基于混合智能优化算法的车辆路径优化研究

基于混合智能优化算法的车辆路径优化研究

作者:宁涛著

出版社:中国铁道出版社

出版年:2018-06-01

评分:5分

ISBN:9787113243531

所属分类:行业好书

书刊介绍

基于混合智能优化算法的车辆路径优化研究 目录

第1章调度优化问题概述1.1调度问题概述1.1.1调度的定义1.1.2调度问题的特点1.1.3调度管理的必要性1.2优化的相关概念1.2.1优化的发展及分类1.2.2优化问题的求解1.3调度优化问题应用研究概述1.3.1物流配送调度问题研究1.3.2作业车间调度问题研究1.3.3生产批量计划问题研究小结第2章车辆路径问题2.1车辆路径问题背景2.2车辆路径问题概述2.3车辆路径问题数学描述及评价指标2.4车辆路径问题的分类和研究现状2.4.1车辆路径问题的分类2.4.2车辆路径问题研究现状2.5车辆路径问题的几种研究方法2.5.1精确算法2.5.2启发式算法2.6研究中存在的问题及发展趋势小结第3章智能量子算法3.1研究现状3.1.1与其他算法的比较3.1.2优势3.2量子计算逻辑体系3,2.1量子比特3.2.2量子门3.2.3量空间3.2.4量子理论假设3.2.5量子纠缠3.2.6量子计算特性3.3量子计算的内涵及外延3.3.1量子计算原理3.3.2基于量子理论的优化算法原理小结第4章云智能算法下的车辆路径问题4.1云算法概述4.1.1云模型的定义4.1.2云模型发生器4.1.3云模型的性质4.2云计算的概念4.3云遗传算法概述4.3.1云遗传算法研究现状4.3.2云蜷传算法的特点4.3.3基本云遗传算法4.3.4云白适应量子遗传算法小结第5章云计算模式下带时间窗车辆路径问题5.1问题概述5.1.1问题分类5.1.2数学模型5.2VRPTW的改进量子遗传算法研究5.2.1量子遗传算法工作原理5.2.2改进量子遗传算法5.2.3算法复杂度分析5.2.4实验及分析5.3VRPTW的混合量子粒子群算法研究5.3.1量子粒子群优化算法5.3.2粒子编码5.3.3评价函数的计算5.3.4混合量子粒子群算法计算步骤5.3.5仿真实验及分析小结第6章云计算模式下的不确定需求车辆路径问题6.1不确定需求车辆路径问题描述6.2不确定需求车辆路径问题分析6.2.1模糊需求量描述6.2.2VRPUD模型描述6.3不确定需求车辆路径问题数学模型6.3.1静态需求优化阶段6.3.2力态实时需求优化阶段6.4云自适应遗传算法6.4.1云遗传算法组成要素6.4.2基本云遗传算法操作6.4.3云白适应遗传算法6.4.4基于AHP的决策策略6.5数据分析与仿真验证小结第7章有同时集送货需求车辆路径问题7.1求解方法对比7.2问题描述和数学模型7.2.1问题描述7.2.2数学模型7.3集送货问题模型的分类7.3.1调度路径的可行性分析7.3.2问题解的可行性分析7.3.3静态调度问题7.3.4动态调度问题7.4基于混沌理论的改进量子算法7.4.1量子算法的优势7.4.2混沌理论7.4.3量子算法的实现7.5实例研究与分析7.5.1混沌方法初始化7.5.2改进方法计算旋转角7.5.3量子进化算法小结第8章云计算模式下的动态车辆路径问题8.1问题概述8.2DVRP调度模型8.2.1DVRP描j盔8.2.2目标函数8.3DVRP调度策略8.4DVRP的混合量子粒子群算法8.4.1双链量子编码8.4.2基于Logistic映射的粒子群算法8.4.3改进算法设计步骤8.4.4数据分析与验证8.5基于云计算理论的自适应遗传算法8.5.1求解策略8.5.2数据分析与验证小结第9章智能量子算法在物流“*后一公里”问题中的应用9.1应用背景9.2不同模式的配送效率模型9.2.1问题描述9.2.2配送模型分析9.2.3有关服务时间(ts)的分析9.3改进的量子细菌觅食算法9.3.1传统的.BFOA算法9.3.2改进的QBF0描述9.4QBFO的性能分析9.4.1初始值的设置9.4.2绩效评估9.4.3基于MAGTD的调度决策9.5案例研究9.5.1仿真示例9.5.2实例测试9.5.3不同配送模式下的成本比较小结第10章智能量子算法在物流配送干扰管理中的应用10.1应用背景10.2干扰管理模型10.2.1问题描述10.2.2干扰管理模式10.2.3问题目标函数10.3配送干扰管理求解算法10.3.1双链量子编码10.3.2基于Logistic映射的粒子群算法10.3.3改进算法设计步骤10.3.4算法收敛性比较10.4数值实验10.4.1测试算例10.4.2算例验证小结第11章总结与展望11.1总结11.2工作展望参考文献

基于混合智能优化算法的车辆路径优化研究 内容简介

本书系统地介绍了优化调度算法的基础理论及其在物流配送调度问题中的应用。本书在量子算法的叠加性、纠缠性和坍塌等基础上结合云模型随机性和稳定倾向性的特点, 通过云发生器对量子算法进行改进研究, 达到提高算法的收敛性和鲁棒性, 更贴切地表现了不确定性和动态等问题定性和定量之间的转换关系。

基于混合智能优化算法的车辆路径优化研究 作者简介

宁涛,副教授,博士后,承担多门核心课程及实践类课程的教学大纲制定和教学组织工作,荣获省市级奖励8项,入选2014年辽宁省百千万人才工程。主持中国博士后科研基金等国家、省部级项目8项,作为主要成员参与科研项目1O余项。在国内外著名期刊及国际会议发表学术论文40余篇,其中20余篇被SCI/EI检索;主持编写教材4部,作为主要成员出版学术著作1部。

相关推荐

微信二维码