排序方式: 共有45条查询结果,搜索用时 15 毫秒
1.
针对行驶受扰延迟下配送车辆的调度问题,提出了基于多相量子粒子群算法的两阶段干扰管理决策方法.首先以最小化用户时间窗偏离度和最小化配送成本为目标,建立了问题的数学模型;然后对车辆配送发生干扰事件可能采取的干扰管理模式进行了归纳和分类,并在选定模式基础上提出了用多相量子粒子群算法进行路线选择的方法;最后在Solomon算例的基础上通过实验仿真,对所提出方法的性能进行测试,并与全局重调度方法进行对比分析,验证了本文方法不仅达到了优化目标的目的,还满足了干扰管理的实用性要求. 相似文献
2.
非平稳到达的码头集卡预约优化模型 总被引:1,自引:0,他引:1
针对集货高峰期集卡到达不均而导致的码头严重拥堵问题,运用排队理论和积压后移平稳估计(SBC)方法,通过同时考虑内在的码头服务能力和外在的集卡到达特征制定集卡预约策略.基于闸口、堆场集卡两阶段排队等待时间构建码头集卡预约多目标优化模型,最后用改进的NSGA-Ⅱ算法对模型进行求解.算例结果表明,所构建的模型不仅可以应对集货高峰期时集卡的预约,同时通过优化使得决策天内集卡的平均等待时间得到较大减少且有效均衡了集卡的到达. 相似文献
3.
带二维装箱约束的物流配送车辆路径问题 总被引:3,自引:0,他引:3
现实物流活动中大量存在的易损、 易碎物品的运输问题属于带二维装箱约束的物流配送问题, 该问题是二维装箱问题与车辆路径问题这两个经典难题融合之后的一个新问题. 针对这一问题, 在对其进行明确定义的基础上, 建立了数学模型, 提出了解决该问题一个Memetic算法, 对算法中的几个关键算子: 深度优先的启发式装箱方法、染色体的编码方式及其路径分割程序、初始解的生成方法、 交叉算子、局部搜索算子, 进行了详细的阐述. 通过初步的实验, 确定了Memetic算法的最佳参数配置; 然后在Iori提出的30个顾客数在20-199个标准算例上对算法的鲁棒性、求解的质量、以及求解性能等几项指标进行了测试, 并与文献中的求解结果进行了比较. 试验结果表明, 该Memetic算法大大提高了现有算法的性能及求解结果的质量. 相似文献
4.
针对目标规划问题的建模与求解的问题,通过剖析目标规划数学模型的结构特征及其模型求解过程的状态转移规律,以及目标规划的求解原理与人工智能的状态空间理论分析对比,扩展人工智能状态空间三要素表示体系,提出了一种基于状态空间理论的目标规划模型的知识表示方法——Mpsp法;根据线性目标规划模型的结构和求解特点,提出了线性目标规划知识化模型改进的宽度优先搜索算法——XPGP搜索算法。本项研究使目标规划的应用研究朝着知识化、智能化方向迈进一步,充实了智能运筹学这一新学科的研究基础。 相似文献
5.
6.
针对银行卡网络价格结构与刷卡消费之间复杂的关联问题,引入双边市场理论和组合决策思想,以实现银行卡网络整体发展为目标,基于Wright等设计的银行卡网络交换费优化模型,建立了银行卡网络价格结构与刷卡消费组合决策模型.通过加入扰动因子、采用双适应值比较和保留边界不可行解改进了粒子群算法,解决了模型的求解难题,为合理制定银行卡网络价格结构提供了一种新方法,同时拓宽了双边市场理论的应用领域,在电子支付管理领域具有广阔的应用前景. 相似文献
7.
集成化物流中的定位运输路线安排问题(LRP)优化算法评述 总被引:18,自引:1,他引:18
总结定位 运输路线安排问题(Location RoutingProblem,LRP)的发展历程,重点评述LRP优化算法的研究进展,并对比分析了常用的两类求解LRP问题的方法精确算法和启发式算法·并对LRP中的定位配给、运输车辆路线安排、定位 运输路线安排三类问题的具体优化方法进行了分析、比较,指出在求解LRP问题时应综合利用各种技术的优势,建立一种新的搜索方法,实现准确、高效的搜索,改进遗传算法用于求解LRP问题是解决这类NP hard问题的一条途径· 相似文献
8.
集成化物流中的定位配给问题的启发式算法 总被引:6,自引:0,他引:6
以Baumol Wolfe提出的传统的0 1混合整数规划模型为基础,建立一类更接近物流配送实际的定位 配给模型·在已确定每个配送中心的服务范围内,根据客户群的总需求量接近或等于单车容量的整数倍为原则,提出将不同客户需求量引入最小包络法进行混合法选址的启发式算法·最小包络法即以一个配送中心为基点,分别与其他配送中心用直线连接,作这些直线的垂直平分线,以每个配送中心的内点的垂直平分线的最小包络,作为此配送中心的服务范围·该方法既考虑到不同客户之间的相对距离,又考虑到不同客户需求量,此模型有助于解决实际的定位 配给问题·计算机仿真实例证明了此方法的有效性· 相似文献
9.
按单拣货是电子商务背景下物流配送中心最关键、最复杂的作业环节.它直接衔接着物流配送和客户,且大部分是劳动密集型作业,因此按单拣货也是出错率最多,耗费时间最长的环节.在拣货之前对订单考虑配送因素和相似性成组,能够大大降低拣货成本.蔬菜电商拣货系统是基于人的柔性作业系统,拣货人员的学习效果导致作业效率随时间变化,从而订单的拣货时间不确定,对按单拣货作业有着不可忽视的影响.本文针对蔬菜B2C电子商务直销背景下拣货环节的订单成组作业优化问题进行研究,基于拣货人员的学习效果,建立最小化订单拣货完成时间之和的拣货序列优化模型.针对该问题多阶段,多层次决策特点,基于序贯决策思想,提出两阶段的求解方案:第一阶段订单成组,提出同时考虑订单配送距离,打包材料相似性和订单相似性三种指标融合的订单成组准则,并给出启发式算法对订单进行成组;第二阶段成组订单作业调度,提出基于修订式非递减的订单规模排序方法对组内订单进行排序,组间排序是基于具有降低搜索范围,提高搜索能力的改进模拟退火-遗传算法.通过数值实验和算法比较,验证了本文算法的有效性和实用性.研究结果表明,本文得到的方法能大大缩减拣货时间成本,为蔬果类商品网上直销企业生成拣货作业计划提供理论指导. 相似文献
10.
针对电子健康服务管理中的多源数据融合难题,利用人工智能技术,结合多任务学习理论与支持向量机理论提出基于多任务支持向量机的数据融合方法(multi-task support vector machine for data fusion,简称mSVMDF).该方法对具有相同数据源的特征向量构造基于支持向量机的融合模型,在多任务学习框架下考虑结构稀疏性与各模型关联性的有机结合,以实现对具有不同数据源个数的多源数据的融合,并以多源影像数据与常规检验数据融合为例,开展数值实验验证方法的有效性.实验结果表明mSVMDF方法可以有效地融合具有不同数据源个数的多源数据,同时该方法具有较好的分类性能与结构稀疏性. 相似文献