基于多种群搜索的PSO的物流配送中心寻址求解

物流配送中心选址不仅影响运输等成本,而且也影响顾客的服务水平,在现代物流中具有重要的现实意义。针对物流配送中心选址问题,文章提出了一种基于改进粒子算法的智能求解方法,建立了物流配送中心选择模型,根据模型特点设计出了与免疫优化算法混合的粒子群算法、多种群搜索策略、混沌初始化方法、多样性评价方法。通过合理地设置算法参数,对物流配送中心选址问题进行实验比较,实验结果表明,该文算法的求解效果良好,并且求解的速度较快。     

县域农村物流配送中心选址优化模型及算法

为解决县域农村物流配送中心合理选址问题,综合现实路网条件及未来物流需求等因素,以物流总费用最小化为目标函数,建立基于现实公路网的农村物流配送中心选址优化模型.通过对聚类中心和边缘点加以处理,改进了Kmeans聚类算法,并以此求解上述选址优化模型.实例分析表明,该模型和算法能很好地解决县域农村物流配送中心选址优化问题.     

考虑经济性和时效性的配送中心选址模型研究

为提高物流系统的服务水平,对具有经济性和时效性的配送中心选址问题进行了研究.以经济费用最小为目标,将客户对送货时间的要求转化为时效性约束条件,构造配送中心选址模型.讨论了求解该选址问题的优化算法——序列二次规划算法(SQP).通过实际算例对选址模型和求解算法的可行性进行了检验.算例结果表明:模型和算法能很好地解决有时效性约束的配送中心选址问题,对提高物流系统的运作效率有积极的意义.     

基于带变异的自适应精英改进蚁群算法的物流配送中心选址问题求解

建立以总成本最少同时满足时效性要求的物流配送中心选址问题的数学模型,并提出一种带变异的自适应精英改进蚁群算法对选址问题进行求解.本算法中的信息素挥发参数随迭代进行自适应调整,同时引入精英机制对群体当前解的信息素更新来进行有差别处理.此外,本算法移植了遗传算法的变异机制.当本算法陷入停顿时,对当前最优解施加扰动,将有效帮助本算法摆脱局部最优的束缚.验证结果表明,本算法对于实际中比较复杂的物流配送中心选址问题的求解结果较为理想,比基本蚁群算法在效率和寻优能力上有了进一步的提升.     

基于层次粒子群算法的配送中心双层规划选址策略

在考虑物流网络宏观决策部门和客户双方利益的基础上,建立物流配送中心双层规划的选址模型.此类问题大多属于非凸优化问题,现有的求解算法存在算法复杂度及计算效率问题.基于进化博弈及多目标优化非支配排序的思想设计层次粒子群算法,通过两个粒子群算法的交互迭代求解物流配送中心双层规划选址问题.通过测试算例验证算法的有效性.     

军事物流配送中心选址模型及其优化算法

配送中心选址在军事物流中具有重要的意义，本文基于军事物流自身的特点，建立了时间优先的单配送中心选址模型、时间优先的多配送中心选址模型和成本优先的多配送中心选址模型三种模型，对于前两种模型采用了分步骤迭代的优化解法，而对于第三种模型采用了图论中的最短路径算法进行优化求解，这些对军事物流理论的研究都必将具有参考价值。     

基于地域特征的物流仓储中心逆向选址算法

物流仓储中心地址的选取,从根本上决定了物品出发地和运达地之间的距离,直接关系到物品能否被及时高效地运输,以及配送成本和仓储成本能否最小化。针对传统物流仓储中心选址求解算法脱离实际应用、且容易出现局部最优、求解速度较慢和注意力单一等问题。为减少物流配送时间,降低物流成本,切实提出选址解决方案,通过对K均值聚类算法和帝王蝶优化算法进行改进,研究了京津冀地区物流仓储中心的选址问题。实验仿真结果表明,提出的改进帝王蝶优化算法较其他优化算法在求解精度、收敛速度和迭代次数上均有优势,能够有效完成物流仓储中心选址问题,切实可以缩短物流配送距离,提高物流配送效率。     

一种混合智能算法在物流配送中心选址和路径问题中的应用

首先分析了物流配送中心的配送模式,在此基础上建立了基于选址和车辆可重复利用的VRPTW组合模型,即配送中心的LRTWP（Location and Routing with Time Window Problem）模型.然后针对该模型引入了改进的粒子群算法和模拟退火算法,通过合理的设置算法中的参数和选择各算子,设计算法程序求解了该模型,最后通过数值实验,表明该混合智能算法在求解LRTWP中的可行性和有效性。     

一个物流配送中心选址模型及其算法

一个最优的配送中心选址方案,既可以提高物流系统的效率,又能降低物流系统的成本.在时间已经成为竞争优势的一种新资源的社会,将时间约束考虑到配送中心选址模型中无疑是一个突破.建立了一个物流配送中心选址模型,在模型中只需要知道所需配送中心的个数上限即可,松弛了以往模型中需确定所需配送中心个数的条件.模型求解算法上,采用优化方法中的0-1规划割平面法,结果表明模型具有可靠性,且计算复杂度得到降低.     

