本文選題：修正遺傳算法　切入點：集配貨一體化　出處：《科學技術與工程》2017年32期 　論文類型：期刊論文

【摘要】：在一般的帶時間窗的集配貨一體化問題研究的基礎上增加了對裝卸貨產(chǎn)生的服務費的研究。通過推理計算求出包括服務費在內(nèi)的各部分費用在總費用中所占權重,建立含服務費的帶時間窗的集配貨一體化車輛路徑問題(VRPPDTW)模型。在求解時基于遺傳算法并對算子做出修正,通過動態(tài)自適應技術修正交叉算子和引入2-opt操作修正變異算子,通過修正確保種群的多樣性和穩(wěn)定性并提高算法的求解效率。最后,通過數(shù)值例子對文章的模型和計算策略進行驗證。結果顯示:執(zhí)行修正遺傳算法(MGA)的最優(yōu)成本為246.136;執(zhí)行自適應規(guī)則確定交叉概率遺傳算法(AGA)的最優(yōu)成本為275.944 3;執(zhí)行標準遺傳算法(SGA)的最優(yōu)成本為304.188 6;經(jīng)過多次反復執(zhí)行驗證,使用修正遺傳算法較其余兩種算法更適合求解此模型。
[Abstract]:On the basis of the general research on the integration of distribution and collection with time windows, the research on the service charge caused by loading and unloading is added. The weight of the cost of each part, including the service charge, in the total cost is calculated by inferential calculation. The VRPPDTW model of integrated vehicle routing problem with time window with service charge is established. Based on genetic algorithm and modified operator, crossover operator is modified by dynamic adaptive technique and 2-opt operation modified mutation operator is introduced. Through the correction to ensure the diversity and stability of the population and improve the efficiency of the algorithm. Finally, The results show that the optimal cost of implementing modified genetic algorithm (MGA) is 246.136; the optimal cost of executing adaptive rules to determine crossover probability genetic algorithm (AGA) is 275.9443; The optimal cost of line standard genetic algorithm (SGA) is 304.1886. The modified genetic algorithm is more suitable than the other two algorithms to solve the model.
【作者單位】： 四川大學商學院;
【分類號】：TP18

【相似文獻】

相關期刊論文 前10條

1 王興成,鄭紫微,賈欣樂;模糊遺傳算法及其應用研究[J];計算技術與自動化;2000年02期

2 吳瑞鏞,徐大紋;具有年齡結構的遺傳算法[J];桂林電子工業(yè)學院學報;2001年04期

3 楊艷麗,史維祥;一種新的優(yōu)化算法—遺傳算法的設計[J];液壓氣動與密封;2001年02期

4 楊宜康,李雪,彭勤科,黃永宣;具有年齡結構的遺傳算法[J];計算機工程與應用;2002年11期

5 谷峰,吳勇,唐俊;遺傳算法的改進[J];微機發(fā)展;2003年06期

6 ;遺傳算法[J];計算機教育;2004年10期

7 趙義紅,李正文,何其四;生物信息處理系統(tǒng)遺傳算法探討[J];成都理工大學學報(自然科學版);2004年05期

8 劉坤,劉偉波,吳忠強;基于模糊遺傳算法的電液位置伺服系統(tǒng)控制[J];黑龍江科技學院學報;2005年04期

9 張英俐,劉弘 ,馬金剛;遺傳算法作曲系統(tǒng)研究[J];信息技術與信息化;2005年05期

10 丁發(fā)智;;淺談遺傳算法[J];烏魯木齊成人教育學院學報;2005年04期

相關會議論文 前10條

1 陳家照;廖海濤;張中位;羅寅生;;一種改進的遺傳算法及其在路徑規(guī)劃中的應用[A];2009系統(tǒng)仿真技術及其應用學術會議論文集[C];2009年

2 任燕翔;姜立;劉連民;從滋慶;;改進遺傳算法在三維日照方案優(yōu)化中的應用[A];工程三維模型與虛擬現(xiàn)實表現(xiàn)——第二屆工程建設計算機應用創(chuàng)新論壇論文集[C];2009年

