針對(duì)航空物流領(lǐng)域?qū)β窂竭M(jìn)行精確計(jì)算以降低配送成本的需求,文中對(duì)路徑的優(yōu)化方法進(jìn)行了研究。通過(guò)建模分析,將該問(wèn)題被抽象為數(shù)學(xué)中的樞紐位置問(wèn)題（HLP）,然后使用遺傳算法進(jìn)行求解。為了解決大規(guī)模的復(fù)雜HLP,文中對(duì)傳統(tǒng)的遺傳算法進(jìn)行了改進(jìn),將單一種群的遺傳算法擴(kuò)展成雙種群模式。通過(guò)為兩個(gè)種群設(shè)置不同的進(jìn)化參數(shù),從而保證最終勝出的個(gè)體具備更優(yōu)秀的搜索能力。此外,為防止遺傳個(gè)體在搜索時(shí)陷入局部最優(yōu)解,還引入了模擬退火算法中Metropolis準(zhǔn)則。為了衡量改進(jìn)后的算法性能（I-SGA）,文中基于航空公司的實(shí)際航線(xiàn)和15個(gè)大中城市機(jī)場(chǎng)的實(shí)際規(guī)模等相關(guān)數(shù)據(jù)進(jìn)行了仿真測(cè)試。仿真結(jié)果表明,I-SGA的目標(biāo)函數(shù)最優(yōu)收斂值為1.234 e+12,平均收斂值為1.100 e+12;而SGA的最優(yōu)收斂值為1.201 e+12,平均收斂值為1.021 e+12,所提算法的效果和效率均有明顯的提升。 

【文章來(lái)源】：電子設(shè)計(jì)工程. 2020,28(15)

【文章頁(yè)數(shù)】：5 頁(yè)

【部分圖文】：

標(biāo)準(zhǔn)遺傳算法處理流程圖

在自然界的生物遺傳中，會(huì)出現(xiàn)基因重組現(xiàn)象。SGA中通過(guò)交叉操作來(lái)模擬該現(xiàn)象，交叉操作可以提升遺傳算法的搜索能力。交叉包括：?jiǎn)吸c(diǎn)交叉、雙點(diǎn)交叉和多點(diǎn)交叉，而本文使用單點(diǎn)交叉操作。操作方法，如圖2所示。3）變異

傳統(tǒng)的遺傳算法通常是基于單個(gè)種群的選擇、遺傳和變異，雖然該方法在優(yōu)化問(wèn)題上有廣泛的應(yīng)用。但對(duì)于航空運(yùn)輸路徑這種復(fù)雜問(wèn)題[17]，其搜索空間有限，容易在優(yōu)化時(shí)陷入局部最優(yōu)解。因此，本文將單個(gè)種群擴(kuò)展為多種群，并將傳統(tǒng)的遺傳算法進(jìn)行改進(jìn)（I-SGA）。其基本流程，如圖3所示。將單種群劃分為雙種群后，在不同種群的選擇時(shí)，在FS1和FS2上產(chǎn)生不同的隨機(jī)數(shù)，但每次迭代均保證FS1產(chǎn)生的隨機(jī)數(shù)大于FS2；在單點(diǎn)交叉時(shí)，種群1的交叉位數(shù)大于種群2的交叉位數(shù)；在變異時(shí)，種群1的變異概率Pm1大于種群2的變異概率Pm2。

【參考文獻(xiàn)】：
期刊論文
[1]改進(jìn)遺傳模擬退火算法優(yōu)化BP算法研究[J]. 郭彩杏,郭曉金,柏林江.  小型微型計(jì)算機(jī)系統(tǒng). 2019(10)
[2]模擬退化算法在飛機(jī)巡航路徑問(wèn)題中的應(yīng)用[J]. 劉燕,任航永,張健.  光電技術(shù)應(yīng)用. 2019(04)
[3]結(jié)合遺傳算法的Apriori算法改進(jìn)[J]. 文武,郭有慶.  計(jì)算機(jī)工程與設(shè)計(jì). 2019(07)
[4]基于多目標(biāo)約束遺傳算法的SDN路徑增強(qiáng)算法[J]. 周睿,何利文,唐澄澄,侯小宇,陸錢(qián)春.  計(jì)算機(jī)技術(shù)與發(fā)展. 2019(07)
[5]基于量子遺傳算法優(yōu)化粗糙-Petri網(wǎng)的電網(wǎng)故障診斷[J]. 田海霖,洪良,王藝翔,王曉華.  西安工程大學(xué)學(xué)報(bào). 2018(06)
[6]基于多種群遺傳算法的多AGV調(diào)度[J]. 孟沖,任彧.  電子科技. 2018(11)
[7]基于混合遺傳算法的物流配送路徑優(yōu)化研究[J]. 楊柳.  電子設(shè)計(jì)工程. 2018(17)
[8]基于混合遺傳算法的有效路徑求解[J]. 劉蘭芬,楊信豐.  計(jì)算機(jī)工程與應(yīng)用. 2019(11)
[9]基于多約束條件的改進(jìn)遺傳算法路徑規(guī)劃[J]. 賀盼博,鄔春學(xué).  軟件導(dǎo)刊. 2018(07)
[10]改進(jìn)遺傳模擬退火算法在TSP優(yōu)化中的應(yīng)用[J]. 何慶,吳意樂(lè),徐同偉.  控制與決策. 2018(02)

碩士論文
[1]南昌臨空經(jīng)濟(jì)區(qū)航空物流業(yè)發(fā)展路徑研究[D]. 柳語(yǔ).南昌航空大學(xué) 2017
[2]湍流模式理論的機(jī)器學(xué)習(xí)研究[D]. 米俊亦.哈爾濱工業(yè)大學(xué) 2017
[3]基于遺傳模擬退火算法的航班著陸調(diào)度問(wèn)題[D]. 崔雪源.華中師范大學(xué) 2015



本文編號(hào)：3015921