微粒群算法及其在物流系統(tǒng)中的應用研究.pdf

1、物流被稱為企業(yè)的“第三利潤源泉”。在“自然資源領域”和“人力資源領域”利潤開拓越來越困難的情況下，物流領域的潛力被人們發(fā)現(xiàn)并受到重視。通過優(yōu)化物流系統(tǒng)可以降低成本，從而增加企業(yè)利潤及市場競爭力，因此通過優(yōu)化算法對物流系統(tǒng)進行優(yōu)化具有十分重要的意義和應用價值。 微粒群算法(Particle Swarm Optimization，PSO) 是一種擁有收斂速度快和簡便易行優(yōu)點的隨機全局優(yōu)化算法。論文對標準微粒群算法進行了深入的研究和分

2、析，針對其缺陷提出了相應的改進方法，在此基礎上采用遺傳算法編碼、交叉和變異的遺傳微粒群算法求解物流系統(tǒng)中的庫存優(yōu)化和車輛路徑優(yōu)化問題，并分別設計了啟發(fā)式算子提高遺傳微粒群算法的性能，仿真試驗的結果證實了算法的有效性和穩(wěn)定性。 對于微粒群算法改進的工作在于： (1) 對于無約束優(yōu)化問題，提出基于對個體評價的動態(tài)個體慣性權重調(diào)整策略，其中也包含對多種變異算子的研究。仿真結果顯示，這種方法對于提高微粒群算法的性能有非常明顯的幫助

3、。 (2) 對于約束優(yōu)化問題，通過仿真計算比較了多種變異算子的效果，在此基礎上嘗試了多變異算子串行融合，然后為了克服多變異算子相互間的干擾并減少計算量，提出了自適應的變異算子選取策略。最后，本文提出了將標準微粒群算法與遺傳微粒群算法相融合的雙重微粒群算法，仿真計算顯示，這種算法在與兩種微粒群算法計算量相當?shù)那闆r下展現(xiàn)出明顯高效的搜索效率和精度。 對于物流系統(tǒng)優(yōu)化的貢獻在于： (1) 采用遺傳微粒群算法求解背包問題，采

4、用1-2opt啟發(fā)式算子融入遺傳微粒群算法，仿真結果顯示本算法要優(yōu)于本文提到的標準微粒群算法和遺傳算法。 在此基礎上，對一個典型貨運中轉(zhuǎn)業(yè)務建模，通過綜合運用雙重微粒群算法和求解背包問題的遺傳微粒群算法求解，仿真結果驗證了算法的有效性，并對于物流業(yè)務的實際運行有一定的參考價值。 (2)提出采用混合遺傳微粒群算法求解旅行商問題的框架結構。針對微粒群算法特有的三條染色體交叉的特性，設計改進的順序交叉算子，它能夠在交叉的同時保留優(yōu)質(zhì)解的

5、信息；此外采用基于2-opt的變異算子顯著的增強算法的收斂性能。通過以上改造，提出了求解旅行商問題的遺傳微粒群算法結構，此結構相對于標準微粒群算法更加簡單、直觀、易于實現(xiàn)并且可擴展性好。仿真實驗顯示了此算法的可行性和有效性。 (3) 采用混合遺傳微粒群算法對帶車輛能力約束的車輛路徑優(yōu)化問題求解，其中采用了求解旅行商問題的交叉和變異算子，并采用了啟發(fā)式算子處理其約束條件，仿真結果表示它具有精度高和速度快的優(yōu)點。 (4) 采用兩