3 韓娟;;遺傳算法概述[A];第三屆河南省汽車工程科技學術研討會論文集[C];2006年

4 龐國仲;王元西;;基于遺傳算法控制步長的定性仿真方法[A];'2000系統(tǒng)仿真技術及其應用學術交流會論文集[C];2000年

5 張忠華;楊淑瑩;;基于遺傳算法的聚類設計[A];全國第二屆信號處理與應用學術會議專刊[C];2008年

6 靳開巖;張乃堯;;幾種實用遺傳算法及其比較[A];1996年中國智能自動化學術會議論文集（下冊）[C];1996年

7 王宏剛;曾建潮;李志宏;;攝動遺傳算法[A];1996年中國智能自動化學術會議論文集（下冊）[C];1996年

8 彭宏;歐慶鈴;歐永斌;;具有退火選擇的遺傳算法的收斂速度估計[A];1998年中國智能自動化學術會議論文集（下冊）[C];1998年

9 林家恒;李國鋒;田國會;劉長有;;遺傳算法在旋轉貨架揀選優(yōu)化中的應用[A];1996中國控制與決策學術年會論文集[C];1996年

10 馮春;謝泗淮;張怡;;解兩層決策問題的一個遺傳算法[A];1996中國控制與決策學術年會論文集[C];1996年

相關博士學位論文 前10條

1 李險峰;基于改進遺傳算法的汽車裝配生產(chǎn)線平衡問題研究[D];北京科技大學;2017年

2 孫秋紅;基于遺傳算法的水質數(shù)據(jù)挖掘與應用研究[D];燕山大學;2016年

3 周輝仁;遞階遺傳算法理論及其應用研究[D];天津大學;2008年

4 郝國生;交互式遺傳算法中用戶的認知規(guī)律及其應用[D];中國礦業(yè)大學;2009年

5 侯格賢;遺傳算法及其在跟蹤系統(tǒng)中的應用研究[D];西安電子科技大學;1998年

6 馬國田;遺傳算法及其在電磁工程中的應用[D];西安電子科技大學;1998年

7 袁麗華;基于物種進化的遺傳算法研究[D];南京航空航天大學;2009年

8 李航;遺傳算法求解多模態(tài)優(yōu)化問題的研究[D];天津大學;2007年

9 石玉;提高實數(shù)遺傳算法數(shù)值優(yōu)化效率的研究[D];南京航空航天大學;2002年

10 明亮;遺傳算法的模式理論及收斂理論[D];西安電子科技大學;2006年

相關碩士學位論文 前10條

1 鐘海萍;原對偶遺傳算法與蟻群算法的一種融合算法[D];暨南大學;2013年

2 李志添;模糊遺傳算法與資源優(yōu)化配置的預測控制[D];華南理工大學;2015年

3 彭騫;基于遺傳算法的山區(qū)高等級公路縱斷面智能優(yōu)化方法研究[D];昆明理工大學;2015年

4 郭頌;基于粗糙集和遺傳算法的數(shù)字管道生產(chǎn)管理系統(tǒng)研究[D];昆明理工大學;2015年

5 吳南;數(shù)值逼近遺傳算法的研究應用[D];華南理工大學;2015年

6 于光帥;一類優(yōu)化算法的改進研究與應用[D];渤海大學;2015年

7 吳欣欣;改進GA-TS算法優(yōu)化的BP神經(jīng)網(wǎng)絡入侵檢測研究[D];湖南工業(yè)大學;2015年

8 宋光兵;基于遺傳算法的C煙廠AGV路徑規(guī)劃研究[D];昆明理工大學;2015年

9 唐澤;基于FPGA的遺傳算法在交通控制中的應用[D];西南交通大學;2015年

10 王金玉;打孔機效能優(yōu)化模型[D];華中師范大學;2015年

，

本文編號：1560217