本文關(guān)鍵詞：基于人工魚群算法的能源配送問題的研究　出處：《內(nèi)蒙古農(nóng)業(yè)大學(xué)》2015年碩士論文　論文類型：學(xué)位論文

  更多相關(guān)文章： 人工魚群算法 虛擬人工魚 能源配送問題 模擬退火算法 視野衰減因子 遺傳算法

【摘要】：物質(zhì)配送在物流活動過程中充當(dāng)著十分重要的角色,是與消費(fèi)者直接相關(guān)聯(lián)的重要環(huán)節(jié)。然而,配送成本在物流總成本中占著很高的比重。如何采用更科學(xué)、合理的配送方法逐漸成為學(xué)者們關(guān)注的問題,在努力縮減運(yùn)輸成本、縮短配送時間等方面做出了大量的探索和研究,且能源配送問題是物流配送問題中的一種�；诖�,各種智能優(yōu)化算法紛紛涌現(xiàn),如遺傳算法、蟻群算法、人工蜂群算法、模擬退火算法、人工魚群算法等。這些算法的出現(xiàn)為能源配送問題的解決提供了新的思路、方法和工具,但是能源配送問題本身比較復(fù)雜和特殊,屬于NP-hard(非確定性多項式)問題。僅僅用基本的智能算法來求解往往找不到滿意的最優(yōu)解,所以這些基本的仿生智能算法需要不斷的改進(jìn)和創(chuàng)新。論文利用改進(jìn)的人工魚群算法來求解某煤炭公司的能源配送問題,由于人工魚群算法本身的局限性,如前期收斂過快導(dǎo)致難以搜尋到最優(yōu)區(qū)域,后期收斂不穩(wěn)定導(dǎo)致結(jié)果不夠精準(zhǔn)等。針對這些不足之處,論文在認(rèn)真研究基本人工魚群算法的基礎(chǔ)上,對該算法做了兩個方面的改進(jìn)和創(chuàng)新。首先,引入虛擬人工魚的概念對基本人工魚算法魚群的行為做了改進(jìn),用以擴(kuò)大人工魚群的搜尋范圍,提高算法在前期對最優(yōu)區(qū)域全局搜索的精度。其次,引入衰減因子并且與模擬退火算法相結(jié)合,使得該算法后期的局部尋優(yōu)結(jié)果更優(yōu)。此外又將模擬退火算法作了改進(jìn),引入二次交換的思想,以充分發(fā)揮混合算法的優(yōu)勢來彌補(bǔ)人工魚群算法后期收斂精度不高的不足；同時將人工魚群算法與遺傳算法相結(jié)合,提出了一種新的混合算法。最后將各混合算法的尋優(yōu)性能進(jìn)行了仿真比較。能源配送問題比較復(fù)雜,為使得尋優(yōu)結(jié)果更優(yōu),所以論文將問題分為兩步來解決。第一步,裝車方案的選擇;第二步,配送路徑的尋找,并對其分別進(jìn)行建模。最后編碼后進(jìn)行仿真實驗,將得出的結(jié)果和基本算法加以比較。通過對結(jié)果的對比、分析,得出改進(jìn)后的人工魚群算法和改進(jìn)的混合人工魚群算法在解決能源配送問題上比基本人工魚群算法更具優(yōu)勢。
[Abstract]:The material distribution plays an important role in the process of logistics activities, is directly related to the consumers of the important part. However, the distribution cost accounted for a high proportion in the total cost of logistics. How to adopt more scientific and reasonable distribution method has gradually become the scholars concern, in an effort to reduce transportation costs, make a lot of research and exploration to shorten the delivery time, and the distribution of energy is a problem in logistics distribution. Based on this, a variety of intelligent optimization algorithms have emerged, such as genetic algorithm, ant colony algorithm, artificial bee colony algorithm, simulated annealing algorithm, artificial fish swarm algorithm. The algorithm provides a new way of thinking in order to solve the problem of energy distribution, methods and tools, but the energy distribution is complex and special, which belongs to the NP-hard (non deterministic polynomial) problem. Only with the basic intelligent algorithm The optimal solution can not find a satisfactory solution, so these basic bionic intelligence algorithm requires continuous improvement and innovation. The energy distribution problem of a coal company, the improved artificial fish swarm algorithm used, due to the limitations of artificial fish swarm algorithm, such as pre convergence too fast cause is difficult to find the optimal area. Convergence leads to unstable results is not accurate enough. Aiming at these shortcomings, based on the careful study of the basic artificial fish swarm algorithm, the algorithm is improved and innovation in two aspects. Firstly, introducing the concept of virtual human artificial fish behavior of artificial fish swarm algorithm basic improvements were made in the search in order to expand the artificial fish swarm algorithm to search the optimal region, improve the overall accuracy in the early stage. Secondly, introduces the attenuation factor and combined with the simulated annealing algorithm, the algorithm of late The local search results better. In addition, the simulated annealing algorithm is improved, the introduction of two exchange ideas, in order to give full play to the advantages of the hybrid algorithm to compensate for the lack of artificial fish swarm algorithm convergence precision is not high; at the same time, by combining the artificial fish swarm algorithm and genetic algorithm, this paper proposes a novel hybrid algorithm the hybrid algorithm. The optimization performance is simulated. The distribution of energy is more complex, so that the optimization result is better, so the paper will be divided into two steps to solve the problem. The first step, the loading scheme selection; the second step, with the search route, and the two models. Finally, after encoding the simulation experiment, the results of the basic algorithm and comparison. By comparison, the results of the analysis, we conclude that the improved artificial fish swarm algorithm and improved hybrid artificial fish swarm algorithm to solve the energy distribution. The problem is more advantageous than the basic artificial fish swarm algorithm.

