隨著我國(guó)經(jīng)濟(jì)的迅速發(fā)展和信息技術(shù)的進(jìn)步,物流行業(yè)已經(jīng)被確定為我國(guó)國(guó)民經(jīng)濟(jì)的重要產(chǎn)業(yè)和經(jīng)濟(jì)發(fā)展的新增長(zhǎng)點(diǎn),其中物流配送路徑的優(yōu)化是物流系統(tǒng)中的關(guān)鍵一環(huán),選擇合理經(jīng)濟(jì)的配送路線(xiàn)可以極大的降低配送成本,提高配送效率,增加企業(yè)的經(jīng)濟(jì)效益。 本文以如何科學(xué)的解決配送路徑的優(yōu)化問(wèn)題為出發(fā)點(diǎn),分析比較了各種算法在解決VRP中的特點(diǎn)與利弊,由于蟻群算法有著良好的正反饋機(jī)制與較強(qiáng)的魯棒性和靈活性,本文選擇了蟻群算法作為解決VRP問(wèn)題的算法,并結(jié)合VRP問(wèn)題本身的特點(diǎn),針對(duì)蟻群算法存在的過(guò)早收斂等不足進(jìn)行改進(jìn),最后將改進(jìn)的蟻群算法應(yīng)用在本文所建立的VRP模型中,并通過(guò)仿真試驗(yàn),證明了蟻群算法在解決大規(guī)模動(dòng)態(tài)VRP問(wèn)題中的有效性和可行性。 論文主要研究工作和創(chuàng)新性成果有以下幾個(gè)方面: (1)設(shè)定了一類(lèi)配送點(diǎn)位置不變,需求時(shí)間不定的動(dòng)態(tài)帶軟時(shí)間窗的VRP問(wèn)題。利用時(shí)間段的概念,將動(dòng)態(tài)VRP問(wèn)題轉(zhuǎn)化為連續(xù)時(shí)間段內(nèi)的靜態(tài)VRP問(wèn)題進(jìn)行研究,構(gòu)造了該問(wèn)題的模型,提出了動(dòng)態(tài)VRP問(wèn)題的求解方案。 (2)結(jié)合VRP問(wèn)題的特點(diǎn),針對(duì)蟻群算法的早熟等不足,對(duì)蟻群算法進(jìn)行改進(jìn),通過(guò)對(duì)偽隨機(jī)概率公式的改進(jìn),配送點(diǎn)的二次...
標(biāo)簽： 經(jīng)濟(jì) 發(fā)展 信息技術(shù) 產(chǎn)業(yè)
上傳時(shí)間： 2013-12-18
上傳用戶(hù)：yuanyuan123
? 出動(dòng)m只螞蟻，每只螞蟻各隨機(jī)選擇一條路徑，記為I=[1 2 3···m]，長(zhǎng)度記為long(I); ? 計(jì)算出每條路徑的信息素濃度，記為P(I)=1/long(I)，并進(jìn)行歸一化處理; ? 重新出動(dòng)m只螞蟻，按如下規(guī)則選擇路徑： l 每只螞蟻都以一個(gè)概率p1選擇新路徑(路徑隨機(jī))； l 未選擇新路徑的螞蟻以概率P(I)選擇路徑I； l 所有螞蟻都以一個(gè)小概率p2對(duì)自己的路徑進(jìn)行局部變化； ? 更新所有路徑，計(jì)算出每條路徑的信息素濃度； ? 重復(fù)上述步驟，直至僅剩一條路徑。
標(biāo)簽： 蟻群算法解決TSP問(wèn)題的MATLAB實(shí)現(xiàn)
上傳時(shí)間： 2015-04-16
上傳用戶(hù)：jackynie
程序可運(yùn)行，方便，快捷。初學(xué)者很實(shí)用。。。。。。。。。。。
標(biāo)簽： matlab 蟻群算法 車(chē)輛路徑問(wèn)題
上傳時(shí)間： 2017-06-07
上傳用戶(hù)：master_caojie
給出一堆城市坐標(biāo)，繞城市一圈最短的路程。tsp問(wèn)題詳細(xì)案例。
上傳時(shí)間： 2018-08-28
上傳用戶(hù)：可兒4023
一種蟻群算法的java實(shí)現(xiàn)。蟻群算法是一種用來(lái)尋找優(yōu)化路徑的概率型算法
標(biāo)簽： ant-java
