基于改進微粒群算法的配送中心選址研究.pdf

1、如今，隨著計算機科學的迅猛發(fā)展、人類生存空間的擴大以及認識與改造世界范圍的拓寬，人們對科學技術提出了新的和更高的要求，其中高效的優(yōu)化技術和智能計算的要求日益迫切。群體智能，作為一種新興的智能計算技術正受到越來越多研究者的關注。群體智能的協(xié)作性、分布性、魯棒性和快速性等特點使之在沒有集中控制且不提供全局模型的前提下，為尋找復雜的分布式問題的解決方案提供了基礎。微粒群優(yōu)化算法是一種新興的智能優(yōu)化算法，其源于對鳥群捕食系統(tǒng)的模擬。該算法相對于

2、遺傳算法(GA)而言容易實現(xiàn)，沒有交叉和變異操作，需調整的參數(shù)不多，收斂速度快，因此自從Kennedy和Eberhart于1995年提出以來，便受到了廣泛的關注，尤其是在最近幾年微粒群算法原來越受到群體智能研究方面的專家和學者的青睞，并在一些領域獲得了成功應用。現(xiàn)已廣泛應用于函數(shù)優(yōu)化、動態(tài)環(huán)境優(yōu)化、神經網絡訓練等諸多領域。 物流配送中心在現(xiàn)代商品流通中的作用極大，它通過對商品的運輸、保管、裝卸、搬運、流通加工、配送、定單處理和信

3、息處理等工作的統(tǒng)一管理，可以大大減輕作業(yè)勞動強度，減少商品消耗，提高庫存周轉率，加速商品流通，降低流通成本，提高社會需求的滿足程度，給消費者以更多選擇。在物流網絡中，配送中心連接著供貨點和需求點，是兩者之間的橋梁，在物流系統(tǒng)中有著舉足輕重的作用，搞好配送中心的選址將對物流系統(tǒng)作用的發(fā)揮乃至物流經濟效益的提高產生重要的影響。因此目前對于配送中心的研究成為物流發(fā)展的熱點。而選址問題則是配送中心規(guī)劃時面臨的首要的，也是最為復雜的一個問題。

4、 本文主要的工作包括如下幾個方面： 1.將微粒群算法與免疫算法相結合，把免疫記憶和克隆選擇等免疫算子引入微粒群算法中，從而形成了一種改進算法。仿真實驗結果表明該算法能克服基本微粒群優(yōu)化算法精度較低，易發(fā)散的缺點，既加快了算法的搜索速度又使算法避免了陷于局部最優(yōu)。 2.對物流配送中心的選址問題進行了研究，建立了一個配送中心選址模型，使配送中心選址問題更具有實際意義和指導作用，對未來的配送中心的建設提供參考。 3