检索结果-内蒙古大学图书馆

作者：刘鹏国防科技大学

学位级别：博士

武器装备发展规划是一项复杂的系统工程,决定各类武器装备的未来发展方向、规模结构与能力水平,关系国家安全和未来军事斗争胜负,具有重要军事意义和研究价值。以部门为中心的“烟囱式”武器装备发展规划模式以及零碎的决策过程,涌现出... 详细信息

武器装备发展规划是一项复杂的系统工程,决定各类武器装备的未来发展方向、规模结构与能力水平,关系国家安全和未来军事斗争胜负,具有重要军事意义和研究价值。以部门为中心的“烟囱式”武器装备发展规划模式以及零碎的决策过程,涌现出诸多“能力相似/重复”“难以交互/集成”的武器装备发展项目,不仅造成了国防投入的资源浪费,而且极大地阻碍了在体系层次上对分散的武器装备进行“联合能力集聚”的进程。本文从体系视角出发,以武器装备组合式发展规划为背景,在实际军事问题的需求牵引下,开展基于体系贡献率的武器装备组合选择方法研究。结合复杂系统与复杂网络、组合决策分析、多目标优化、机器学习等理论与方法,分别针对单阶段单场景、多阶段、多场景、多目标的不同情形,开展典型场景的武器装备组合选择方法、考虑动态演化的武器装备组合选择方法、考虑场景关联的武器装备组合选择方法以及考虑发展风险的武器装备组合选择方法研究。论文的研究工作和创新点包括:(1)提出了基于体系贡献率的武器装备组合选择建模方法充分考虑体系组成要素间的关联关系及元素类型的异质性,根据功能链思想对武器装备体系进行网络化建模描述。将装备组合作为贡献率评估对象,对体系背景下武器装备组合贡献率进行分析,提出了基于体系贡献率的武器装备组合选择模型。该模型充分考虑了装备间的相互关联关系,在能力需求及经费约束条件下,以最大化提升整个武器装备体系作战能力为目标进行装备组合选择。(2)提出了考虑动态演化的武器装备组合选择方法现实中的发展规划,往往需要多个阶段的持续发展。尤其是装备这种复杂产品,一般会以几年为一个周期进行多个阶段的发展,预算经费以年度进行拨付。因此要求武器装备组合选择也要根据这种多阶段动态演化特性和能力需求变化等情况,进行多阶段决策。本文考虑未来能力需求及不同阶段经费投入的不确定性,提出了基于Dueling Deep Q-Network(Dueling DQN)深度强化学习算法的装备多阶段组合选择方法。该方法可以很好地处理多阶段动态演化面临的深度不确定性,使得武器装备组合选择方案更加合理。(3)提出了考虑场景关联的武器装备组合选择方法现实情况下,有相当多的装备或者装备组合要在多种场景下应用,服务于不同的任务方向。为了最大化满足多个场景的不同使命需求,需要面向多个场景开展武器装备组合选择。本文提出了考虑场景关联的武器装备组合选择方法,针对未来可能的多个场景,考虑场景之间的关联关系,构建基于场景重要度的装备组合选择模型。首先,基于多维信息融合计算场景关联度;而后,基于Page Rank方法计算各场景重要度,再对各装备组合在各场景下的贡献率进行计算得到贡献率矩阵,两者结合得到各装备组合在所有场景下的综合体系贡献率;最后,根据综合体系贡献率大小来选择装备组合方案。(4)提出了考虑发展风险的武器装备组合多目标选择方法充分考虑武器装备组合发展存在的成本超支和发展失败的风险,对贡献率研究进行多维度拓展,提出了考虑发展风险的武器装备组合多目标选择方法。该方法将武器装备组合体系贡献率和发展风险作为双目标进行优化,以全寿命周期成本和能力需求作为约束,采用改进NSGA-II(Non-dominated Sorting Genetic Algorithm-II)的混合智能优化算法NSDE(Non-dominated Sorting Differential Evolution)进行多目标优化问题的求解,得到一组帕累托最优解。然后,提出一种基于非支配解集关联规则挖掘的非支配装备组合精细化选择策略,对帕累托最优解进行综合权衡,得到最优装备组合方案,并与其他智能优化算法进行了对比,证明了所提方法的优势。得到的最优装备组合方案在对体系贡献率提高的同时也有效规避了其发展风险。

