排序方式: 共有8条查询结果,搜索用时 109 毫秒
1
1.
以物流中心设施布局问题为对象,提出了考虑出入口及主通道位置不固定情况下的设施布局问题的多目标优化模型并设计了其改进的遗传算法。首先,以物料搬运成本最小、活动关系密切度最大和面积利用率最大为目标,构建了考虑出入口位置不固定条件下的具有I型主通道的设施布局多目标优化数学模型。然后,设计了一种改进的遗传算法,包括:改进的编码、解码方法,追加了解码修正操作,基于惩罚函数策略的适应度函数等。实例测试表明,本算法的执行效率高而且结果稳定,优化效果好,布局结果紧凑适用。 相似文献
2.
本文针对求解旅行商问题的标准粒子群算法所存在的早熟和低效的问题,提出一种基于Greedy Heuristic的初始解与粒子群相结合的混合粒子群算法(SKHPSO)。该算法通过本文给出的类Kruskal算法作为Greedy Heuristic的具体实现手段,产生一个较优的初始可行解,作为粒子群中的一员,然后再用改进的混合粒子群算法进行启发式搜索。SKHPSO的局部搜索借鉴了Lin-Kernighan邻域搜索,而全局搜索结合了遗传算法中的交叉及置换操作。应用该算法对TSPLIB中的典型算例进行了算法测试分析,结果表明:SKHPSO可明显提高求解的质量和效率。 相似文献
3.
复杂网络中的重要节点发现在现实生活中有着广泛的应用价值。传统重要节点发现方法可分为局部发现和全局发现两类算法,全局发现算法中最具代表性的是特征向量中心性算法(Eigenvector Centrality, EC),EC算法将所有节点归为一个社区并利用邻居节点重要性反馈计算节点的影响力大小,具有较高的计算效率和识别精度。但是,EC算法忽略了网络的拓扑结构,未考虑到真实网络中节点所在社区的结构特征。为此,本文提出一种基于网络拓扑结构的可达中心性算法(Accessibility Centrality, AC),首先利用邻接矩阵作为反馈路径,在反馈过程中计算不同路径下的节点整体影响力。同时,利用影响力传递过程中的噪音干扰特性,修正每一路径长度下节点整体影响力大小,最后利用修正结果得到AC值。为评估AC算法,本文利用两种传染病模型模拟节点影响力在四组真实网络中的传播过程,并引入其他四种算法进行对比验证。实验结果表明,与其他算法相比,AC算法可以更准确、有效地识别出有具有影响力的重要节点。 相似文献
4.
针对自动化集装箱码头水平作业的AGV调度问题(AGVSP),在解决整体作业优化的同时,考虑AGV作业行为对作业效率及能耗的影响,建立以AGV作业效率以及能源消耗作为双目标的双层规划模型。该模型考虑了独立装卸与同步装卸两种模式下的AGV水平运输的特点。在此基础上,设计了对应的双层遗传算法进行求解。并通过数值实验,对模型在考虑行为与不考虑行为,独立作业与同步装卸作业模式下的作业效果进行验证比较。结果表明:本模型在不影响作业效率的前提下,可有效降低AGV的作业能耗。 相似文献
5.
6.
7.
为明确低碳政策及道路拥堵对多式联运路径选择的影响,构建了不同碳排放政策下考虑道路拥堵的多式联运路径选择模型。模型在考虑拥堵对运输时间影响的基础上进一步量化其对系统碳排放的作用效果。针对此类整数规划模型,设计了基于保优策略和移民策略的遗传算法进行求解。最后,通过算例探讨强制排放、碳税、碳交易及碳补偿四种碳排放政策对多式联运减排、缓解拥堵及成本的影响。结果表明考虑道路拥堵对运输碳排放的影响可得到更加合理的路径决策,且以强制碳排放政策为主的多种政策组合能更好的降低碳排放、缓解道路拥堵并促进多式联运推广。本模型可为政府制定合理的多式联运低碳政策以及企业制定合理的路径决策提供理论依据。 相似文献
8.
1