本文關(guān)鍵詞：一種求解帶約束多式聯(lián)運問題的群智能算法

  更多相關(guān)文章： 解碼策略 群智能 粒子群 多式聯(lián)運

【摘要】：針對如何有效運用群智能算法求解多式聯(lián)運問題,設(shè)計了一種針對群智能優(yōu)化算法的個體解碼方式,提出了一個有效的個體編碼與多式聯(lián)運方案的映射模型.在該映射模型中設(shè)計了基于比例的流量分配方式,實現(xiàn)了個體編碼信息向初步流量分配方式的解碼;同時構(gòu)建了局部流量調(diào)整策略,進行不可行方案修復(fù),提高了解碼方案的有效性.而后,提出了一種變鄰域粒子群算法,將社會網(wǎng)絡(luò)演化特征引入進行粒子群算法的種群拓?fù)浜袜徲蛘{(diào)整,以改善個體在搜索過程中的交互模式.基于解碼策略,采用改進算法對多式聯(lián)運問題進行求解,并與3種新型群智能算法進行對比.通過實例分析,該編碼策略可以有效應(yīng)用于多式聯(lián)運問題求解.同時,變鄰域粒子群優(yōu)化算法的收斂效率和性能優(yōu)于對比算法.
【作者單位】： 武漢理工大學(xué)物流工程學(xué)院;
【基金】：湖北省國際合作項目(2011BFA012) 國家自然科學(xué)基金項目(71372202) 十二五科技支撐計劃項目(2014BAH24F03) 湖北省自然科學(xué)基金項目(2014CFB875)資助
【分類號】：U116
【正文快照】： 多式聯(lián)運是現(xiàn)代物流中最重要的運輸組織方式,通過對2種以上運輸方式的組合,為托運人提供一站式物流服務(wù).多式聯(lián)運通過多種運輸方式的協(xié)同和優(yōu)化,可以降低物流運營成本,提高運輸效率,并緩解交通擁堵和降低碳排放,一直是研究的熱點.多式聯(lián)運問題中涉及運輸方式選擇、運輸路徑優(yōu)

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前2條

1 熊桂武;王勇;;帶時間窗的多式聯(lián)運作業(yè)整合優(yōu)化算法[J];系統(tǒng)工程學(xué)報;2011年03期

2 魏航;李軍;魏潔;;時變條件下多式聯(lián)運有害物品的路徑選擇[J];系統(tǒng)管理學(xué)報;2007年06期

【共引文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 林劍;趙龍;徐劍;余節(jié)約;;基于人工蜂群優(yōu)化的印刷色彩分色[J];包裝工程;2011年05期

2 羅鈞;劉永鋒;付麗;;能耗限制的實時周期任務(wù)可靠性感知調(diào)度[J];重慶大學(xué)學(xué)報;2011年08期

3 張姣玲;;人工蜂群算法在多元線性回歸中的應(yīng)用[J];廣東技術(shù)師范學(xué)院學(xué)報;2011年09期

4 于明;艾月喬;;基于人工蜂群算法的支持向量機參數(shù)優(yōu)化及應(yīng)用[J];光電子.激光;2012年02期

5 羅彬;邵培基;羅盡堯;劉獨玉;夏國恩;;基于粗糙集理論-神經(jīng)網(wǎng)絡(luò)-蜂群算法集成的客戶流失研究[J];管理學(xué)報;2011年02期

6 趙小強;張守明;;基于人工蜂群的模糊聚類算法[J];蘭州理工大學(xué)學(xué)報;2010年05期

7 熊桂武;;具有模糊時間窗的多模式聯(lián)運建模及優(yōu)化[J];工業(yè)工程;2012年04期

8 陳永強;王宏霞;;一種強魯棒性的盲分離混合矩陣估計方法[J];電子與信息學(xué)報;2012年09期

9 楊琳;孔峰;賀師超;;基于自適應(yīng)選擇策略的人工蜂群算法[J];廣西工學(xué)院學(xué)報;2012年03期

10 王琦;;基于人工蜂群算法的水位流量關(guān)系最優(yōu)定線研究[J];廣西水利水電;2012年05期

中國重要會議論文全文數(shù)據(jù)庫 前5條

1 李麗;程玉榮;牛奔;;離散人工蜂群算法求解旅行商問題[A];第十三屆中國管理科學(xué)學(xué)術(shù)年會論文集[C];2011年

2 楊琳;孔峰;;基于梯度蜂群混合算法的電力系統(tǒng)最優(yōu)潮流計算[A];中南六�。▍^(qū)）自動化學(xué)會第二十九屆學(xué)術(shù)年會論文集[C];2011年