关键词：装备体系贡献率发展规划组合选择多目标组合优化多阶段动态规划深度强化学习多场景

来源：评论

学校读者我要写书评

暂无评论

Web服务QoS组合优化研究

引用

微计算机信息 2007年第2X期23卷 86-87,79页

作者：侯贵法王成耀北京科技大学

Web服务的服务质量是选择服务的重要因素,但求解最优服务的选择较为困难。本文基于多目标组合优化提出了一种服务选择方法,根据不同服务QoS属性指标选择得到非劣解集合,再由用户的效用函数评价用户满意度。这种选择方法可以推广到服务... 详细信息

Web服务的服务质量是选择服务的重要因素,但求解最优服务的选择较为困难。本文基于多目标组合优化提出了一种服务选择方法,根据不同服务QoS属性指标选择得到非劣解集合,再由用户的效用函数评价用户满意度。这种选择方法可以推广到服务组合过程。

关键词： Web服务服务质量多目标组合优化

来源：评论

学校读者我要写书评

暂无评论

全能工下Seru系统平衡性问题研究

全能工下Seru系统平衡性问题研究

引用

作者：马可东北大学

学位级别：硕士

在三次工业革命(机械化、电气化、信息化)过后,很多生产企业都面临着产能过剩的问题。很多厂商都具备在短时间内生产出大量的相同产品类型的加工能力。然而,随着消费能力的提升和市场的供给饱和的加剧,如今的消费环境已由卖方市场转变... 详细信息

在三次工业革命(机械化、电气化、信息化)过后,很多生产企业都面临着产能过剩的问题。很多厂商都具备在短时间内生产出大量的相同产品类型的加工能力。然而,随着消费能力的提升和市场的供给饱和的加剧,如今的消费环境已由卖方市场转变为买方市场。尤其在电子行业,消费者个体偏好的差异性导致了市场需求的多样性。同时,高端装备制造技术的发展缩短了产品生命周期,进而使得产品种类多样化成为了可能。多品种意味着对单种产品需求数量的相对减少,同时会随季节、行业内竞争对手数量等因素波动。以照相机为例,Sony和Canon等主流厂商每年发布的旗舰机型性能都有很大提升,同期发布的系列相机还会分很多型号配置以满足消费者的差异化需求。于是,一种新的生产模式,Seru生产,在这一市场环境下应运而生。Seru生产可降低完工时间,总工时,以及人力成本。而从本质上来讲,Seru生产是通过工人的合理重组来提高工人工作量的平衡性,进而达到上述效果。Seru生产中的工人按技能水平划分,可分为全能工与非全能工。由于非全能工情况过于复杂尚无研究,所以本文研究的是全能工背景下的情况。Seru生产系统按照构成可分为两类:纯Seru生产系统(由一个或多个Seru组成),和混合Seru生产系统(由一条段生产线及一个或多个Seru组成)。本文研究的是在全能工条件下Seru生产系统的平衡性问题。对于一个Seru,我们定义并量化了Seru平衡性(SB)来描述在一个Seru中工人工作量的平衡性。对于一个Seru生产系统,其平衡性应该从两方面衡量:Seru生产系统中全部工人工作量的平衡性,及Seru生产系统中全部Seru之间工作量的平衡性。因此,我们定义并量化了 Seru系统内平衡性(Intra-SSB)和Seru系统间平衡性(Inter-SSB)来分别量化这两方面平衡性。在此基础上,我们理论推导了Seru系统内平衡性和Seru系统间平衡性的上下界。除此之外,特别地对于混合Seru生产系统,我们定义并量化了混合Seru系统综合平衡性(c-SSB)来衡量Seru和短生产线之间工作量的平衡性。基于以上实证,对于纯Seru生产系统,我们定义并量化了纯Seru生产系统平衡性问题(SSBP)。纯Seru生产系统平衡性问题是一个双目标组合优化问题,同时最大化Seru系统内平衡性和Seru系统间平衡性,同时分析了其解空间和解的性质。对于混合Seru生产系统,我们定义并量化了混合Seru生产系统平衡性问题(hSSBP)。混合Seru生产系统平衡性问题是一个三目标组合优化问题,同时最大化Seru系统内平衡性,Seru系统间平衡性,和混合Seru系统综合平衡性。同时分析了其解空间和解的性质。进而,基于减小求解的时间复杂度和空间复杂度,我们设计了两种改进的双目标精确算法。并利用这两种算法求解出了纯Seru生产系统平衡性问题的帕累托最优解。基于求解结果,我们得出了获得好的Seru生产系统平衡性的一般规律,并分析了Seru系统内平衡性和Seru系统间平衡性对完工时间的影响。基于ε-约束法,我们设计了一种多目标精确算法。并利用这两种算法求解出了混合Seru生产系统平衡性问题的帕累托最优解。基于求解结果,我们得出了获得好的Seru生产系统平衡性的一般规律,并分析了Seru系统内平衡性,Seru系统间平衡性,和混合Seru系统综合平衡性对完工时间的影响。

