检索结果-内蒙古大学图书馆

您好，读者！请登录

内蒙古大学图书馆

首页
概况
党建
资源
服务
科研支持
- 论文收录引用证明
- 科技查新
知识产权
档案馆
帮助

咨询与建议

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

您的常用邮箱：*

您的手机号码：*

问题描述：

当前已输入0个字，您还可以输入200个字

全部搜索
期刊论文
图书
学位论文
标准
纸本馆藏
外文资源发现
数据库导航
超星发现

高级检索

时间限定

出版年份：

文献类型

图书期刊文献学位论文多媒体

馆藏选择

电子馆藏纸本馆藏

核心期刊

全部期刊 SCI 收录期刊 SSCI 收录期刊 EI 收录期刊 CSCD 收录期刊 CSSCI 收录期刊

语言

中文英文

文献类型

期刊文献图书学位论文标准纸本馆藏

帮助

文字说明：

T=题名（书名、题名），A=作者（责任者），K=主题词，P=出版物名称，PU=出版社名称，O=机构（作者单位、学位授予单位、专利申请人），L=中图分类号，C=学科分类号，U=全部字段，Y=年（出版发行年、学位年度、标准发布年）

检索规则说明：

AND代表“并且”；OR代表“或者”；NOT代表“不包含”；(注意必须大写,运算符两边需空一格)

检索范例：

范例一：(K=图书馆学 OR K=情报学) AND A=范并思 AND Y=1982-2016
范例二：P=计算机应用与软件 AND (U=C++ OR U=Basic) NOT K=Visual AND Y=2011-2016

分类表

所选分类

>> <<

限定检索结果

文献类型

10 篇 学位论文

馆藏范围

10 篇 电子文献
0 种 纸本馆藏

日期分布

主题

10 篇 简化群体演算法
2 篇 非支配排序演算法
2 篇 多目标规划
1 篇 标准化惩罚式适应...
1 篇 工作指派问题
1 篇 可修复元件
1 篇 统一计算架构
1 篇 超参数优化
1 篇 有限容量设施选址...
1 篇 基因选取
1 篇 有限容量设施选址
1 篇 累加穷举演算法
1 篇 图像辨识
1 篇 支撑向量机
1 篇 供应链管理
1 篇 平行运算
1 篇 多态系统
1 篇 电动机车
1 篇 衰退型路网
1 篇 三层供应链路网

机构

10 篇 国立清华大学

作者

1 篇 shang-ke huang
1 篇 jen-hsuan chen
1 篇 szu-wei yao
1 篇 姚思微
1 篇 林韦廷
1 篇 liu hsiu hao
1 篇 王翔泰
1 篇 huang yen cheng
1 篇 林怡萍
1 篇 wei-che liu
1 篇 黄彦诚
1 篇 yi-ping lin
1 篇 lin. wei ting
1 篇 chi-ting hsu
1 篇 陈任轩
1 篇 刘修豪
1 篇 刘玮哲
1 篇 黄上科
1 篇 许季庭

语言

7 篇 英文
3 篇 中文

检索条件"主题词=简化群体演算法"

共 10 条记录，以下是1-10 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

利用累加穷举简化群体演算法求解通用网路可靠度冗余配置问题

利用累加穷举简化群体演算法求解通用网路可靠度冗余配置问题

引用

作者：陈任轩国立清华大学

学位级别：硕士

网路系统常见于生活中各种应用，例如：电网、物联网 (IoT)、瓦斯网路，然而许多系统皆暴露在失效的风险之下，因此网路系统的可靠度提升亦变得更加重要。可靠度冗余配置问题 (Reliability redundancy allocation problem, RRAP) 是着... 详细信息

网路系统常见于生活中各种应用，例如：电网、物联网 (IoT)、瓦斯网路，然而许多系统皆暴露在失效的风险之下，因此网路系统的可靠度提升亦变得更加重要。可靠度冗余配置问题 (Reliability redundancy allocation problem, RRAP) 是着名的可靠度设计工具，然而，当系统从常见的串并联结构扩展为更复杂的网路结构后，RRAP亦需有相应发展才能有效解决网路系统的可靠度问题。本研究基于此将RRAP扩展为通用网路可靠度冗余配置问题(Generalized reliability redundancy allocation problem, GRRAP) 以用于通用网路 (general network) 结构的系统，使RRAP得以转换为网路可靠度最佳化问题，并使用累加穷举演算法 (Binary Addition Tree Algorithm) 计算网路可靠度 (network reliability) 精确值。由于RRAP为NP-hard问题，为求解比RRAP更为复杂的GRRAP，本研究提出累加穷举简化群体演算法 (Binary-addition simplified swarm optimization, BSSO) ，BSSO结合了BAT演算法的精确特性与SSO演算法的效率，利用多状态BAT重组并筛选出可行的整数变数组合，能够有效的缩小解空间加快找到高品质解的时间，此外，亦改良了多状态BAT在列举变数组合时耗费大量时间的问题，在面对有重量、体积限制的RRAP问题时，能有效避免掉多余的运算过程以节省计算效能与时间。在研究的最后，BSSO也与基因演算法(Genetic Algorithm, GA)、粒子群最佳化演算法 (Particle Swarm Optimization, PSO) 及简化群体演算法(Simplified Swarm Optimization, SSO) 进行比较，并在六个不同网路结构及大小的问题集中皆得到四个演算法中最佳的解品质