【學(xué)位授予單位】：內(nèi)蒙古農(nóng)業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TP18

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 劉耀年;李迎紅;張冰冰;李春亮;;基于人工魚群算法的最優(yōu)潮流計算[J];電工電能新技術(shù);2006年04期

2 聶宏展;呂盼;喬怡;姚秀萍;姚松;;基于人工魚群算法的輸電網(wǎng)絡(luò)規(guī)劃[J];電工電能新技術(shù);2008年02期

3 唐坤;車輛路徑問題中的遺傳算法設(shè)計[J];東華大學(xué)學(xué)報(自然科學(xué)版);2002年01期

4 胡曉波;楊利民;陳中;王海風(fēng);唐國慶;;基于人工魚群算法的PSS參數(shù)優(yōu)化[J];電力自動化設(shè)備;2009年02期

5 俞洋;殷志鋒;田亞菲;;基于自適應(yīng)人工魚群算法的多用戶檢測器[J];電子與信息學(xué)報;2007年01期

6 唐劍東,熊信銀,吳耀武,蔣秀潔;基于人工魚群算法的電力系統(tǒng)無功優(yōu)化[J];繼電器;2004年19期

7 張紅霞;趙秀明;齊曉娜;;基于人工魚群算法的配電網(wǎng)開關(guān)優(yōu)化配置研究[J];繼電器;2007年17期

8 馬華偉;張述初;;可選時間窗VRP的禁忌搜索算法[J];計算機(jī)工程與應(yīng)用;2007年26期

9 聶黎明;周永權(quán);;用人工魚群算法求解二重數(shù)值積分[J];計算機(jī)工程與應(yīng)用;2009年10期

10 王冬冬;周永權(quán);;一種求解多項式根最大模的人工魚群算法[J];計算機(jī)工程;2008年07期

相關(guān)博士學(xué)位論文 前1條

1 李曉磊;一種新型的智能優(yōu)化方法-人工魚群算法[D];浙江大學(xué);2003年

相關(guān)碩士學(xué)位論文 前10條

1 馮玉蓉;模擬退火算法的研究及其應(yīng)用[D];昆明理工大學(xué);2005年

2 鄧猛;物流配送中的優(yōu)化模型與遺傳算法[D];北京化工大學(xué);2006年

3 申巍;基于模擬退火的混合遺傳算法在變電站選址中的應(yīng)用[D];華北電力大學(xué)（河北）;2007年

4 王闖;人工魚群算法的分析及改進(jìn)[D];大連海事大學(xué);2008年

5 卞燦;基于人工魚群算法的智能組卷研究[D];湖南師范大學(xué);2009年

6 劉邏;遺傳算法和模擬退火算法在車輛線路問題上的研究及應(yīng)用[D];長春理工大學(xué);2009年

7 黃華娟;改進(jìn)型人工魚群算法及其在數(shù)值方法中的應(yīng)用[D];廣西民族大學(xué);2009年

8 李元;不確定條件下的再制造逆向物流網(wǎng)絡(luò)設(shè)施選址研究[D];北京交通大學(xué);2010年

9 賴志良;高速鐵路客運(yùn)站零售連鎖店的配送中心選址研究[D];西南交通大學(xué);2009年

10 趙麗紅;基于遺傳算法的公交車調(diào)度優(yōu)化問題的研究[D];內(nèi)蒙古大學(xué);2010年

，

本文編號：1393641