关键词：生产调度 Seru生产平衡性多目标组合优化精确算法

来源：评论

学校读者我要写书评

暂无评论

基于深度强化学习的云制造资源调度优化研究

基于深度强化学习的云制造资源调度优化研究

引用

作者：张烈卓华中科技大学

学位级别：硕士

随着云计算、人工智能、大数据等高新技术的发展,云制造已经成为了学术界和工业界的热门研究方向。云制造是一种全新的面向服务的网络化制造模式,制造资源可以以一种低成本、资源共享且高效率协调的方式提供给用户。但由于不同企业的制... 详细信息

随着云计算、人工智能、大数据等高新技术的发展,云制造已经成为了学术界和工业界的热门研究方向。云制造是一种全新的面向服务的网络化制造模式,制造资源可以以一种低成本、资源共享且高效率协调的方式提供给用户。但由于不同企业的制造资源通常是高度异构的,资源的地理位置也可能相差甚远,在这样的模式中安排大规模的制造项目非常具有挑战性。如何解决服务组合过程中存在的约束问题且能尽可能最优地设计组合路径是云制造模式落地的难点。针对云制造中存在的多目标组合优化问题,在现有的研究基础上做了进一步的改进。首先在云制造资源调度模型上,提出了一种基于任务间物流拓扑关系的云制造服务优化模型。该模型不仅考虑了以往云制造服务优化模型中的多目标优化问题,还将物流问题与任务的时序约束关系相结合,突出了物流的时序关系对评估指标的影响,进一步满足云制造平台的现实需求。针对提出的云制造模型,基于NSGA-Ⅱ(Nondominated Sorting Genetic AlgorithmsⅡ)算法和深度强化学习算法设计了新的遗传算法DRL-MGA(Deep Reinforcement Learning based Multi-objective Genetic Algorithm)。该算法可以通过自学习的方式在遗传算法迭代过程中动态调整参数,从而获得更好的帕累托前沿,提高云制造资源调度的效果。最后通过设计的两组实验对基于任务间物流拓扑关系的云制造服务优化模型和DRL-MGA算法进行了验证。首先,通过引入DTLZ系列基准问题对算法DRL-MGA与算法NSGA-Ⅱ进行比较,验证了提出的算法与NSGA-Ⅱ相比在IGD(Inverted Generational Distance)指标上有明显的提高。其次,通过仿真模拟的方式,将提出的算法应用到设计的模型上,然后通过图表的方式进行分析。实验结果有效论证了提出模型的合理性。

关键词：云制造多目标组合优化遗传算法深度强化学习

来源：评论

学校读者我要写书评

暂无评论

基于遗传算法的排课系统的设计与实现

基于遗传算法的排课系统的设计与实现

引用

作者：丁健华中科技大学

学位级别：硕士

排课问题是一个典型的多约束、多目标的优化组合问题,并且已经被证明是NP完全问题。影响排课问题的因素很多,而且各因素之间相互制约,不同的学校课程编排的特点也不同,故很难形成一个统一的排课模式。随着高校规模的不断扩大,手工排课... 详细信息

排课问题是一个典型的多约束、多目标的优化组合问题,并且已经被证明是NP完全问题。影响排课问题的因素很多,而且各因素之间相互制约,不同的学校课程编排的特点也不同,故很难形成一个统一的排课模式。随着高校规模的不断扩大,手工排课己不能满足排课的需求,通过计算机软件,实现自动化的排课,已经成为学校教务管理人员的一个共识,也是解决排课问题的理想途径。遗传算法是一种高度并行、自适应的随机搜索算法,它是借鉴生物界自然选择和进化机制发展起来的,其思想简单、易于实现,是一种非常有效的解决NP完全问题的方法。排课问题是NP完全问题,故可使用遗传算法解决排课问题。介绍了遗传算法的基本思想、特点、实现要素以及数学基础,分析了目前流行的几种排课算法存在的问题；讨论了排课问题需要考虑的要素,与这些要素相关的主要约束条件,并建立的这些约束条件的数学模型；给出了本系统的整体设计思想及设计流程图,并根据本系统设计的特点描述了排课问题的求解目标和难点；采用Pareto GA,针对我校课程编排的特点,深入研究了优化解法,对现有遗传算法进行了一些改进,构造了在变异阶段具有引导功能的遗传算法,并对该算法进行了测试。在算法实现过程中,考虑了冲突的检测和消除,有效地保证了种群的多样性,避免种群陷入局部最优解的情况。对改进后算法的测试结果表明,改进后的算法在提高收敛速度的同时保证了种群的多样性。

