学位论文 > 优秀研究生学位论文题录展示

粒子群算法改进及在车辆路径问题中的应用

作　者: 郑建茹
导　师: 张国立
学　校: 华北电力大学
专　业: 应用数学
关键词: 粒子群算法惯性权重车辆路径问题优化算法多种群
分类号: TP18
类　型: 硕士论文
年　份: 2013年
下　载: 13次
引　用: 0次
阅　读: 论文下载

内容摘要

粒子群算法是基于群体智能自行搜索的优化算法，其原理简单，算法易理解，不依赖于实际问题，通用性强，算法易实现。该算法一经提出，就吸引了许多学者的关注，逐渐成为一个新的研究热点。本文对粒子群算法的原理、主要步骤、特点进行了详细介绍，分析了算法的两种搜索模式，指出了每种模式的优缺点，从不同角度总结了算法的改进措施。惯性权重是粒子群算法速度更新公式中的重要参数，它的出现平衡了前一代速度对当代速度的影响，又平衡了算法的全局搜索能力和局部搜索能力。本文给出线性和非线性相结合的惯性权重自适应粒子群算法，即将惯性权重的取值随迭代次数变化而变化，前一阶段，随迭代次数线性递减，有利于群体的全局搜索；后一阶段，随迭代次数非线性变化，有利于群体的局部搜索。同时，为了避免群体陷入局部最优，将“多种群”思想和惯性权重自适应相结合，给出了线性和非线性相结合的惯性权重自适应多种群粒子群算法。将种群平均分成若干子种群，每个子种群按照惯性权重自适应策略，独立的进行搜索，直到每个子种群都搜到最优位置，将各个子种群的最优位置保留，组成新的初始种群。新的初始种群再按照惯性权重自适应进行搜索，直到搜索到最优位置为止。为了验证改进算法的有效性，本文通过几个测试函数对改进策略进行验证，实验结果表明了算法具有较好的性能。对一般车辆路径问题进行描述，在此基础上给出了一种定配送车辆数的车辆路径问题模型，并采用本文给出的改进算法来解决这一车辆路径问题。应用改进算法来解决一个典型的车辆路径问题案例，并将运行结果和采用遗传算法、改进粒子群算法的运行结果进行了比较，表明本文改进算法更有效。

全文目录

摘要  5-6
ABSTRACT  6-9
第1章绪论  9-13
  1.1 课题背景及研究的目的和意义  9
  1.2 粒子群算法及车辆路径问题的研究现状  9-11
    1.2.1 粒子群算法的研究现状  9-11
    1.2.2 车辆路径问题的研究现状  11
  1.3 本文的研究工作和创新  11-12
  1.4 论文的组织结构  12-13
第2章粒子群优化算法  13-21
  2.1 基本粒子群算法  13-16
    2.1.1 基本理论  13-14
    2.1.2 算法主要步骤和特点  14-15
    2.1.3 算法的两种模型  15-16
  2.2 对基本粒子群算法的改进  16-20
    2.2.1 算法搜索能力  17-19
    2.2.2 算法的搜索效率  19-20
  2.3 本章小结  20-21
第3章线性和非线性相结合的权重自适应多种群粒子群算法  21-29
  3.1 线性和非线性相结合的权重自适应多种群粒子群算法  21-25
    3.1.1 改进思路  21-22
    3.1.2 线性和非线性相结合的权重自适应多种群粒子群算法  22-25
  3.2 仿真实验  25-28
    3.2.1 测试函数  25-26
    3.2.2 实验参数的选取  26-27
    3.2.3 实验结果及分析  27-28
  3.3 本章小结  28-29
第4章改进粒子群算法在车辆路径问题中的应用  29-35
  4.1 车辆路径问题  29-32
    4.1.1 问题描述  29
    4.1.2 数学模型  29-32
  4.2 改进算法在车辆路径问题中的应用  32-34
    4.2.1 算法的设计  32-33
    4.2.2 仿真实验  33-34
  4.3 本章小结  34-35
第5章结论与展望  35-37
  5.1 本文研究工作总结  35
  5.2 进一步的工作设想  35-37
参考文献  37-42
攻读硕士学位期间发表的论文及其它成果  42-43
致谢  43-44
作者简介  44

粒子群算法改进及在车辆路径问题中的应用

内容摘要

全文目录

相似论文