生物啟發(fā)式優(yōu)化方法及其在管理中的應用-資料下載頁
2024-10-11 14:53本頁面
【導讀】啟發(fā)式優(yōu)化方法研究背景。群體智能優(yōu)化方法。SI算法在管理中的應用。全局最優(yōu)與局部最優(yōu)。實際生活中的優(yōu)化問題。1847年Cauchy最速下降法。1947年Dantzig單純形方法。1939年Kantorovich下料問題和運輸問題。偏離程度未必可事先估計。解與最優(yōu)解的近似程度。體上較好的解決方案。為靈感，而提出的一系列啟發(fā)式智能計算方法。生物進化過程是一個自然，物神經網絡行為特征，進行分布式并行信息處理的算法數(shù)學模型。接的關系，從而達到處理信息的目的。人工神經網絡具有自學習和。糊推理等概念基礎上的先進的計算框架。模糊推理系統(tǒng)的基本結構由三個重要部件組成：一個規(guī)則庫，按照規(guī)則和所給事實執(zhí)行推理過程求得合理的輸出或結論。用下，卻表現(xiàn)出異常復雜而有序的群體行為。表示第K只螞蟻在本次循環(huán)中留在路徑ij上的信息量。當食物源不可預測地零星分布時，這種協(xié)
【正文】 設置配送中心的固定費用及管理費用等 jjd需求點 的需求量 jiM 可興建配送中心的最多個數(shù) iP配送中心 的容量 52 配送中心選址模型 11 , 2 , ,nij jiX d j n????11 , 2 , ,ni j ijX M i m????0 1 , 2 , , 。 1 , 2 , ,ijX i m j n? ??53 配送中心選址模型 1,0,jjZj????被選為配送中心被不選為配送中心1。 1 , 2 , ,njjZ P j n????54 粒子的編碼 物流配送選址問題主要是在一系列需求點中確定配送中心的最佳位置，目標是使各項費用總和最小。因此對于每個需求點而言，就有兩個問題 是不是配送中心 隸屬于哪個配送中心。 需求點號： 1 2 3 4 5 6 7 0 1 0 2 3 0 0 3 1 2 2 3 2 1 2： 2 7 4： 3 4 6 5： 1 5 需求點隸屬情況： 55 約束處理 1 1 111m inm a x ( , 0 )m n nij ij j ji j jmnij iijU h X F ZR X M? ? ???????? ? ???56 算法流程 1. 初始化 一群鳥，每個鳥位置向量 X的每一維隨機?。?1m）（配送中心數(shù)）之間的實數(shù)，每個速度向量 V的每一維隨機取 (m1),(m1)之間的整數(shù) 2. 對每個鳥進行整數(shù)規(guī)范化，計算其適應度值，將初始評價值作為個體歷史最優(yōu)解，并尋找全局最優(yōu)值 3. 位置與速度的更新 4. 對 X進行整數(shù)規(guī)范化，再更新個體與全局最好值 5. 得到終終止條件，則返回 57 實例研究 現(xiàn)有一個 12需求點的物流網絡，要求從中選擇出 3個作為配送中心，使各項費用總和最小。已知在和建設配送中心的固定費用分別為 11， 16， 14， 14， 15， 13， 18， 12， 11， 14， 16，11個單位，合配送中心的容量均為 13個單位，各點的需求量分別為 5， 4， 2， 3， 2， 4， 3， 5， 4，3， 2， 2個單位。需求點的間距見下表 58 需求點費用表 1 2 3 4 5 6 7 8 9 10 11 12 1 0 1 6 7 4 3 4 6 6 9 8 9 2 1 0 5 6 5 4 5 7 7 10 9 10 3 6 5 0 3 6 9 10 12 12 15 14 15 4 7 6 3 0 3 10 11 13 13 16 15 12 5 4 5 6 3 0 7 8 10 10 13 12 9 6 3 4 9 10 7 0 6 4 9 10 6 6 7 4 5 10 11 8 6 0 2 9 5 4 9 8 6 7 12 13 10 4 2 0 10 6 2 7 9 6 7 12 13 10 9 9 10 0 4 8 13 10 9 10 15 16 13 10 5 6 4 0 4 9 11 8 9 14 15 12 6 4 2 8 4 0 5 12 9 10 15 12 9 6 9 7 13 9 5 0 59 最優(yōu)解的進化 60 最終求解結果 配送中心 需求點 供應量 1 2 3 4 5 6 7 8 9 10 11 12 1 5 2 4 2 13 2 4 2 3 4 13 8 3 5 3 2 13 需求量 5 4 2 3 2 4 3 5 4 3 2 2 合計 39 61
教學課件相關推薦
鄂ICP備17016276號-1