本文選題：合作伙伴選擇　切入點：布谷鳥搜索　出處：《計算機工程與設(shè)計》2017年12期 　論文類型：期刊論文

【摘要】：針對供應(yīng)鏈合作伙伴選擇問題,提出一種基于布谷鳥搜索和k-中心聚類算法相結(jié)合的尋優(yōu)算法。構(gòu)造基于多目標優(yōu)化的合作伙伴選擇模型,形成離散化的數(shù)據(jù),用k-中心聚類算法對數(shù)據(jù)進行分組,利用布谷鳥全局搜索能力強的特性尋求問題的最優(yōu)解;利用布谷鳥搜索算法對每簇進行尋優(yōu)得到每簇的局部最優(yōu)解,作為下一階段的初始解,利用布谷鳥算法對初始解進行尋優(yōu),求得供應(yīng)鏈合作伙伴選擇的最優(yōu)解。對比該算法與離散化的粒子群算法、布谷鳥搜索算法,對比結(jié)果表明,該算法的搜索效果更好。
[Abstract]:In order to solve the problem of partner selection in supply chain, an optimization algorithm based on cuckoo search and k- center clustering algorithm is proposed. A partner selection model based on multi-objective optimization is constructed to form discrete data. The data are grouped by k- center clustering algorithm, and the optimal solution of the problem is obtained by using the global search ability of cuckoo bird, and the local optimal solution of each cluster is obtained by using the cuckoo search algorithm. As the initial solution of the next stage, the Cuckoo algorithm is used to optimize the initial solution, and the optimal solution of the supply chain partner selection is obtained. Compared with the discrete particle swarm optimization algorithm and the Cuckoo search algorithm, the comparison results show that, The search effect of this algorithm is better.
【作者單位】： 上海海事大學經(jīng)濟管理學院;
【分類號】：TP18;TP311.13

【相似文獻】

相關(guān)期刊論文 前10條

1 黃天赦;葉春明;;采用量子粒子群算法的一類模糊作業(yè)車間調(diào)度問題的研究[J];現(xiàn)代制造工程;2009年11期

2 秦玉靈;孔憲仁;羅文波;;混沌量子粒子群算法在模型修正中的應(yīng)用[J];計算機工程與應(yīng)用;2010年02期

3 陳治明;;新型量子粒子群算法及其性能分析研究[J];福建電腦;2010年05期

4 牛永潔;;一種新型的混合粒子群算法[J];信息技術(shù);2010年10期

5 全芙蓉;;粒子群算法的理論分析與研究[J];硅谷;2010年23期

6 劉衍民;趙慶禎;邵增珍;;一種改進的完全信息粒子群算法研究[J];曲阜師范大學學報(自然科學版);2011年01期

7 朱童;李小凡;魯明文;;位置加權(quán)的改進粒子群算法[J];計算機工程與應(yīng)用;2011年05期

8 熊智挺;譚陽紅;易如方;陳賽華;;一種并行的自適應(yīng)量子粒子群算法[J];計算機系統(tǒng)應(yīng)用;2011年08期

9 孟純青;;非線性粒子群算法[J];微計算機應(yīng)用;2011年08期

10 任偉建;武璇;;一種動態(tài)改變學習因子的簡化粒子群算法[J];自動化技術(shù)與應(yīng)用;2012年10期

相關(guān)會議論文 前10條

1 朱童;李小凡;魯明文;;位置加權(quán)的改進粒子群算法[A];中國科學院地質(zhì)與地球物理研究所第11屆（2011年度）學術(shù)年會論文集(上)[C];2012年

2 陳龍祥;蔡國平;;基于粒子群算法的時滯動力學系統(tǒng)的時滯辨識[A];第十二屆全國非線性振動暨第九屆全國非線性動力學和運動穩(wěn)定性學術(shù)會議論文集[C];2009年

