在科學(xué)研究與工程實踐中,存在許多非連續(xù)、不可微、不可導(dǎo)等復(fù)雜優(yōu)化問題,這些復(fù)雜優(yōu)化問題涉及的決策變量不斷增加,問題規(guī)模不斷增大。比如,在物流服務(wù)中,存在一類復(fù)雜優(yōu)化問題——庫存路徑問題（Inventory routing problem,IRP）。IRP涉及庫存與運輸之間的“效益背反”關(guān)系,屬于NP難問題。對于這些問題,傳統(tǒng)的優(yōu)化方法往往無法有效地求解,而群智能優(yōu)化算法可以有效地求解此類問題。頭腦風(fēng)暴優(yōu)化算法（Brain Storm Optimization,BSO）是群智能優(yōu)化算法中的“新星”。它受決策中頭腦風(fēng)暴法的啟發(fā)而被提出,是一種基于人類智能的優(yōu)化算法,在群智能優(yōu)化算法中具有較強競爭能力。雖然BSO算法在處理優(yōu)化問題時能得到較好的結(jié)果,但是它也和絕大多數(shù)群智能優(yōu)化算法一樣,存在收斂速度慢、易于陷入局部最優(yōu)等不足。本文對BSO算法的不足展開研究,并將BSO算法應(yīng)用于求解復(fù)雜優(yōu)化問題、大規(guī)模優(yōu)化問題和IRP。首先,研究提升BSO算法的性能。本文提出了基于角色扮演策略的頭腦風(fēng)暴優(yōu)化算法（BSO with Role-playing Strategy,RPBSO）。RPBSO 設(shè)計“角色... 

【文章頁數(shù)】：103 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
1 緒論
    1.1 研究背景與意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 頭腦風(fēng)暴優(yōu)化算法的研究
        1.2.2 頭腦風(fēng)暴優(yōu)化算法的應(yīng)用研究
        1.2.3 庫存路徑問題的研究
    1.3 本文主要研究內(nèi)容
    1.4 論文的結(jié)構(gòu)安排
2 頭腦風(fēng)暴優(yōu)化算法
    2.1 頭腦風(fēng)暴法簡介
    2.2 頭腦風(fēng)暴優(yōu)化算法
    2.3 算法的特點
    2.4 本章小結(jié)
3 基于角色扮演策略的頭腦風(fēng)暴優(yōu)化算法
    3.1 角色的概念
    3.2 基于角色扮演的頭腦風(fēng)暴優(yōu)化算法的設(shè)計與實現(xiàn)
        3.2.1 角色扮演策略
        3.2.2 產(chǎn)生新想法的方法
    3.3 仿真實驗與結(jié)果分析
        3.3.1 實驗參數(shù)和檢驗方法
        3.3.2 與其他BSO算法比較
    3.4 本章小結(jié)
4 基于Spark計算框架的分布式頭腦風(fēng)暴優(yōu)化算法
    4.1 Spark RDD
    4.2 分布式頭腦風(fēng)暴優(yōu)化算法的設(shè)計與實現(xiàn)
        4.2.1 隨機分組BSO設(shè)計與實現(xiàn)
        4.2.2 RGBSO實驗結(jié)果及分析
        4.2.3 分布式頭腦風(fēng)暴優(yōu)化算法的設(shè)計與實現(xiàn)
    4.3 SparkRGBSO仿真實驗與結(jié)果分析
        4.3.1 實驗結(jié)果及分析
        4.3.2 加速比實驗
    4.4 本章小結(jié)
5 求解庫存路徑問題的頭腦風(fēng)暴優(yōu)化算法
    5.1 庫存路徑問題
        5.1.1 問題描述
        5.1.2 問題建模
    5.2 面向庫存路徑問題的頭腦風(fēng)暴優(yōu)化算法
        5.2.1 庫存路徑優(yōu)化的方法
        5.2.2 求解庫存路徑問題的RGBSO算法
        5.2.3 RGBSOIR的實驗與結(jié)果分析
    5.3 面向庫存路徑問題的分布式頭腦風(fēng)暴算法
        5.3.1 分布式RGBSOIR的設(shè)計與實現(xiàn)
        5.3.2 分布式RGBSOIR的實驗與結(jié)果分析
    5.4 本章小結(jié)
6 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
參考文獻
攻讀碩士學(xué)位期間的研究成果
致謝



本文編號：3682452