基于遗传算法的配送中心选址问题

配送中心是物流系统的枢纽，配送中心地址的确定是物流系统分析的核心内容．文中根据配送中心选址问题的特点和要求，在运输成本最低的基础上，构造了选址问题的数学模型．并把遗传算法引入到该模型的求解中，通过选择恰当的编码方法和遗传算子，求得了模型的最优解，验证了该模型的正确性．该方法也适用于大规模物流系统配送中心的选址问题．     

基于改进混合遗传算法的冷链物流配送中心选址优化

针对冷链物流配送中心的选址是一个受空间和时间限制的优化问题(需要同时考虑成本、时间窗、货物品质及客户服务水平的约束,是一复杂组合优化模型),构造了一种基于遗传算法和禁忌搜索算法相结合的、并用贪婪算法改进交叉算子的混合遗传算法对模型进行求解.实验结果表明,这种改进的混合遗传算法可以有效地避免早熟及局部最优现象,得到质量较高的解,进一步提高了计算效率.     

模糊变异算子的改进鸽群优化算法

针对鸽群优化算法易于早熟收敛、陷入局部最优的问题,提出了一种改进的鸽群优化算法.改进算法基于鸽群优化算法中地图和指南针算子与地标算子的位置更新公式,受差分进化算法的启发,引入模糊交叉变异算子,构建修改的个体位置更新公式来增强算法的搜索能力.与其他3种算法在19个测试函数上进行比较,比较结果表明:改进算法在测试函数上寻优...     

基于免疫算法与GIS技术的农产品物流配送中心选址

分析了农产品物流配送模式,建立配送中心选址的数学模型,研究免疫算法与GIS技术求解选址模型的方法,并以福州市晋安区农产品物流配送相关数据为基础,提出研究区域内农产品物流配送中心选址的实际模型,采用免疫算法求解模型,运用VB编写相应的程序,提高了选址决策的效率和精度.     

共同配送选址-路径优化模型与算法

以北京市奶制品配送问题为场景,研究了共同配送选址-路径优化问题。建立了两层级带容量约束的共同配送选址-路径问题的混合整数规划模型,设计了求解模型的三阶段算法。第一阶段采用基于遗传算法的带容量限制的K-means聚类方法,将客户划分为若干客户集;第二阶段计算每个备选配送中心为每个客户集提供服务的最优配送路径及成本,在此基础上将共同配送中心选址与第二层级配送路径优化问题简化为配送中心选址和客户集分配问题,建立数学模型并利用Lingo软件求解;第三阶段确定从物流中心到共同配送中心的最优配送路径。通过对比两大品牌奶制品在北京地区各商超的单独配送与共同配送成本,验证了模型和算法的合理性和有效性。研究结果为解决不同类型产品共同配送网络优化等问题提供了决策依据。     

物流配送中心选址的多目标优化模型

针对传统选址模型片面追求物流成本最小化而忽视物流服务水平的情况,将可靠性作为物流服务水平的一种测度,提出了配送中心系统可靠度的计算方法,建立了以物流成本最小化和物流服务可靠度最大化为目标的配送中心选址多目标优化模型.采用主要目标法将建立的多目标优化模型转化为单目标优化模型,并运用贪婪取走启发式算法对转化后的模型进行求解.算例结果表明,模型的非劣解充分反映了物流成本与物流服务可靠度之间的悖反关系,同时包含了传统的以物流成本最小化为目标的选址模型的最优解,从而为配送中心选址提供更加全面的决策依据.     

物流配送中心选址问题研究

针对需要综合考虑物流配送中心经济性因素、环境性因素和服务性因素的问题,在改进传统遗传算法的基础上,引入了存优操作,进而提高了算法的收敛速度,使得解的个数可以由用户指定,从而更加满足实际的需求.使用层次分析法对改进遗传算法选出的N个最优解进行综合评价,进一步选出配送中心选址的最佳方案.实例分析表明,将改进的遗传算法和层次分析法相结合,可以解决物流配送中心选址问题.     

物流配送中心选址的IPSO-BP算法

改进标准粒子群优化算法（PSO）的惯性权重参数,提出基于IPSO的BP神经网络算法,以提高物流配送中心选址的预测精度。仿真结果表明,IPSO-BP神经网络算法的预测精度优于常规BP神经网络算法,不仅改进了网络的收敛速度并且提高了预测准确性。     

物流配送中心选址数学模型的研究和优化

为解决县域农村物流配送中心的选址问题,综合现实路网信息和农村网点吞吐量等要素,建立基于实际公路网的农村物流配送中心选址优化模型,通过基于图论的理论方法建立了物流网点的交通网络赋权图,确定各网点间的最短路径,进而使用基于弗洛伊德算法的迭代重心法建立配送中心的初始模型。在初始模型的基础上,打破行政区域的划分,建立基于密度峰值聚类算法的物流配送中心的双目标优化模型。     

并行混沌优化算法在分包商选择中的应用

为了提高工程优化问题的寻优效率,提出一种用于求解优化问题的改进并行混沌优化算法。根据当前解中精英个体的分布情况从优化变量的定义域中划分出精搜索空间。在优化过程中,精搜索空间不断缩小,搜索概率不断增加,这可保证算法具有较快的收敛速度。同时,算法始终以一定概率保持对原搜索空间进行混沌搜索,这可保证算法始终具有全局寻优能力。函数优化以及分包商选择等组合优化问题可利用该算法进行有效求解。仿真实验结果表明:对于相同的优化问题,改进的并行混沌优化算法可以求得更好的优化解,从而证明该方法具有良好的寻优性能。     

基于层次分析法与加权Steiner树问题的物流配送中心选址研究

物流配送中心一般是在备选点已知的情况下进行选址的。对于备选点的选取,选用层次分析法解决;对于配送中心地址的选取,选用图的Steiner树问题解决,并给出该问题的基于多Agent系统的启发式算法。在此基础上,分析和实现了电子商务环境下物流配送中心的选址问题,并通过示例验证了该选址模型的可行性。