基于社群特性的群智能算法研究及在物流中的應用.pdf

1、隨著我國經(jīng)濟的飛速發(fā)展，物流作為現(xiàn)代服務業(yè)的主要支柱產(chǎn)業(yè)也面臨著向信息化和智能化轉型的機遇。高效、安全和低碳為物流資源的合理利用提出了更高的要求和挑戰(zhàn)。在新發(fā)展趨勢下，如何對具有大規(guī)模、動態(tài)和多目標等特征的復雜物流問題進行優(yōu)化受到了特別關注，常規(guī)方法往往不能滿足實際應用的需要。群智能算法高效和簡潔的計算性能，為解決物流運作中的復雜問題提供了可行的技術手段。然而在解決復雜問題中，一般的群智能算法仍然面臨著容易陷入局部最優(yōu)和早熟等問題，阻礙

2、了其在物流領域的深入應用。如果可以改善群智能算法缺陷，將會極大提升群智能算法的優(yōu)化能力，拓展在物流領域的應用。論文旨在從種群拓撲網(wǎng)絡、鄰域結構和個體行為方面研究群智能算法的改進和構建，以提高智能算法在處理復雜優(yōu)化問題的能力，為解決物流運作中的實際問題提供有效方法。論文主要研究工作和創(chuàng)新點如下：
　?。?）從鄰域構建角度，提出了聚類自適應粒子群改進算法（APSO-C）?；趯ΨN群中個體搜索行為的分析，采用 K-means方法對種群進

3、行動態(tài)分割，從而構建多個具有不同屬性的異構子簇，并采用基于環(huán)形拓撲結構進行不同簇間的信息交互?；谒纬傻拇亟Y構，構建了通過簇所處搜索水平評估的參數(shù)自適應調(diào)整策略，實現(xiàn)了簇內(nèi)每個粒子根據(jù)自身的尋解水平對各自的參數(shù)自適應調(diào)整，從而在不同階段賦予個體不同的搜索能力。通過Benchmark測試，APSO-C與同類對比算法相比，具有較好的搜索能力和魯棒性，顯著提高了算法性能。
　?。?）從種群中社會網(wǎng)絡關系角度，提出了基于社會網(wǎng)絡演化的改

4、進粒子群優(yōu)化算法（PSODT-SNE）。算法中將社會網(wǎng)絡演化行為引入到種群搜索過程中，基于動態(tài)社會網(wǎng)絡進行種群拓撲網(wǎng)絡的調(diào)整，以調(diào)整搜索過程中優(yōu)化信息的擴散路徑，促進個體之間的信息交流，提高個體搜索能力。實驗表明該算法與已有相關算法相比，收斂速度和效率均有明顯提高。
　?。?）提出了基于種群拓撲網(wǎng)絡、鄰域結構和個體行為的社會網(wǎng)絡群智能優(yōu)化算法（SNSO）。在算法 SNSO中，構建了社會網(wǎng)絡演化規(guī)則、擴展鄰域結構和個體綜合學習策略，

5、改善群體搜索行為，并通過三方面的參數(shù)組合實驗，分析了它們對群體優(yōu)化能力的影響。通過與同類算法的測試比較，該算法表現(xiàn)出良好的優(yōu)化性能，為群智能算法的構建和改進提供了一種可借鑒的方法。
　?。?）研究了集裝箱運輸?shù)墓F水多式聯(lián)運群智能優(yōu)化問題。論文提出了一種基于按比例流量分配和局部流量調(diào)整的策略，構建了基于群智能算法的個體連續(xù)表達與問題離散空間的完整映射模型，并采用PSODT-SNE和SNSO算法對多式聯(lián)運問題進行了求解。通過實驗仿真

6、，并與同類優(yōu)秀算法比較，驗證了算法的有效性。所提出的編碼策略也適用于其它連續(xù)空間編碼的智能算法進行同類問題的求解。
　?。?）研究了基于群智能算法的集裝箱船舶貝位配載優(yōu)化問題。論文通過基于位置信息的裝載順序解碼策略和依據(jù)規(guī)則的裝載方式，實現(xiàn)了個體信息與配置方案的解碼，采用論文所提出 SNSO算法對問題進行了求解。通過不同規(guī)模的仿真案例比較，SNSO算法在求解效率和優(yōu)化結果方面都取得了很好的效果，驗證了算法在處理實際問題中的有效性。