学位论文 > 优秀研究生学位论文题录展示

基于改进微粒群算法的配送中心选址研究

作　者: 程飞
导　师: 徐彬
学　校: 河南大学
专　业: 计算机应用
关键词: 微粒群算法 免疫算法 配送中心选址 离散点选址 供应链管理
分类号: TP301.6
类　型: 硕士论文
年　份: 2009年
下　载: 192次
引　用: 2次
阅　读: 论文下载
 

内容摘要


如今,随着计算机科学的迅猛发展、人类生存空间的扩大以及认识与改造世界范围的拓宽,人们对科学技术提出了新的和更高的要求,其中高效的优化技术和智能计算的要求日益迫切。群体智能,作为一种新兴的智能计算技术正受到越来越多研究者的关注。群体智能的协作性、分布性、鲁棒性和快速性等特点使之在没有集中控制且不提供全局模型的前提下,为寻找复杂的分布式问题的解决方案提供了基础。微粒群优化算法是一种新兴的智能优化算法,其源于对鸟群捕食系统的模拟。该算法相对于遗传算法(GA)而言容易实现,没有交叉和变异操作,需调整的参数不多,收敛速度快,因此自从Kennedy和Eberhart于1995年提出以来,便受到了广泛的关注,尤其是在最近几年微粒群算法原来越受到群体智能研究方面的专家和学者的青睐,并在一些领域获得了成功应用。现己广泛应用于函数优化、动态环境优化、神经网络训练等诸多领域。物流配送中心在现代商品流通中的作用极大,它通过对商品的运输、保管、装卸、搬运、流通加工、配送、定单处理和信息处理等工作的统一管理,可以大大减轻作业劳动强度,减少商品消耗,提高库存周转率,加速商品流通,降低流通成本,提高社会需求的满足程度,给消费者以更多选择。在物流网络中,配送中心连接着供货点和需求点,是两者之间的桥梁,在物流系统中有着举足轻重的作用,搞好配送中心的选址将对物流系统作用的发挥乃至物流经济效益的提高产生重要的影响。因此目前对于配送中心的研究成为物流发展的热点。而选址问题则是配送中心规划时面临的首要的,也是最为复杂的一个问题。本文主要的工作包括如下几个方面:1.将微粒群算法与免疫算法相结合,把免疫记忆和克隆选择等免疫算子引入微粒群算法中,从而形成了一种改进算法。仿真实验结果表明该算法能克服基本微粒群优化算法精度较低,易发散的缺点,既加快了算法的搜索速度又使算法避免了陷于局部最优。2.对物流配送中心的选址问题进行了研究,建立了一个配送中心选址模型,使配送中心选址问题更具有实际意义和指导作用,对未来的配送中心的建设提供参考。3.将改进微粒群算法应用到离散点的选址问题上,并对所提出的选址模型进行了实验。

全文目录


摘要  3-5
ABSTRACT  5-9
第一章 绪论  9-15
  1.1 选题意义及研究背景  9
  1.2 国内外研究现状  9-13
    1.2.1 微粒群算法的研究现状  9-12
    1.2.2 配送中心选址的研究现状  12-13
  1.3 本文主要研究工作和创新点  13-14
  1.4 论文结构  14-15
第二章 配送中心及其在供应链中的作用  15-26
  2.1 物流与供应链  15-20
    2.1.1 物流的概念及其发展  15-17
    2.1.2 供应链与供应链管理  17-20
  2.2 配送中心概念及在供应链中的作用研究  20-25
    2.2.1 配送中心概念  20-21
    2.2.2 配送中心在供应链中的作用分析  21-25
  2.3 本章小结  25-26
第三章 配送中心选址问题及模型  26-37
  3.1 配送中心选址问题的分类  26-28
    3.1.1 被定位设施的维数及数量  26-27
    3.1.2 选址成本  27
    3.1.3 选址约束  27-28
  3.2 选址问题的影响因素和原则  28-30
    3.2.1 影响配送中心选址的因素分析  28-29
    3.2.2 供应链环境下选址所遵循的原则  29-30
  3.3 配送中心选址常用的方法  30-34
    3.3.1 定性方法  30-31
    3.3.2 定量方法  31-33
    3.3.3 定性与定量方法相结合  33-34
  3.4 配送中心选址模型的建立  34-36
    3.4.1 问题的提出  34
    3.4.2 模型的建立  34-36
  3.5 本章小结  36-37
第四章 微粒群算法的研究及改进  37-48
  4.1 微粒群算法的研究  37-42
    4.1.1 基本微粒群算法  37-39
    4.1.2 几种典型的微粒群改进算法研究  39-42
    4.1.3 微粒群算法的发展趋势  42
  4.2 免疫算法研究  42-43
  4.3 微粒群算法的改进及性能分析  43-47
    4.3.1 算法总体思路  43-44
    4.3.2 算法原理  44-45
    4.3.3 算法流程及实现  45-46
    4.3.4 算法性能分析  46-47
  4.4 本章小结  47-48
第五章 改进微粒群算法在选址模型中的应用  48-54
  5.1 问题的阐述  48-50
  5.2 仿真结果  50-52
  5.3 结果分析  52-53
  5.4 本章小结  53-54
结论和展望  54-56
参考文献  56-59
致谢  59-60
攻读硕士学位期间的论文和项目  60

相似论文

  1. 中医舌诊中舌形与齿痕的特征提取及分类研究,TP391.41
  2. 基于利益相关者理论的绿色供应链管理研究,F274
  3. 我国图书发行供应链管理研究,F274
  4. 基于免疫机制蚁群算法的电力系统无功优化研究,TP18
  5. CP渤海地区供应链优化与实施研究,F426.22
  6. X公司铁路自备车管理问题及解决对策研究,F426.22
  7. 微粒群算法的改进与应用研究,TP18
  8. A阀门制造有限公司供应商管理的优化研究,F426.4
  9. 基于供应链管理模式下的S公司采购管理研究,F274
  10. 苏州ST公司库存控制优化研究,F224
  11. A乳业股份有限公司冷链物流运营管理研究,F426.82
  12. HGST公司物流运输模式及其优化策略研究,F416.6
  13. ZXGJ公司采购与供应风险研究,F426.6
  14. 面向少批量多品种生产的A公司供应链管理研究,F274
  15. 基于供应链管理的Y公司采购优化策略研究,F274
  16. 通城玉立供应链管理优化研究,F752
  17. 宜家家居采购和供应管理模式与改善策略研究,F721.7
  18. 纯美包包网商业计划书,F724.6
  19. 企业物料采购战略的研究,F274
  20. 基于整合供应链的库存控制策略研究,F253.4
  21. 供应链视角下基于JIT的库存模型研究,F253.4;F224

中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 一般性问题 > 理论、方法 > 算法理论
© 2012 www.xueweilunwen.com