关键词：排课问题遗传算法多目标组合优化 Pareto GA

来源：评论

学校读者我要写书评

暂无评论

分布式综合模块化航电系统双层配置建模与优化设计研究

分布式综合模块化航电系统双层配置建模与优化设计研究

引用

作者：郭柯卿南京航空航天大学

学位级别：硕士

分布式综合模块化航空电子系统(DIMA)是目前研究领域最前沿、实际应用领域最先进的航电系统架构。在DIMA中,系统任务共享系统中的资源,例如计算能力、内存和传感器/执行器接口等。资源由航电系统中的通用设备和位置提供,可以安装在飞机... 详细信息

分布式综合模块化航空电子系统(DIMA)是目前研究领域最前沿、实际应用领域最先进的航电系统架构。在DIMA中,系统任务共享系统中的资源,例如计算能力、内存和传感器/执行器接口等。资源由航电系统中的通用设备和位置提供,可以安装在飞机上满足约束的任何位置。由于飞机设备和任务配置规模变大以及复杂性的增高,人工进行航电系统架构设计是一项非常困难的任务,且在面向大规模设备和任务配置问题时仍然缺乏行之有效的方法。对DIMA进行数学建模并设计优化方法,是实现DIMA架构自动化设计的重要手段。本文的研究内容主要包括以下几个方面:第一、针对设备配置和系统任务配置这两个DIMA架构设计的基本任务,考虑到资源和系统安全两大类约束条件以及成本和质量两个优化目标,设计了一种面向DIMA的多目标双层耦合配置模型,该双层模型更切实地考虑了航电系统设计中的实际因素,更符合航电系统设计人员的初衷。第二、针对单层DIMA设备配置模型,提出了一种两阶段多目标局部搜索算法(2PMOLS),并将其与一些经典的多目标优化算法进行了比较,通过实验证明,2PMOLS在收敛性及多样性上都具有更好的效果,且配置规模越大效果越突出,越能降低飞机的重量和成本,最终可以得到令设计人员更满意的配置方案。第三、由于双层变量的耦合结构极易导致大规模的搜索空间,使得现有的算法搜索效率很低。基于此,本文提出了一种面向双层模型的协作型双层多目标优化方法(BMOLS/VD)。由DIMA仿真实例得到的实验结果表明,双层配置模型以及BMOLS/VD方法提高了算法的收敛性、降低了算法的复杂度,并且可以求解到更好的DIMA架构配置方案。特别的,对于复杂的大规模DIMA配置问题,本算法依然有较好的性能,可以进一步降低飞机航电系统的质量和成本。最后根据特定的选解方法,选择航电系统设计人员更满意的解来还原出真实的配置方案。

关键词：分布式综合模块化航电系统帕累托局部搜索双层优化多目标组合优化分配问题

来源：评论

学校读者我要写书评

暂无评论

蚁群算法的改进及其在土地利用优化上的应用

蚁群算法的改进及其在土地利用优化上的应用

引用

作者：项前中国科学院遥感应用研究所

学位级别：硕士

在科学研究中，人们经常受到自然界生物行为的启发，从而发展起来了仿生学。这其中，许多优化算法，如遗传算法、进化算法、模拟退火算法和蚂蚁算法等，都是仿生学在优化领域得到应用的实例，统称为启发式算法，特别是近些年发展起来的... 详细信息

