食品安全事件頻發(fā),公眾對于食品安全的關(guān)注度隨之上升,食品抽檢檢測工作作為食品安全的防護(hù)網(wǎng),其重要性不言而喻。但目前我國的食品監(jiān)督抽檢管理辦法不夠具體,食品抽樣和檢測環(huán)節(jié)存在著諸多漏洞,可能存在被檢單位自行決定抽檢樣品以及抽檢人員徇私舞弊的現(xiàn)象。為解決上述問題,本文遵循監(jiān)督抽檢工作科學(xué)公正、利益回避的原則,提出采用“雙隨機(jī)”的抽檢機(jī)制,即隨機(jī)確定抽檢計(jì)劃中的抽檢點(diǎn)和抽檢人員,保證抽樣隨機(jī)性。針對當(dāng)前采樣過程中存在的人為干預(yù),按照食品安全風(fēng)險(xiǎn)優(yōu)先級生成抽檢方案并形成雙隨機(jī)的優(yōu)化抽檢分工和路線,尋找最優(yōu)抽檢巡回路線指導(dǎo)安排抽檢工作,使得抽檢員能夠以最省出行成本和最合適交通高效完成采樣任務(wù)。本文從抽檢的實(shí)際情況出發(fā),在了解近幾年求解旅行商問題（Traveling Salesman Problem,TSP）相關(guān)算法的基礎(chǔ)上,提出了抽檢路徑優(yōu)化問題的近似解法。當(dāng)問題規(guī)模較小時(shí),通過窮舉法找到最優(yōu)抽檢路徑;當(dāng)問題規(guī)模較大時(shí),通過對改進(jìn)后的貪心算法和改進(jìn)后的遺傳算法（Genetic Algorithm,GA）的運(yùn)行結(jié)果進(jìn)行比較,選擇結(jié)果最優(yōu)的抽檢路徑。為了將算法研究成果應(yīng)用于實(shí)際抽檢工作,本文基于該近... 

【文章來源】：北京林業(yè)大學(xué)北京市 211工程院校 教育部直屬院校

【文章頁數(shù)】：88 頁

【學(xué)位級別】：碩士

【部分圖文】：

改進(jìn)的貪心算法Figure3.2Improvedgreedyalgorithm（1）改進(jìn)的貪心算法

3系統(tǒng)相關(guān)算法設(shè)計(jì)25因操作進(jìn)行有組織而又隨機(jī)的信息交換，逐漸繼承優(yōu)良品種，淘汰壞的特性（馬玉明等，2004）。在自然界中，任何個(gè)體間都存在著差異，它們對于生存環(huán)境的適應(yīng)性也不盡相同，遵照自然界生物進(jìn)化的基本原則：適者生存、優(yōu)勝劣汰，在進(jìn)化過程中適應(yīng)能力較差的個(gè)體會被淘汰掉，有些個(gè)體通過染色體核基因的重組或交配繼承父本的優(yōu)秀基因，繼承更強(qiáng)的生命力和適應(yīng)能力（陳洋卓等，2019）�；蛲蛔儠S時(shí)發(fā)生，無法控制染色體核基因的重組，但這種變異也可能導(dǎo)致新基因和生命力更強(qiáng)的新個(gè)體的產(chǎn)生。圖3.3遺傳算法流程圖Figure3.3Flowdiagramofgeneticalgorithm遺傳算法求解抽檢最短路徑尋優(yōu)問題的過程如下所述，流程圖如圖3.3所示。①群體由隨機(jī)選擇的N個(gè)抽檢點(diǎn)的所有路線組成，群體中的每條路線即為一個(gè)個(gè)體或染色體。群體內(nèi)路線的數(shù)量(N-1)!代表群體規(guī)模，用某種編碼形式表示群體內(nèi)的每個(gè)染色體，訪問抽檢點(diǎn)的順序代表一種編碼，抽檢路線總距離代表編碼的內(nèi)容，該問題的初始解即為抽檢點(diǎn)的初始訪問序列。②按照一定的選擇策略根據(jù)群體中每條路徑的適應(yīng)性值，從群體中選擇具有最好適應(yīng)性值的M條路徑作為父代，重新繁殖的下一代群體。③從父代群體中隨機(jī)選擇兩條路徑序列，根據(jù)給定的雜交概率Pc進(jìn)行雜交運(yùn)算或重組運(yùn)算，產(chǎn)生新的路徑序列，重復(fù)此過程直到所有的父代個(gè)體雜交完畢。

