隨著我國經(jīng)濟(jì)的飛速發(fā)展,物流作為現(xiàn)代服務(wù)業(yè)的主要支柱產(chǎn)業(yè)也面臨著向信息化和智能化轉(zhuǎn)型的機(jī)遇。高效、安全和低碳為物流資源的合理利用提出了更高的要求和挑戰(zhàn)。在新發(fā)展趨勢下,如何對具有大規(guī)模、動態(tài)和多目標(biāo)等特征的復(fù)雜物流問題進(jìn)行優(yōu)化受到了特別關(guān)注,常規(guī)方法往往不能滿足實(shí)際應(yīng)用的需要。群智能算法高效和簡潔的計(jì)算性能,為解決物流運(yùn)作中的復(fù)雜問題提供了可行的技術(shù)手段。然而在解決復(fù)雜問題中,一般的群智能算法仍然面臨著容易陷入局部最優(yōu)和早熟等問題,阻礙了其在物流領(lǐng)域的深入應(yīng)用。如果可以改善群智能算法缺陷,將會極大提升群智能算法的優(yōu)化能力,拓展在物流領(lǐng)域的應(yīng)用。論文旨在從種群拓?fù)渚W(wǎng)絡(luò)、鄰域結(jié)構(gòu)和個(gè)體行為方面研究群智能算法的改進(jìn)和構(gòu)建,以提高智能算法在處理復(fù)雜優(yōu)化問題的能力,為解決物流運(yùn)作中的實(shí)際問題提供有效方法。論文主要研究工作和創(chuàng)新點(diǎn)如下:（1）從鄰域構(gòu)建角度,提出了聚類自適應(yīng)粒子群改進(jìn)算法（APSO-C）�；趯ΨN群中個(gè)體搜索行為的分析,采用K-means方法對種群進(jìn)行動態(tài)分割,從而構(gòu)建多個(gè)具有不同屬性的異構(gòu)子簇,并采用基于環(huán)形拓?fù)浣Y(jié)構(gòu)進(jìn)行不同簇間的信息交互�；谒纬傻拇亟Y(jié)構(gòu),構(gòu)建了通過簇所處搜索... 

【文章來源】：武漢理工大學(xué)湖北省 211工程院校 教育部直屬院校

【文章頁數(shù)】：164 頁

【學(xué)位級別】：博士

【部分圖文】：

BFO算法移動過程示意

圖 2-3 典型靜態(tài)種群拓?fù)浣Y(jié)構(gòu)[119]拓?fù)浣Y(jié)構(gòu)新型的改進(jìn)算法中都具有了動態(tài)的拓?fù)浜驼{(diào)整機(jī)制。進(jìn)行種群的分割。個(gè)體通過相互的融合和交互形成多學(xué)習(xí)、協(xié)作和競爭驅(qū)動，整個(gè)種群保持著持續(xù)的進(jìn)化了一種基于種群競爭的新生態(tài) PSO 算法，模型中個(gè)體同的搜索能力和競爭與協(xié)作行為。整個(gè)種群基于群到了修復(fù)。撲結(jié)構(gòu)符合社會性群體的演化特征，因此更能體現(xiàn)出形成動態(tài)的交互合作，從而提高算法搜索能力。優(yōu)化中個(gè)體行為控制實(shí)或者虛擬的群體一樣，在群智能算法中個(gè)體知識和的交互和學(xué)習(xí)。但是高的收斂速度會使得種群的整

重同 CLPSO 采用線性遞減策略，ωmax=0.95， APSO-C 算法中，c1=c2=2，ωmax=0.95，ωmin=感性分析測試）和聚類系數(shù) K=5。其余算法 的推薦參數(shù)設(shè)置。在所有算法中種群規(guī)模 N=種群分布度對比分析是分析本算法思想對粒子在搜索空間的分布的了種群的多樣性。為了便于粒子空間位置的圖 2 維空間。對于選定的基本 PSO 算法、基于本章所提出的 APSO-C 算法在相同的初始數(shù)100。在測試中分別記錄在代數(shù)Iteration=10、。鑒于結(jié)果的類似性以及篇幅的限制，選果作為分析對象。Griewank 函數(shù)存在多個(gè)局易優(yōu)化，其函數(shù)圖像如圖 3-1 所示。

【參考文獻(xiàn)】：
期刊論文
[1]復(fù)雜網(wǎng)絡(luò)社區(qū)挖掘綜述[J]. 劉大有,金弟,何東曉,黃晶,楊建寧,楊博.  計(jì)算機(jī)研究與發(fā)展. 2013(10)
[2]不確定環(huán)境下公鐵水多式聯(lián)運(yùn)決策研究[J]. 張鵬鴿,張煜,劉佳偉,李文鋒.  鐵道運(yùn)輸與經(jīng)濟(jì). 2013(02)
[3]群體行為的異質(zhì)節(jié)點(diǎn)復(fù)雜網(wǎng)絡(luò)傳播[J]. 李峰,沈惠璋,李莉,劉尚亮,張聰.  數(shù)學(xué)的實(shí)踐與認(rèn)識. 2013(01)
[4]求解三維裝箱問題的多層啟發(fā)式搜索算法[J]. 張德富,彭煜,張麗麗.  計(jì)算機(jī)學(xué)報(bào). 2012(12)
[5]復(fù)雜網(wǎng)絡(luò)2012年度盤點(diǎn)[J]. 榮智海,唐明,汪小帆,吳枝喜,嚴(yán)鋼,周濤.  電子科技大學(xué)學(xué)報(bào). 2012(06)
[6]基于梯度粒子群算法的細(xì)菌覓食算法[J]. 麥雄發(fā),李玲.  計(jì)算機(jī)應(yīng)用研究. 2012(11)
[7]復(fù)雜網(wǎng)絡(luò)特性對大規(guī)模多智能體協(xié)同控制的影響[J]. 徐楊,李響,常宏,王月星.  軟件學(xué)報(bào). 2012(11)
[8]基于差分進(jìn)化的生物地理學(xué)優(yōu)化算法[J]. 葉開文,劉三陽,高衛(wèi)峰.  計(jì)算機(jī)應(yīng)用. 2012(11)
[9]基于多目標(biāo)螢火蟲算法的可調(diào)節(jié)產(chǎn)品族優(yōu)化設(shè)計(jì)[J]. 袁際軍.  計(jì)算機(jī)集成制造系統(tǒng). 2012(08)
[10]復(fù)雜網(wǎng)絡(luò)上的演化博弈研究[J]. 楊涵新,汪秉宏.  上海理工大學(xué)學(xué)報(bào). 2012(02)

博士論文
[1]群智能算法的改進(jìn)及其在相關(guān)領(lǐng)域中的應(yīng)用[D]. 張毅.吉林大學(xué) 2009
[2]粒子群算法的動態(tài)拓樸結(jié)構(gòu)研究[D]. 王雪飛.西南大學(xué) 2008
[3]基于計(jì)算智能的若干優(yōu)化問題研究[D]. 葛宏偉.吉林大學(xué) 2006
[4]集裝箱船全航線配載智能優(yōu)化研究[D]. 張維英.大連理工大學(xué) 2006



本文編號：2939433