在科学研究中，人们经常受到自然界生物行为的启发，从而发展起来了仿生学。这其中，许多优化算法，如遗传算法、进化算法、模拟退火算法和蚂蚁算法等，都是仿生学在优化领域得到应用的实例，统称为启发式算法，特别是近些年发展起来的蚂蚁算法，更是得到了广泛关注，并被成功的应用到了解决许多组合优化问题中。蚂蚁算法经过改进，又发展起来更优秀的蚁群优化算法(Ant colony optimization，ACO)。所有蚂蚁算法都是模拟真实蚂蚁群体觅食过程而发展起来的仿生学智能优化算法。它是由意大利学者***，***和***提出的，在此之后，被应用到了解决TSP、QAP、函数优化、网络路由及数据挖掘问题中，并证明了蚂蚁算法在解决这些NP-难问题时，相比其他启发式算法，具有得天独厚的优势。然而，到目前为止，还很少有把蚁群算法用于解决土地利用优化问题，这也正是本文写作的目的，并从以下三个方面作了研究：\n 第一，在理论上，土地利用问题的空间性和多目标性一直制约着土地利用优化的发展，在国内外研究中还未取得突破。因此，本文分析了土地利用问题的特点和存在的问题，在同时考虑空间性和多目标性的基础上，提出了土地利用优化问题的若干优化目标和约束条件。通过引进蚁群算法，并与Pareto解集相结合，尝试解决多目标土地利用优化问题，并取得了很好的效果。\n 第二，在算法上，首先分析了蚁群算法的原理和求解过程，总结出蚁群算法的优缺点，提出人工蚂蚁和真实蚂蚁的不同和相同之处，深入理解人工蚂蚁的运行机理和求解过程；其次，从信息素、启发式定义和局部搜索两方面改进了蚁群算法，提高了算法的搜索效率，加快算法收敛速度。\n 第三，在应用中，结合深圳市土地动态监测和预警项目，利用改进后的蚁群算法解决土地利用多目标优化问题。首先对深圳市土地利用特点，特别是近些年的土地利用情况，进行分析；其次，根据每种土地利用类型的面积定义启发式信息和信息素，并动态地根据解的质量更新信息素和启发式信息，有效的指导每只蚂蚁“爬向”最优解；最后，利用蚁群算法并行执行，同时具有全局搜索和局部搜索的能力，提高了计算效率和精度。实验结果表明，改进的蚁群算法能有效的对优化区域进行优化，取得了理想的效果。

关键词：蚁群算法土地利用优化信息素启发式信息多目标组合优化

来源：评论

学校读者我要写书评

暂无评论

边缘环境下面向并行服务组合的服务部署方法

边缘环境下面向并行服务组合的服务部署方法

引用

作者：夏唯武汉大学

学位级别：硕士

随着5G技术和各种自动化新型产业的发展,终端设备对计算任务的时延和可靠性的要求日益提高。为了满足日益增加的终端设备的需求,多接入边缘计算通过在邻近终端的边缘端分散地为终端提供计算资源来降低任务时延并提高任务可靠性,服务提... 详细信息

随着5G技术和各种自动化新型产业的发展,终端设备对计算任务的时延和可靠性的要求日益提高。为了满足日益增加的终端设备的需求,多接入边缘计算通过在邻近终端的边缘端分散地为终端提供计算资源来降低任务时延并提高任务可靠性,服务提供商通过租用边缘服务器托管服务来更好地满足时间敏感型和数据密集型任务的需求。终端请求的任务往往由多个服务组合而成,目前,边缘服务部署方法对并行服务组合研究较少,且服务器之间的协同机制简单,无法适应并行服务组合的并行特性。现有的边缘服务部署方法,对服务部署问题建模时,只考虑到了直观目标如最小化终端的整体任务时延。仅以直观目标作为目标模型中的目标,在使用元启发式算法求解问题的过程中,不仅容易陷入局部最优解而且可能产生不合理的解。针对上述问题,论文首先构建了面向并行服务组合的云边协同系统模型,该模型基于软件定义网络的中心控制思想,提高了服务的并行效率和边缘服务器的利用率。在云边协同系统模型的基础上,论文从服务提供商的角度出发,考虑资源、距离和跳数等约束,以最小化终端的整体任务时延为目标,同时,通过研究服务部署问题的内在机制,引入该目标的一个潜在对抗目标,最小化云服务器处理的服务量,以该潜在对抗目标作为辅助目标,将服务部署问题构建成一个多目标组合优化问题并对其进行数学建模。针对该数学模型,论文基于求解Pareto前沿的多目标优化技术,提出了一种多目标混合元启发式算法。论文基于真实的地理位置数据集进行了一系列验证实验,分别探索了云边协同机制,辅助目标和服务部署算法的影响,实验结果表明本文所提的方法能够有效地降低终端的整体任务时延和云服务器处理的服务量,且与表现最优的基准服务部署算法相比,本文所提的服务部署算法在降低终端的整体任务时延和云服务处理的服务量方面的平均性能分别最多达到了12.76%和21.33%。