食品抽檢計(jì)劃生成及路徑優(yōu)化系統(tǒng)的研建30（4）通過交換實(shí)現(xiàn)優(yōu)化分組，目標(biāo)是所有抽檢員的費(fèi)用消耗之和最小，每一個(gè)子任務(wù)由一個(gè)抽檢員負(fù)責(zé)完成；設(shè)置一個(gè)閾值，當(dāng)連續(xù)沒有改進(jìn)的次數(shù)不超過這個(gè)值時(shí)，交換優(yōu)化的過程繼續(xù)，反之，當(dāng)連續(xù)沒有改進(jìn)的次數(shù)達(dá)到這個(gè)閾值的時(shí)候，整個(gè)交換優(yōu)化的過程終止。直到找到各組距離消耗之和更小的分組情況。巡檢任務(wù)分組算法的實(shí)現(xiàn)過程描述具體如算法3-3所示。圖3.5改進(jìn)的遺傳算法Figure3.5Improvedgeneticalgorithm3.2.3食品抽檢比例分配算法抽檢食品數(shù)量分配算法的實(shí)現(xiàn)步驟如下：（1）每一類食品的抽檢數(shù)量由兩部分組成，基本數(shù)量和風(fēng)險(xiǎn)數(shù)量，其中風(fēng)險(xiǎn)數(shù)量根據(jù)每類食品的風(fēng)險(xiǎn)因子計(jì)算所得�；緮�(shù)量和風(fēng)險(xiǎn)數(shù)量之和為食品抽檢總數(shù)。（2）抽檢總數(shù)和每類食品的基本數(shù)量由管理員設(shè)定，計(jì)算出所有食品的基本數(shù)量之和，抽檢總數(shù)減去基本數(shù)量總和得到剩余數(shù)量即為要分配的風(fēng)險(xiǎn)數(shù)量總數(shù)，若無剩余數(shù)量，直接返回基本數(shù)量作為每類食品最終抽檢個(gè)數(shù)。（3）將各類食品的風(fēng)險(xiǎn)因子相加得到風(fēng)險(xiǎn)總和，根據(jù)風(fēng)險(xiǎn)因子分配剩余數(shù)量，

【參考文獻(xiàn)】：
期刊論文
[1]2018～2019年全國食品安全監(jiān)督抽檢情況分析[J]. 劉歡.  食品安全質(zhì)量檢測學(xué)報(bào). 2020(07)
[2]食品安全監(jiān)督抽樣工作存在的問題和建議[J]. 吳瓊,宋安東.  糧食與飼料工業(yè). 2020(01)
[3]蟻群算法、遺傳算法及微粒群算法在TSP中的對比研究[J]. 張宇,姚海霞,唐丹洋,鐘曉娟,蔡燕.  數(shù)碼世界. 2019(12)
[4]大數(shù)據(jù)共享背景下食品分類的探討[J]. 彭青枝,萬旭剛,黃茜,周陶鴻.  食品安全質(zhì)量檢測學(xué)報(bào). 2019(16)
[5]基于遺傳算法的TSP算法求解20大城市最短旅途[J]. 裴佳明,周斌,酈麗.  電腦知識與技術(shù). 2019(16)
[6]基于貪心算法的卷煙成品多倉庫聯(lián)合裝貨方案研究[J]. 王家壽,陳曉偉,歐陽世波.  中國物流與采購. 2019(04)
[7]基于支持向量機(jī)的食品安全抽檢數(shù)據(jù)分析方法[J]. 游清順,王建新,張秀宇,羅曦.  軟件工程. 2019(02)
[8]基于球面距離的旅行商問題及其應(yīng)用[J]. 吳皓華,曹茜.  物流科技. 2019(01)
[9]基于遺傳算法的TSP問題優(yōu)化方法[J]. 陳洋卓,李青青,羅天揚(yáng),朱林丹,肖奇.  科技風(fēng). 2019(01)
[10]基于旅行費(fèi)用約束的景點(diǎn)及路徑動(dòng)態(tài)規(guī)劃研究[J]. 方蘇杰,張宇航,方成剛.  計(jì)算機(jī)應(yīng)用與軟件. 2018(12)



本文編號：3028671