求解作业车间调度问题的变邻域动态烟花算法

针对最小化最大完工时间的作业车间调度问题,提出一种基于变邻域搜索的动态烟花算法。变邻域搜索是一类重要的元启发式算法,在每一次迭代计算过程中通过搜索当前解的邻域得到一个改进的解,通过变邻域搜索方法可有效提高局部最优解的精度。与此同时,算法引入进化速度的概念,并通过进化速度计算烟花算法迭代过程中需更新的维度,实时调整相关参数,加快算法收敛,避免陷入局部最优。算例试验表明,该算法具有较好的鲁棒性,且能有效地提高算法搜索精度,加快收敛速度。     

基于二次插值法的布谷鸟搜索算法研究

对基本的布谷鸟搜索算法(Cuckoo Search,CS)进行研究,为改进CS算法局部搜索能力差、进化后期收敛速度慢、求解精度低等缺陷,考虑到二次插值法是一种局部搜索能力较强的搜索方法,提出一种基于二次插值法的布谷鸟搜索算法(QI_CS)。新算法充分利用鸟窝个体局部的优化信息,增强算法的局部搜索能力,加快算法搜索全局最优解的收敛速度。仿真实验结果表明,QI_CS算法在保持原算法的强大全局寻优能力的基础上大幅提高算法的收敛能力和求解精度,是求解多峰函数优化问题的一种可行和有效的方法。     

免疫粒子群算法及其在物流配送中心选址问题中的应用研究

将人工免疫思想引入粒子群算法,设计了一种人工免疫粒子群混合算法。混合算法的基本思想是:将粒子群算法中的粒子同时视为免疫算法中的抗体,粒子的适应度评价也与抗体亲和力的评价一致。将混合算法应用于物流配送中心选址问题,数值结果表明,免疫机制可有效地避免常规粒子群算法易过早收敛的缺陷。     

最短路算法及其在物流管理中的应 用简

本文介绍了最短路的两种算法,并介绍了它们在物流管理中的若干应用．将Dijkstra算法与Floyd算法用于解决物流管理中的配送路径问题以及配送中心选址问题,并对这两种算法进行比较．     

一种混合算法在车辆路径问题上的应用

针对粒子群优化算法PSO求解车辆路径问题容易陷入局部最优的缺陷,提出了将量子门思想、遗传算法思想与粒子群算法相结合的混合算法来求解车辆路径问题,以Matlab语言为开发工具实现VRP实际问题的求解。实验表明,混合算法比粒子群算法能有更好的避免陷入局部最优,可以搜索到更优解。     

基于免疫算法的地下物流中转分配节点选址研究

互联网加速了物流业发展,地下物流网络节点选址成为新的研究热点。将二分K 均值算法和免疫算法相结合,对物流中转分配节点(一、二级节点)选址进行了研究。首先根据问题的约束条件和优化目标建立物流一、二级节点选址数学模型,然后采用二分K 均值算法和免疫算法求解最佳一、二级节点选址方案。对南京市仙林区110个物流节点分配方案进行实验,结果表明该算法能很好地解决组合优化问题。     

基于改进蚁群算法的物流配送优化研究

物流配送是物流管理的重要环节,物流配送关系到物流活动的正常开展,因此,物流配送优化成为学术界和企业界的研究热点。而传统蚁群算法由于存在着缺点,所以采用一种改进蚁群算法以改善传统算法的不足。基于改进蚁群算法,构建物流配送模型,求解最优解。通过算例,求得最优解,实现目标函数最小化。结论表明：改进蚁群算法是求解物流配送优化问题的有效方法。     

一个再制造物流网络的设施选址模型

首先构建了一个再制造物流网络.在该网络中,正向物流和逆向物流都是双层结构,所有的设施均有能力限制,再制造产品和新产品都可以用来满足顾客的需求,且假设同类设施可以共同设计成集成设施.在此基础上建立了一个包含6种设施的再制造物流网络设施选址的混合整数非线性规划(MINLP)模型.然后给出了基于枚举的求解算法.用该算法搜索整型变量的可行组合,用线性规划软件解决剩下的子问题.最后,通过一个算例说明了模型和算法的有效性.参数灵敏度分析的结果表明,同类设施的集成可能在一定程度上影响问题的最优解.     

一种物流优化的蚁群算法设计

物流配送中求最优解是一类典型的NP难问题,具有很高的时空复杂性。目前,还没有较完善的算法能在一定的时间限制内快速地寻到问题的最优解,只能尽可能地在规定的时间内寻到问题的近似最优解。由于蚁群算法具有鲁棒性和正反馈等特点,因此它被成功运用到物流配送问题的求解中。根据蚁群算法存在的一些缺陷,如搜索时间长、过早收敛等,采用OOP进行优化。通过实验,验证了改进算法的性能。