物流配送中心選址問(wèn)題的核心是效率最大化,成本最小化。為了快速得到合理的物流配送中心選址方案,現(xiàn)提出一種基于Laplace分布的偽反向蜘蛛猴優(yōu)化算法（LOBSMO）來(lái)求解此問(wèn)題。建立物流配送中心選址模型。在基本蜘蛛猴優(yōu)化算法中,采用了Laplace分布初始化蜘蛛猴種群,在局部領(lǐng)導(dǎo)階段用指數(shù)遞減與隨機(jī)對(duì)數(shù)遞減策略改進(jìn)步長(zhǎng)因子,在全局領(lǐng)導(dǎo)階段提出了新的搜索機(jī)制及局部領(lǐng)導(dǎo)決策階段的偽反向?qū)W習(xí)策略來(lái)提高算法的尋優(yōu)性能。最后,通過(guò)仿真實(shí)驗(yàn)說(shuō)明該方法是可行的。 

【文章來(lái)源】：計(jì)算機(jī)工程與應(yīng)用. 2020,56(01)北大核心

【文章頁(yè)數(shù)】：8 頁(yè)

【部分圖文】：

100維物流配送中心選址問(wèn)題的箱型圖

其中，lap(p,q)是Laplace分布，p∈(-∞,∞)是位置參數(shù)，q>0是尺度參數(shù)，函數(shù)f始終關(guān)于p對(duì)稱，且在[0,p]上遞增，在[p,∞]上遞減。如圖1為L(zhǎng)aplace分布和均勻分布200次迭代生成隨機(jī)數(shù)的曲線比較，直觀地得出：使用Laplace分布產(chǎn)生隨機(jī)數(shù)更有利于探索搜索空間，有助于找到潛在解。(2）局部領(lǐng)導(dǎo)階段的改進(jìn)

此外，將5種算法運(yùn)行50次的結(jié)果分別進(jìn)行Wilcoxon秩和檢驗(yàn)[16]，它是一種用樣本秩來(lái)代替樣本值的非參數(shù)檢驗(yàn)法。這里具體是指在5%的顯著性水平下檢驗(yàn)兩組數(shù)據(jù)的中位數(shù)是否有顯著性差異。表2為L(zhǎng)OBSMO分別與DE、PSO、MA及SMO對(duì)9個(gè)測(cè)試函數(shù)運(yùn)行50次的最小值進(jìn)行Wilcoxon秩和檢驗(yàn)的結(jié)果，P表示兩組數(shù)據(jù)總體是否相同的顯著性概率，H表示假設(shè)檢驗(yàn)的結(jié)果。其中，若H為1，則說(shuō)明這兩個(gè)數(shù)據(jù)總體有顯著性的差別；若H為0，說(shuō)明兩組數(shù)據(jù)總體差別不顯著。由表2的P和H值可總結(jié)出：對(duì)于全部9個(gè)測(cè)試函數(shù)，LOBSMO與SMO、MA、PSO、DE的Wilcoxon秩和檢驗(yàn)結(jié)果中，H=1說(shuō)明每?jī)山M數(shù)據(jù)都有顯著差異，P值都小于1×10-10，并且LOBSMO的精度高，因此，LOBSMO優(yōu)于所對(duì)比的算法，其尋優(yōu)性能得到了很大的改善。

【參考文獻(xiàn)】：
期刊論文
[1]一種基于新型差分進(jìn)化模型的MOEA/D改進(jìn)算法[J]. 耿煥同,周利發(fā),丁洋洋,周山勝.  計(jì)算機(jī)工程與應(yīng)用. 2019(08)
[2]基于猴群算法求解旅行商問(wèn)題[J]. 徐小平,張東潔.  計(jì)算機(jī)工程與應(yīng)用. 2018(02)
[3]基于猴群算法和單純法的混合優(yōu)化算法[J]. 陳信,周永權(quán).  計(jì)算機(jī)科學(xué). 2013(11)
[4]直覺(jué)模糊環(huán)境下的物流配送中心選址方法研究[J]. 郭子雪,史淑英,張玉芬,齊美然.  計(jì)算機(jī)工程與應(yīng)用. 2012(11)
[5]物流配送中心選址雙層規(guī)劃模型與算法[J]. 段剛,陳莉,李引珍,陳志忠,何瑞春.  交通運(yùn)輸系統(tǒng)工程與信息. 2011(01)



本文編號(hào)：3053148