【摘要】：物流配送選址-路徑優(yōu)化問題(LRP)是目前物流領域的一個熱點問題,在綠色物流的大環(huán)境下,基于節(jié)能減排的出發(fā)點,研究物流配送選址-路線中的碳排放問題建模與優(yōu)化理論具有重要的科學意義和實用價值。由于目前關于物流問題的模型種類繁多,因此對求解算法要求具有良好的通用性。超啟發(fā)式算法是近年來發(fā)展起來的一種新型啟發(fā)式算法,可以簡單闡述為“尋找啟發(fā)式算法的啟發(fā)式算法”,提供了一種高層次啟發(fā)式方法,通過管理或操縱一系列低層次啟發(fā)式算法(Low-Level Heuristics,LLH),以產生新的啟發(fā)式算法。這些新啟發(fā)式算法被用于求解各類組合優(yōu)化問題。超啟發(fā)式算法具有良好的通用性,無需針對不同實例進行復雜的參數(shù)設置,即可獲得高質量解。因此,研究超啟發(fā)式算法在LRP問題上的應用,具有十分重要的意義。本文分析了超啟發(fā)式算法的種類與特點,并將其用在了低碳LRP問題上。具體包含以下幾點工作:1.針對目前VRP問題和LRP問題在構造式算子上的研究比較少,提出了一種基于構造的底層啟發(fā)式算子,稱作自適應蟻群構造算子。該算子模仿蟻群算法的構造過程,將每一只螞蟻選擇下一個城市的抉擇視作一次操作,提供上層選擇策略調用。對比實驗表明,在基于離線學習的上層選擇策略下,算子庫在加入自適應蟻群構造算子后,提升了初始解的質量,并提高了算法的收斂性。2.針對目前超啟發(fā)式算法的上層選擇策略容易陷入局部最優(yōu)的問題,提出了基于初始解表的選擇策略。該方法將多個初始解引入表中開始同時迭代搜索,通過選擇淘汰,最終鎖定一個初始解進行單點搜索。實驗表明,初始解表策略能夠在相同的時間復雜度下,使得算法跳出局部最優(yōu)解,讓解的質量提升10%左右。3.為了發(fā)掘每個底層啟發(fā)式算子之間的內在聯(lián)系,搜索出優(yōu)異的算子排列組合,將蛙跳算法應用在超啟發(fā)式算法的上層選擇策略。在蛙跳算法劃分種群的過程中,提出了基于最長公共子序列的相似度計算方法,并用動態(tài)規(guī)劃去求個體的相似度。實驗表明,該相似度計算方法更能夠反映個體間的相似性,從而獲得更高質量的解。最后對全文進行總結,并提出了現(xiàn)有超啟發(fā)式算法研究的不足之處,為以后的算法研究提供了參考價值。
【圖文】：

浙江工業(yè)大學碩士學位論文領域屏蔽高層啟發(fā)式策略(用于管理或操縱LLH)LLH1LLH2…LLHn控制域問題域底層啟發(fā)式算子(Low Level Heuristics, LLH)· 問題描述· 目標函數(shù)· 初始解(種群)· 其它智能計算專家領域專家圖 1-1 概念模型

超啟發(fā)式算法選擇方法和接收準則
【學位授予單位】：浙江工業(yè)大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：TP18

【相似文獻】

相關期刊論文 前10條

1 桂洪照;;幾種具有代表性的啟發(fā)式算法研究[J];電子制作;2016年02期

2 王芳,施國洪;商貿服務業(yè)選址決策研究——一種基于阿德蘭啟發(fā)式算法的選址方法[J];江蘇商論;2004年07期

3 陶光遠;周佩德;王強;;最優(yōu)運輸徑路選擇的啟發(fā)式算法[J];南京工學院學報;1987年06期

4 許杰鋒;;客車調度問題(BSP)的數(shù)學模型及一種新的啟發(fā)式算法[J];上海交通大學學報;1988年06期

5 邢琳;;一種啟發(fā)式識別被積函數(shù)算法的設計與實現(xiàn)[J];中南礦冶學院學報;1988年01期

6 郭耀煌,范莉莉;貨運汽車調度的一種啟發(fā)式算法[J];系統(tǒng)工程;1989年01期

7 楊英杰;;單體型裝配問題的啟發(fā)式算法研究[J];數(shù)字技術與應用;2017年01期

8 陳燕;謝琪琦;劉詠;崔耀東;;圓形件下料順序分組啟發(fā)式算法的設計與實現(xiàn)[J];圖學學報;2017年01期

9 潘立軍;符卓;;求解帶硬時間窗車輛路徑問題的時差插入啟發(fā)式算法[J];計算機應用;2012年11期

10 高尚,陳鋼;可靠性優(yōu)化的一種新的啟發(fā)式算法[J];工程設計學報;2004年03期

相關會議論文 前10條

1 馮德鴻;唐加福;郭琦;李輝;;訂貨批量問題改進的相關策略啟發(fā)式算法與仿真分析[A];2007系統(tǒng)仿真技術及其應用學術會議論文集[C];2007年