3 于穎;李永生;於孝春;;新型離散粒子群算法在波紋管優(yōu)化設(shè)計中的應(yīng)用[A];第十一屆全國膨脹節(jié)學術(shù)會議膨脹節(jié)設(shè)計、制造和應(yīng)用技術(shù)論文選集[C];2010年

4 劉卓倩;顧幸生;;一種基于信息熵的改進粒子群算法[A];系統(tǒng)仿真技術(shù)及其應(yīng)用（第7卷）——'2005系統(tǒng)仿真技術(shù)及其應(yīng)用學術(shù)交流會論文選編[C];2005年

5 熊偉麗;徐保國;;粒子群算法在支持向量機參數(shù)選擇優(yōu)化中的應(yīng)用研究[A];2007中國控制與決策學術(shù)年會論文集[C];2007年

6 熊偉麗;徐保國;;單個粒子收斂中心隨機攝動的粒子群算法[A];2009年中國智能自動化會議論文集（第七分冊）[南京理工大學學報（增刊）][C];2009年

7 趙磊;;基于粒子群算法求解多目標函數(shù)優(yōu)化問題[A];第二十一屆中國（天津）’2007IT、網(wǎng)絡(luò)、信息技術(shù)、電子、儀器儀表創(chuàng)新學術(shù)會議論文集[C];2007年

8 張頂學;關(guān)治洪;劉新芝;;多種群并行粒子群算法研究[A];第二十六屆中國控制會議論文集[C];2007年

9 叢亮;胡成全;郭宗鵬;姜宇;沙麗華;;基于模擬退火思想的基本粒子群算法改進[A];第二十七屆中國控制會議論文集[C];2008年

10 宋瑩;陳增強;袁著祉;;一種新型混沌粒子群算法及在非線性系統(tǒng)中的應(yīng)用[A];2006中國控制與決策學術(shù)年會論文集[C];2006年

相關(guān)博士學位論文 前6條

1 王芳;粒子群算法的研究[D];西南大學;2006年

2 安鎮(zhèn)宙;家庭粒子群算法及其奇偶性與收斂性分析[D];云南大學;2012年

3 劉建華;粒子群算法的基本理論及其改進研究[D];中南大學;2009年

4 楊輕云;約束滿足問題與調(diào)度問題中離散粒子群算法研究[D];吉林大學;2006年

5 雷開友;粒子群算法及其應(yīng)用研究[D];西南大學;2006年

6 陳晉音;生物啟發(fā)計算若干關(guān)鍵技術(shù)與應(yīng)用研究[D];浙江工業(yè)大學;2009年

相關(guān)碩士學位論文 前10條

1 張紅;基于J2EE的合作伙伴選擇系統(tǒng)的設(shè)計與實現(xiàn)[D];電子科技大學;2014年

2 張忠偉;結(jié)構(gòu)優(yōu)化中粒子群算法的研究與應(yīng)用[D];大連理工大學;2009年

3 戴玉倩;基于混合動態(tài)粒子群算法的軟件測試數(shù)據(jù)自動生成研究[D];江西理工大學;2015年

4 江玲;基于粒子群算法的微博用戶推薦系統(tǒng)[D];西南科技大學;2015年

5 汪習知;視點質(zhì)量計算與視點選擇研究[D];國防科學技術(shù)大學;2013年

6 錢祺楓;基于改進的粒子群算法的圖像分類技術(shù)研究[D];南京郵電大學;2015年

7 朱良;基于云計算和優(yōu)化KMeans的電力不良數(shù)據(jù)辨識[D];華北電力大學;2015年

8 鮑立婷;粒子群算法在基于LBS快遞派送中的應(yīng)用研究[D];東華理工大學;2016年

9 王佳麗;量子粒子群算法的改進及其在圖像分割中的應(yīng)用[D];安徽工業(yè)大學;2015年

10 劉慶;基于PMV的室內(nèi)環(huán)境智能系統(tǒng)設(shè)計[D];北方工業(yè)大學;2017年

，

本文編號：1617213