降低農(nóng)產(chǎn)品配送成本是黔北地區(qū)物流企業(yè)急需解決的重大問題。對此,在鯨魚算法（WOA）基礎(chǔ)上,改進鯨魚個體編碼和解碼方式,利用混沌方式生成初始種群,引入反向?qū)W習(xí)、信息反饋、非線性收斂因子和自適應(yīng)權(quán)重等機制,提出一種求解配送問題的改進鯨魚算法（IWOA）。采用黔北地區(qū)農(nóng)產(chǎn)品配送實例和國際標準算例進行仿真實驗。實驗結(jié)果表明,IWOA綜合求解性能優(yōu)于WOA、遺傳算法（GA）和粒子群算法（PSO）,有助于降低企業(yè)配送成本。 

【文章頁數(shù)】：9 頁

【文章目錄】：
0 引 言
1 配送成本模型
    1.1 問題描述
    1.2 成本分析
        (1) 車輛運輸成本。
        (2) 農(nóng)產(chǎn)品貨損成本。
        (3) 時間懲罰成本。
    1.3 模型構(gòu)建
2 鯨魚優(yōu)化算法
    2.1 包圍獵物
    2.2 氣泡攻擊
    2.3 尋找獵物
3 改進鯨魚算法
    3.1 編碼與解碼
    3.2 混沌序列初始化
    3.3 逐維小孔成像反向?qū)W習(xí)
    3.4 信息反饋機制
    3.5 非線性收斂因子和自適應(yīng)權(quán)重策略
    3.6 適應(yīng)度函數(shù)
    3.7 算法步驟
4 仿真實驗
    4.1 黔北地區(qū)配送實例
    4.2 國際標準算例
5 結(jié) 語


【參考文獻】：
期刊論文
[1]求解最小最大VRP的精英反向?qū)W習(xí)魚群算法[J]. 李小川,劉媛華,王影歌.  傳感器與微系統(tǒng). 2020(02)
[2]模糊需求與時間窗的車輛路徑問題及混合遺傳算法求解[J]. 范厚明,吳嘉鑫,耿靜,李陽.  系統(tǒng)管理學(xué)報. 2020(01)
[3]基于自適應(yīng)鯨魚優(yōu)化算法結(jié)合Elman神經(jīng)網(wǎng)絡(luò)的股市收盤價預(yù)測算法[J]. 朱昶勝,康亮河,馮文芳.  計算機應(yīng)用. 2020(05)
[4]具有反向?qū)W習(xí)能力的串車調(diào)度算法研究[J]. 王敏,陳峰,張磊石.  交通運輸系統(tǒng)工程與信息. 2019(02)
[5]需求可離散拆分車輛路徑問題及其禁忌搜索算法[J]. 邱萌,符卓.  哈爾濱工程大學(xué)學(xué)報. 2019(03)
[6]超啟發(fā)式遺傳算法求解帶軟時間窗的車輛路徑問題[J]. 韓亞娟,彭運芳,魏航,史保莉.  計算機集成制造系統(tǒng). 2019(10)
[7]農(nóng)產(chǎn)品電商精準扶貧的路徑與對策——以貴州貧困農(nóng)村為例[J]. 顏強,王國麗,陳加友.  農(nóng)村經(jīng)濟. 2018(02)



本文編號：3712569