2 羅守成;唐國春;;二維集裝箱問題的一個啟發(fā)式算法[A];2001年全國數(shù)學規(guī)劃及運籌研討會論文集[C];2001年

3 劉嘉敏;馬廣煜;黃有群;;基于組合的三維集裝箱裝入啟發(fā)式算法的研究[A];全國第13屆計算機輔助設計與圖形學（CAD/CG）學術會議論文集[C];2004年

4 戴娜;肖杰;邸瑞華;;異構計算環(huán)境下任務調度模型的啟發(fā)式算法研究[A];2006年全國開放式分布與并行計算機學術會議論文集（三）[C];2006年

5 許爭爭;;自有和租用車輛并存條件下基于協(xié)作的啟發(fā)式算法研究[A];第十九屆中國管理科學學術年會論文集[C];2017年

6 劉青松;孔云峰;黨蘭學;王震;;元啟發(fā)式算法在校車路徑規(guī)劃中的應用[A];第七屆全國地理學研究生學術年會論文摘要集[C];2012年

7 何正文;徐渝;;多模式項目支付進度問題的優(yōu)化模型及啟發(fā)式算法[A];中國運籌學會第七屆學術交流會論文集（上卷）[C];2004年

8 黃忠圣;;高等啟發(fā)式算法在桁架結構優(yōu)化中的應用[A];北京力學會第21屆學術年會暨北京振動工程學會第22屆學術年會論文集[C];2015年

9 李兵;蔣慰孫;;改進的遺傳算法及在一類組合優(yōu)化問題中的應用[A];1995中國控制與決策學術年會論文集[C];1995年

10 張建勇;李軍;;模糊需求VRP的一種Sweeping啟發(fā)式算法[A];第九屆中國管理科學學術年會論文集[C];2007年

相關重要報紙文章 前2條

1 羽中;啟發(fā)式算法的大能量[N];國家電網報;2018年

2 褚會會;建立數(shù)學模型 啟發(fā)式算法求解[N];東方煙草報;2016年

相關博士學位論文 前10條

1 丁俊文;啟發(fā)式算法中疏散性機制在求解組合優(yōu)化問題中的應用[D];華中科技大學;2017年

2 閆志遠;地理網絡分析中的并行啟發(fā)式算法研究[D];中國礦業(yè)大學(北京);2015年

3 古繼興;KOD多播技術與Steiner樹啟發(fā)式算法[D];上海交通大學;2007年

4 董興業(yè);啟發(fā)式算法及其在同順序流水作業(yè)問題中的應用[D];北京交通大學;2008年

5 馬華偉;帶時間窗車輛路徑問題及其啟發(fā)式算法研究[D];合肥工業(yè)大學;2008年

6 胡大偉;設施定位和車輛路線問題模型及其啟發(fā)式算法研究[D];長安大學;2008年

7 石文;空中交通管理優(yōu)化問題研究[D];天津大學;2014年

8 楊玉珍;基于元啟發(fā)式算法的帶生產約束作業(yè)車間調度問題若干研究[D];華東理工大學;2014年

9 鄧冠龍;基于元啟發(fā)式算法的調度問題若干研究[D];華東理工大學;2012年

10 鄭君璽;一類混合生產線調度與數(shù)值仿真技術的研究[D];華南理工大學;2016年

相關碩士學位論文 前10條

1 徐昶;超啟發(fā)式算法研究及其在低碳LRP中的應用[D];浙江工業(yè)大學;2019年

2 蔡永樂;求解有色旅行商問題的自然啟發(fā)式算法研究[D];武漢大學;2017年

3 郭竹峰;基于變量權重的約束滿足問題啟發(fā)式算法研究[D];吉林大學;2018年

4 鄭志祥;基于元啟發(fā)式算法的進場決策支持研究[D];南京航空航天大學;2018年

5 王中玉;誤工最小化流水調度精確及啟發(fā)式算法研究[D];大連理工大學;2018年

6 許瑩瑩;面向最大割問題的啟發(fā)式算法及其應用[D];太原科技大學;2018年

7 苗曉燕;基于啟發(fā)式算法邊坡及支擋結構穩(wěn)定性分析方法[D];湖南大學;2017年

8 霍超;求解多目標無約束二元二次規(guī)劃問題的元啟發(fā)式算法研究[D];電子科技大學;2018年

9 羅云鳳;基于啟發(fā)式智能搜索的貨運列車節(jié)能優(yōu)化研究[D];江西理工大學;2018年

10 江韻;《大數(shù)據(jù)元啟發(fā)式算法》（第5章與第8章）翻譯實踐報告[D];青島科技大學;2018年

，

本文編號：2700270