3 Peng Zhang;Hong Liu;Yanhui Ding;;Dynamic Bee Colony Algorithm Based on Multi-species Coevolution[A];山東計算機學(xué)會2013學(xué)術(shù)年會論文集[C];2013年

4 王族統(tǒng);郭建勝;童聲;張鵬濤;;多目標(biāo)可靠性冗余優(yōu)化的蜂群算法求解[A];探索 創(chuàng)新 交流——第六屆中國航空學(xué)會青年科技論壇文集（下冊）[C];2014年

5 黃崇福;;從概率統(tǒng)計進化到智聯(lián)網(wǎng)的動態(tài)風(fēng)險評估[A];風(fēng)險分析和危機反應(yīng)中的信息技術(shù)--中國災(zāi)害防御協(xié)會風(fēng)險分析專業(yè)委員會第六屆年會論文集[C];2014年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 吳德烽;計算智能在三維表面掃描機器人系統(tǒng)中的應(yīng)用研究[D];大連海事大學(xué);2010年

2 羅彬;基于MMOI方法的電信客戶流失預(yù)測與挽留研究[D];電子科技大學(xué);2010年

3 董旭初;Bayesian網(wǎng)的最優(yōu)樹分解研究[D];吉林大學(xué);2011年

4 高鵬;港口物流網(wǎng)絡(luò)系統(tǒng)的建模及作業(yè)優(yōu)化研究[D];大連理工大學(xué);2011年

5 馮業(yè)偉;基于支持向量機和移動Agent技術(shù)的銀行風(fēng)險早期預(yù)警系統(tǒng)研究[D];中國海洋大學(xué);2011年

6 劉路;基于改進支持向量機和紋理圖像分析的旋轉(zhuǎn)機械故障診斷[D];天津大學(xué);2011年

7 王亞軍;減少OFDM系統(tǒng)的峰均功率比的研究[D];上海交通大學(xué);2011年

8 汪洋;基于視覺測量的鐵路列車鉤舌檢測流水線關(guān)鍵技術(shù)研究[D];大連海事大學(xué);2011年

9 肖永豪;蜂群算法及在圖像處理中的應(yīng)用研究[D];華南理工大學(xué);2011年

10 張曉偉;全局優(yōu)化的若干隨機性算法[D];西安電子科技大學(xué);2008年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 姜飛;混合智能優(yōu)化算法及其應(yīng)用[D];西安電子科技大學(xué);2011年

2 魏麗;群體動畫中運動生成模塊的模型研究[D];山東師范大學(xué);2011年

3 張守明;基于人工蜂群的模糊聚類數(shù)據(jù)挖掘算法研究[D];蘭州理工大學(xué);2011年

4 梁建慧;新型智能優(yōu)化算法及其在圖像分割中的應(yīng)用研究[D];陜西師范大學(xué);2011年

5 黃旭;群智能優(yōu)化算法及其在PPI網(wǎng)絡(luò)中的應(yīng)用研究[D];陜西師范大學(xué);2011年

6 李廣宇;基于粒子蜂群算法優(yōu)化的多支持向量機軟測量建模方法研究[D];中南大學(xué);2011年

7 譚世恒;一種新型的群智能優(yōu)化算法—細(xì)胞膜優(yōu)化算法及其應(yīng)用[D];華南理工大學(xué);2011年

8 呂瓊帥;BP神經(jīng)網(wǎng)絡(luò)的優(yōu)化與研究[D];鄭州大學(xué);2011年

9 范文t，

本文編號：1208621