基于产品回收定价的逆向物流车辆路径优化问题

针对逆向物流车辆路径优化问题,研究在产品回收定价调整和车辆路径优化调度结合方面存在的不足,以智能回收箱为研究对象,考虑多频次回收和车辆共享调度策略,提出基于产品回收定价的逆向物流车辆路径优化方案。首先构建了智能回收箱回收量与回收定价的线性函数,然后构建了包含共享车辆运输成本、维护成本、违反时间窗惩罚成本和环境外部性收益之和最小化的逆向物流回收运营成本模型,并建立了回收中心产品的最大化收益模型。其次,根据模型特点设计了考虑智能回收箱地理位置、回收频次和回收时间窗的K-means时空聚类算法,进而提出一种改进的GA-PSO混合算法。该混合算法结合了遗传算法全局搜索能力强与粒子群算法收敛速度快的特点进行了算法间的优势互补,同时采用了精英保留策略,增强了混合算法的搜索性能,并通过与HGA、GA-TS和HACO等算法进行比较分析,验证了模型和算法的有效性。最后,结合重庆市某智能回收物流网络的实际数据进行优化研究,分析了不同产品定价下的回收频次和车辆共享调度情况。结果表明,本文所提出的模型和算法能够进行产品回收定价策略的有效选择、产品回收车辆的资源共享以及合理的车辆路径优化调度,并可在回收中心获得...     

基于蚁群算法的细胞自动机优化及其在电路测试中的应用

细胞自动机在电路设计、计算机安全等领域有广泛的应用.首先通过使用蚁群算法实现对细胞自动机结构的优化配置,从而产生具有较强随机性的伪随机数序列;其次,把细胞自动机应用于数字电路的测试,利用经优化后的二维细胞自动机来生成测试矢量.实验结果表明,经过蚁群算法优化之后得到的细胞自动机能够产生随机性较强的伪随机数序列,在数字电路测试的应用中能够提高故障覆盖率.     

基于MSP430单片机的DTMF信号识别系统设计

DTMF信号的识别通常采用专用芯片来完成,存在占用PCB面积大、成本高、功耗大等问题,为了解决这些问题,提出了利用嵌入式控制器MSP430实现对DTMF信号的识别方法和系统设计。音频DTMF信号经过调理电路后输入MSP430单片机内部的ADC,在定时器控制下进行采样,得到DTMF信号的数字量。采用Goertzel算法分别计算出8个频点的幅值,根据最大功率点的行频和列频,识别出按键信息。通过设计和制作相关电路,借助MATLAB仿真结果调整参数,设计了利用Goertzel算法的DTMF信号识别程序系统。实验结果显示系统达到了技术指标的要求,实现了MSP430单片机对DTMF信号的采集与识别。该系统具有结构简单、成本低、功耗小、不额外占用PCB面积等优势,具有一定的实用价值。     

基于PSO算法的蓄电池充电研究

为改善充电控制系统的性能,引入PSO算法嵌套模型得出优化后PI控制器参数,利用Simulink建立起控制系统与主电路模型,并在该模型中引入传统PI参数和PSO算法优化后的PI参数,然后充电启动并进行负载仿真试验,以此来充分分析充电时的蓄电池各项性能指标.试验表明:使用PSO算法优化的PI控制器后,蓄电池在启动过程和负载...     

基于任意字串的全文检索算法

通过分析基于单字或词的全文检索方法,讨论衡量信息检索速度的一个重要指标———系统最长检索时间.针对中文海量信息,提出了一个基于任意字串的快速全文检索算法.     

遗传程序设计算法在水溶于有机溶剂过程研究应用

对若干物性体系进行了有机溶剂分子结构与水溶解度之间的定量研究,选取了39个有机溶剂分子,分为两组,一组30个分子作为训练集,另外9个分子作为测试集组.采用28个分子结构描述符来定量描述分子的结构,最终通过遗传程序设计筛选,得到一个4参数的非线性方程,关联和预测相关系数的平方均在0.95以上,研究取得了较满意的计算结果.     

一种基于粒子群优化算法的神经网络训练方法

介绍了粒子群优化(PSO)算法的原理,研究了将PSO算法应用于神经网络训练的方法,给出了算法软件实现的基本流程,并对Iris分类问题做了仿真实验,通过与BP算法的比较,结果表明基于PSO的神经网络训练算法操作简单,易于实现,而且训练精度较高,有良好的收敛性.     

非对称信息下以制造商为核心的供应链协调模型

在假定关于销售商单位产品库存成本信息不对称及制造商生产率为有限值的前提下,建立了由单制造商单销售商所组成的供应链协调及最优价格折扣模型.分别制定了对称信息与不对称信息两种情形下供应链协调机制.在保证销售商利润不减的前提下,给出了求解使制造商利润达到最大的全单位量折扣算法,同时给出了相应情形下制造商的最优生产批量及销售商的最优订购批量.最后,利用数值实例说明了模型的求解过程.     

一种基于核主元分析的非参数控制限算法

实际过程中,监控指标值往往不满足确定的概率分布,给控制限的计算带来了困难,现有的计算方法计算复杂、精度差.根据高维空间良好的分类特性,提出一种基于核主元分析(KPCA)的监控指标控制限计算方法,将监控指标值映射到高维空间,再在高维空间中对其映射数据进行监控,实现了控制限的间接求取,避免了复杂的计算.     

求解DRS多目标优化问题的新颖ε-支配进化算法

首先分析ORS(dominance resistant solutions)多目标优化问题的特点,证明基于Pareto-支配关系的多目标优化问题算法求解该类问题很难收敛.然后,提出一种新的基于ε-支配关系的进化算法-ε-支配进化算法(EDMOEA),给出该算法框架和详细流程.最后,将ε-支配进化算法和NSGA-Ⅱ算法应用于求解一组典型的DRS多目标优化问题和常用的多目标优化测试问题,基于算法的收敛性和Pareto最优解集分布性进行评价和比较分析,表明ε-支配进化算法的有效性.