上傳時(shí)間： 2019-04-09
上傳用戶(hù)：744682948
在微電網(wǎng)調(diào)度過(guò)程中綜合考慮經(jīng)濟(jì)、環(huán)境、蓄電池的 循環(huán)電量，建立多目標(biāo)優(yōu)化數(shù)學(xué)模型。針對(duì)傳統(tǒng)多目標(biāo)粒子 群算法(multi-objective particle swarm optimization，MOPSO) 的不足，提出引入模糊聚類(lèi)分析的多目標(biāo)粒子群算法 (multi-objective particle swarm optimization algorithm based on fuzzy clustering，F(xiàn)CMOPSO)，在迭代過(guò)程中引入模糊聚 類(lèi)分析來(lái)尋找每代的集群最優(yōu)解。與 MOPSO 相比， FCMOPSO 增強(qiáng)了算法的穩(wěn)定性與全局搜索能力，同時(shí)使優(yōu) 化結(jié)果中 Pareto 前沿分布更均勻。在求得 Pareto 最優(yōu)解集 后，再根據(jù)各目標(biāo)的重要程度，用模糊模型識(shí)別從最優(yōu)解集 中找出不同情況下的最優(yōu)方案。最后以一歐洲典型微電網(wǎng)為 例，驗(yàn)證算法的有效性和可行性。
標(biāo)簽： 模糊 模型識(shí)別 微電網(wǎng) 多目標(biāo)優(yōu)化 聚類(lèi)分析
上傳時(shí)間： 2019-11-11
上傳用戶(hù)：Dr.趙勁帥
參考文獻(xiàn)：M.Rostami Shahrbabak and H.Nezamabadi-pour, " A New Approach to Binary PSO Algorithm" 14th Iranian Conference on Electrical Engineering, may 2006.
上傳時(shí)間： 2020-02-16
上傳用戶(hù)：Emperor翔
人工智能結(jié)課作業(yè)（A星八數(shù)碼/廣度優(yōu)先/深度優(yōu)先/粒子群尋優(yōu)算法/遺傳算法/蟻群算法/BP神經(jīng)網(wǎng)絡(luò)/卷積神經(jīng)網(wǎng)絡(luò)）
標(biāo)簽： 人工智能
上傳時(shí)間： 2021-10-20
上傳用戶(hù)：recarry
本書(shū)介紹了壓力傳感器、圓環(huán)力敏傳感器、氧傳感器、有機(jī)蒸氣傳感器及其輸出的非線(xiàn)性信號(hào)，因傳感器是將輸人的非電量轉(zhuǎn)化為電學(xué)量的元件，要求將測(cè)得的電學(xué)量反演輸出并顯示為非電量，以達(dá)到測(cè)量的最終目的，這就要依靠除經(jīng)典算法以外的各種先進(jìn)的算法．例如規(guī)范化多項(xiàng)式擬合法、輸人－輸出的歸十算法、模擬退火算法、遺傳算法、蟻群算法、量子粒子群算法、神經(jīng)網(wǎng)絡(luò)算法、模糊算法才能完成反演轉(zhuǎn)換。本書(shū)重點(diǎn)就是結(jié)合實(shí)際應(yīng)用介紹這些算法，書(shū)中有的算法是本書(shū)作者獨(dú)創(chuàng)的。此外本書(shū)還介紹了不同非線(xiàn)性信號(hào)的自然和強(qiáng)制融合過(guò)程、從而可實(shí)現(xiàn)傳感器的補(bǔ)償，以提高其測(cè)量精度。
上傳時(shí)間： 2022-07-05
上傳用戶(hù)：qingfengchizhu
高通的cmda語(yǔ)音壓縮算法is96a源代碼. 針對(duì)自己的dsp將最耗時(shí)的c改成匯編就幾乎是商用代碼了.
上傳時(shí)間： 2014-01-24
上傳用戶(hù)：luke5347
蟲(chóng)蟲(chóng)下載站版權(quán)所有 京ICP備2021023401號(hào)-1