关键词：多接入边缘计算服务部署并行服务组合云边协同任务时延多目标组合优化

来源：评论

学校读者我要写书评

暂无评论

基于多QoS约束的计算网格任务调度算法研究

基于多QoS约束的计算网格任务调度算法研究

引用

作者：刘凯鹏哈尔滨工业大学

学位级别：硕士

计算网格环境下基于多QoS约束的任务调度问题是目前网格任务调度算法研究领域的热点问题,存在克服资源异构性、协调管理策略分布性以及有效协同多QoS约束等难点。对这一问题的研究具有广阔的应用前景。本文通过研究网格环境下的QoS模型... 详细信息

计算网格环境下基于多QoS约束的任务调度问题是目前网格任务调度算法研究领域的热点问题,存在克服资源异构性、协调管理策略分布性以及有效协同多QoS约束等难点。对这一问题的研究具有广阔的应用前景。本文通过研究网格环境下的QoS模型,给出网格环境下QoS约束的分类并引入效益函数的概念,为调度算法提供优化目标。在此基础上,通过改进Min-min和Sufferage等适用于异构环境的传统启发式调度算法,采用加权QoS效益和作为优化目标,提出基于启发式方法的任务调度算法QB-Min-min和QB-Sufferage。这些算法简单高效,但也存在一定的缺点。由于基于多QoS的计算网格任务调度问题实际上是一个多目标组合优化问题,因此使用多目标组合优化方法应该可以获得较好结果。本文基于多目标遗传算法NSGA-II,结网格任务调度问题的特点,设计染色体编码方案、初始种群生成方法以及选择、交叉和变异等遗传算子,提出基于多目标组合优化方法的任务调度算法QB-NSGA-II。仿真实验结果表明,基于多目标优化方法的调度算法在多数性能指标上均比启发式调度算法更具优势。这说明应用多目标方法解决基于多QoS约束的网格任务调度算法是可行的,也是合理的。另外,实验结果也表明,考虑QoS约束的调度算法要优于不考虑QoS约束的算法。这说明在网格环境中考虑QoS约束并采用基于QoS约束的调度算法是必要的。

关键词：网格计算任务调度 QoS模型多QoS约束多目标组合优化

来源：评论

学校读者我要写书评

暂无评论

物流配送中车辆调度问题的研究

物流配送中车辆调度问题的研究

引用

作者：刘霞太原科技大学

学位级别：硕士

物流配送车辆调度问题是指:在给定运输任务的条件下,如何派车、组织循环运输,使空驶里程最少,运输成本最低。目前我国大多数的物流企业运输资源分配不均、配送路线安排不合理、运力资源浪费严重,而缺乏完善的物流配送车辆调度优化方案... 详细信息

物流配送车辆调度问题是指:在给定运输任务的条件下,如何派车、组织循环运输,使空驶里程最少,运输成本最低。目前我国大多数的物流企业运输资源分配不均、配送路线安排不合理、运力资源浪费严重,而缺乏完善的物流配送车辆调度优化方案是造成此现象的重要因素之一。因此对物流配送车辆调度问题的研究具有重要的现实意义。目前对单车场、封闭式物流配送车辆调度问题研究较多,而对多车场开放式物流配送车辆调度问题研究较少,但是多车场开放式物流配送车辆调度问题有很强的应用背景。本文针对此问题,建立了一种灵活的多目标组合优化模型,设计了适合多车场开放式车辆路径问题的通用染色体编码方案,并对遗传算法中的交叉变异操作做了详细说明。此模型可以方便的增减优化目标值,并通过测试用例验证了本文设计的优化模型和遗传算法在解决多车场多目标开放式物流配送车辆调度问题中的可行性。自动化立体仓库出库端车辆调度策略的设计是物流配送车辆调度中的一个关键问题,好的调度策略可以大大缩短出库端的配货时间。为此本文引入动态优先级理论,并利用该理论对大型AS/RS出库口车辆调度问题进行了深入研究与分析,提出了基于动态优先级的AS/RS出库端车辆调度策略,并开发了相应的AS/RS出库口发货资源监控系统,即AS/RS出库口车辆调度系统,优化了AS/RS出库端车辆调度策略,大大提高了物流配送当中的配货效率。本文建立的多目标组合优化模型以及设计的遗传算法求解方案,可以有效的缩减物流配送中的送货时间;设计的AS/RS出库端车辆调度优化策略及开发的AS/RS出库端车辆调度系统,可以有效缩减车辆在出库端的配货时间。本文对以上两种物流配送中的车辆调度问题进行研究,大大提高了物流配送效率、减少了物流配送成本。

关键词：物流配送车辆调度多目标组合优化遗传算法

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：