物流配送車輛優(yōu)化調(diào)度的一種神經(jīng)網(wǎng)絡(luò)算法(編輯修改稿)
2025-07-21 23:54 本頁面
【文章內(nèi)容簡介】 法、啟發(fā)算法和智能算法。精確算法主要有分支界定法，割平面方法，線性規(guī)劃法，動(dòng)態(tài)規(guī)劃法等，啟發(fā)式算法主要有構(gòu)造算法、兩階段法、不完全優(yōu)化法等，智能算法分為神經(jīng)網(wǎng)絡(luò)方法、遺傳算法和模擬退火算法等。精確算法的計(jì)算量隨著車輛優(yōu)化問題規(guī)模的增大呈指數(shù)增長，如當(dāng)停車卸貨點(diǎn)的數(shù)目超過20個(gè)時(shí)，采用一般的精確算法求解最短運(yùn)輸路徑的時(shí)間在幾個(gè)小時(shí)以上。精確算法不適合于求解大規(guī)模的車輛優(yōu)化調(diào)度問題。2 配送車輛優(yōu)化調(diào)度的神經(jīng)網(wǎng)絡(luò)算法 算法概述人工神經(jīng)網(wǎng)絡(luò)是對(duì)人腦功能的簡單和近似模擬，它由大量具有某種傳遞函數(shù)的神經(jīng)元相互連接而成。人們經(jīng)常采用Hopfield網(wǎng)絡(luò)和自組織特征映射神經(jīng)網(wǎng)絡(luò)來解決車輛的優(yōu)化調(diào)度問題。在Hopfield網(wǎng)絡(luò)中，系統(tǒng)能夠從初始狀態(tài)，經(jīng)過一系列的狀態(tài)轉(zhuǎn)移而逐漸收斂于平衡狀態(tài)，此平衡狀態(tài)是局部極小點(diǎn)。采用神經(jīng)網(wǎng)絡(luò)來求解車輛調(diào)度問題時(shí)一般按下列步驟進(jìn)行[4]：(1). 產(chǎn)生鄰接矩陣將車輛的源點(diǎn)、所經(jīng)過的各個(gè)匯點(diǎn)和停點(diǎn)抽象成網(wǎng)絡(luò)的結(jié)點(diǎn)，它們之間的有向路徑抽象成網(wǎng)絡(luò)的邊，由此構(gòu)成一個(gè)有向圖G=(N,L,D)，其中N表示結(jié)點(diǎn)數(shù)，L表示邊數(shù)，D為NN的矩陣，可根據(jù)優(yōu)化的目標(biāo)分別是邊（i,j）對(duì)應(yīng)的長度、費(fèi)用或時(shí)間，這樣可定義距離鄰接矩陣、費(fèi)用鄰接矩陣和時(shí)間鄰接矩陣。如果兩個(gè)結(jié)點(diǎn)間存在路徑，則相應(yīng)矩陣元素的值為路徑的長度或運(yùn)費(fèi)或運(yùn)時(shí)；如果兩個(gè)結(jié)點(diǎn)間不存在路徑，則相應(yīng)矩陣元素的值為∞。(2). 約束的處理對(duì)于車輛調(diào)度中的約束，將其作為神經(jīng)網(wǎng)絡(luò)的一個(gè)能量項(xiàng)來處理，將其施加一個(gè)懲罰項(xiàng)后加入到網(wǎng)絡(luò)的能量方程式中，這樣隨著網(wǎng)絡(luò)的收斂，約束的能量也逐漸趨于穩(wěn)態(tài)，使約束得到體現(xiàn)。(3). 神經(jīng)網(wǎng)絡(luò)計(jì)算設(shè)鄰接矩陣中的每個(gè)元素對(duì)應(yīng)著一個(gè)神經(jīng)元，定義位于位置(x,i)的神經(jīng)元的輸出為Vxi。首先確定網(wǎng)絡(luò)的能量函數(shù)，該能量函數(shù)包括網(wǎng)絡(luò)的輸出能量函數(shù)
化學(xué)相關(guān)推薦
鄂ICP備17016276號(hào)-1