双种群灰狼优化算法的物流配送中心选址策略

针对物流配送中心选址模型具有多约束和非线性的特点,导致难以求解的问题.提出一种改进灰狼优化算法的求解策略.文章通过引入交叉变异策略,改进了传统灰狼算法在迭代后期易早熟收敛的问题;通过加入双种群寻优策略,丰富了灰狼算法的种群多样性,提高了算法的收敛速度.将改进后的灰狼算法针对物流配送中心选址模型进行求解,实验结果表明,该改进灰狼优化算法具有较高的全局搜索能力,针对物流配送中心选址模型具有较高的搜索精度,很大程度的提高了物流配送效率.     

改进麻雀搜索算法求解物流配送中心选址问题

为提升物流配送效率,降低配送成本,提出一种改进麻雀搜索算法M-SSA求解物流配送中心选址问题。在基本麻雀搜索算法SSA中,设计均匀化Logistic映射机制提升初始种群的均匀性和随机性;利用正余弦优化和惯性权重机制改进发现者位置更新,提升全局搜索能力;引入柯西混沌变异机制增强种群多样性,避免局部最优解。利用M-SSA算法求解物流配送中心选址问题。实验结果表明,在解决配送中心选址问题上,M-SSA算法可以降低物流配送成本,提升配送效率。     

基于混合算法的多停靠点物流路径规划仿真

现有的多停靠点物流路径规划方法未考虑配送中心的位置,无法合理调整停靠点,导致规划不合理,配送效率低的问题.提出一种基于混合算法的多停靠点物流路径规划方法.先对多停靠点物流路劲规划问题展开描述,计算停靠点间的配送用时和停靠时间,构建路径规划数学模型.采用改进蚁群算法求解所选路径的选取概率,物流配送中心选取,结合改进可见度找到配送中心,依据2opt算法原理调整停靠点,利用遗传聚类算法对停靠点类别进行聚类,得到聚类编码的适应度,结合路径规划数学模型,判定出最佳路径.仿真结果表明,所提方法的配送效率最高,规划效果最佳.     

基于改进鲸鱼优化算法的移动机器人多目标点路径规划

为提高移动机器人在多目标点环境中路径规划的效率与准确性,针对标准鲸鱼优化算法存在的搜索精度不足和收敛速度较慢的问题,本文提出一种改进鲸鱼优化算法。首先,引入自适应搜索控制系数,以提高算法平衡全局搜索和局部搜索的能力。其次,提出一种记忆库列表策略,通过增加记忆库列表存储最优解并进行维护更新,提高算法所得解的质量并降低陷入局部最优的概率。然后通过使用A*算法计算出目标点之间的距离矩阵,并将其输入到改进的鲸鱼优化算法得出最优遍历顺序。最后,在简单和复杂的栅格地图中分别对不同算法进行仿真对比实验。研究结果表明,随着场景复杂度的增加,本文算法相较于标准鲸鱼优化算法在三个场景中所得出的最小路径长度分别减少6.58%、22.71%和25.63%。因此,改进算法在解决多目标点路径规划问题中具有较高的效率和准确性。     

基于服务半径的盐业物流配送网络优化研究

研究物流配送网络优化问题,由于配送网络分布不均,有的过于密集,导致资源浪费.传统的盐业物流配送是根据最小运输费用选取配送中转中心,不能解决配送中心修建过于密集的缺陷,导致资源的浪费和服务效率不高的问题.为了满足较低物流成本和较高服务质量的双赢,提出一种服务半径的物流配送网络优化方法,根据服务半径的概念,利用蚁群聚类算法建立物流网络的服务半径模型,然后根据模型选取最优配送中心,完成对配送网络的优化.实验证明,基于服务半径的网络优化方法能够选择合理的配送中心,降低物流成本,提高物流服务质量.     

求解物流配送中心选址问题的蜘蛛猴算法

物流配送中心选址问题的核心是效率最大化,成本最小化。为了快速得到合理的物流配送中心选址方案,现提出一种基于Laplace分布的伪反向蜘蛛猴优化算法（LOBSMO）来求解此问题。建立物流配送中心选址模型。在基本蜘蛛猴优化算法中,采用了Laplace分布初始化蜘蛛猴种群,在局部领导阶段用指数递减与随机对数递减策略改进步长因子,在全局领导阶段提出了新的搜索机制及局部领导决策阶段的伪反向学习策略来提高算法的寻优性能。最后,通过仿真实验说明该方法是可行的。     

医药物流企业配送中心802．11n无线应用方案设计

作者在基于无线局域网802．11n（草案2．0）技术的基础上,提出医药物流配送中心服务器与PC机或PDA等移动配送终端无线通信的解决方案,改进配送中心传统网络结构,有效缩短医药物流配送中心的业务流程,提高药品配送效率,促进医药行业更快发展。     

改进的蚁群算法在优化物流配送管理系统中的应用

基于企业物流配送管理系统的优化研究,文章改进了蚁群算法,并根据改进的蚁群算法,建立蚁群算法模型,提出配送算法,应用到物流配送管理系统中,以提高企业物流配送中心的配送能力,降低成本,最大化地合理利用现有资源。试验计算结果表明,改进的算法具有较好的寻优能力,收敛速度快,是解决物流配送管理路径优化问题的有效算法之一。     

军事物流配送中心选址模型的构建

研究了军事物流配送中心优化选址建模问题。针对当前军事物流配送因为涉及变量多,关联程度强难以进行选址的难题,为加强选址的科学决策,对军事物流配送中心概念进行了界定,在明确军事物流选址的流程、步骤和一定数目的备选配送中心的基础上,采用离散二进制PSO解决配送中心的选择问题,建立了根据粒子群优化算法的军事物流配送中心选址优化模型。通过实例验证,模型构建科学合理,降低了计算的复杂度,优化了选址模型,为解决军事物流选址问题提供了科学的途径和手段。     

基于粒子群优化的军事物流配送中心选址

针对当前军事物流配送改革中配送中心选址问题,在成本最小的基础上,构建了一个混合整数规划模型,并将粒子群优化算法(PSO)引入到模型的求解中,采用离散PSO解决物流配送中心选择问题,用基本PSO解决货物运输分配问题,通过嵌套调用离散PSO和基本PSO,得到模型最优解.该方法降低了计算复杂度,有效选择了物流配送中心,优化了军事物流网络.实例表明了方法的可行性和有效性.