关键词：可靠度冗余配置问题网路可靠度累加穷举演算法简化群体演算法柔性演算

来源：评论

学校读者我要写书评

暂无评论

应用非支配排序简化群体演算法布署电动机车电池交换站选址系统

应用非支配排序简化群体演算法布署电动机车电池交换站选址系统

引用

作者：姚思微国立清华大学

学位级别：硕士

电动车能源补充站设置为一设施选址问题，已有许多学者研究相关领域。由于台湾地狭人稠的特点，以短距离移动的电动机车较广为使用，而非多数国家以电动汽车为主；其次，台湾电动机车市场主要以电池交换方式补充能源，非多数国家以电池... 详细信息

电动车能源补充站设置为一设施选址问题，已有许多学者研究相关领域。由于台湾地狭人稠的特点，以短距离移动的电动机车较广为使用，而非多数国家以电动汽车为主；其次，台湾电动机车市场主要以电池交换方式补充能源，非多数国家以电池充电方式补充能源。因台湾的环境与国外推动电动车的国家有很大差异，无法将先前学者研究之模型套用于台湾电动车能源补充站选址系统。此外，多数探讨电动车能源补充站选址之研究着重于量化因素或质化因素单一面向，量化因素如成本最小化、服务能力最大化等，质化因素如基础建设的状况、当地人口密度等，较少研究同时考虑电动车能源补充站选址的量化与质性因素，以让选址决策考虑更加全面。为解决上述问题，本研究建构一符合台湾型态之电动机车电池交换站设施选址模式，并同时考虑量化与质化因素之多目标问题。由于电动机车电池交换站选址为一NP-hard问题，本研究以非支配排序简化群体演算法（Non-dominated sorting simplified swarm optimization, NSSSO）布署电动机车电池交换站选址系统，为产生可行解本研究提出两项修复机制，以增加演算法的搜索能力，并与多目标进化式演算法中的非支配排序遗传演算法（Non-dominated sorting genetic algorithm II, NSGAII）、非支配排序粒子群演算法（Non-dominated sorting particle swarm optimization, NSPSO）相互竞争。实验结果显示，本研究之方法所得到解的品质与运算时间皆有不错的表现。

关键词：电动机车电池交换站简化群体演算法非支配排序演算法有限容量设施选址

来源：评论

学校读者我要写书评

暂无评论

平行简化群体演算法与混合梯度下降法于CUDA架构之实现

平行简化群体演算法与混合梯度下降法于CUDA架构之实现

引用

作者：黄上科国立清华大学

学位级别：硕士

随着图形处理器（GPU）的取得成本逐年降低，运算能力的大幅进步，跨领域支援性的提升，需要大量平行化处理的最佳化问题在现今得以由个人电脑来处理。最佳化计算领域中，智能群体演算法（SIAs）以及梯度下降法的资料特性适用于平行化... 详细信息

随着图形处理器（GPU）的取得成本逐年降低，运算能力的大幅进步，跨领域支援性的提升，需要大量平行化处理的最佳化问题在现今得以由个人电脑来处理。最佳化计算领域中，智能群体演算法（SIAs）以及梯度下降法的资料特性适用于平行化处理，但过去尚无学者提出运行于GPU上的简化群体演算法（SSO）以及简单实现的混合梯度下降法；因此本研究在考虑计算资源有有限，演算法泛用性、实现难度的条件下，提出基于统一计算架构（CUDA）上运行的平行简化群体演算法（PSSO），以及基于梯度的混合梯度下降法G-SOA。在PSSO方面，参考其他SIAs由CPU转换为GPU运行的研究中，有两个共通的缺点，其一：适合度函数的时间复杂度理论值为O (tNm)，其中有t次迭代数目，N个适合度函数，需要两两比较m次；其二：pBests与gBest在更新时会有资源抢占的问题。本研究提出PSSO以改善上述缺点，研究结果显示时间复杂度降低了N的指数量级，且完全避免了资源抢占的问题。在G-SOA方面，梯度下降法能够确保收敛到区域最佳解，但其无法保证收敛到全域最佳解，本研究因此利用了ea-mutation以及混合梯度的Search方法，让已经掉入区域最佳解的粒子能够逃出。经由研究结果显示G-SOA相较于原本的梯度下降法，所找到的解更为优良。最终本研究将以不同的最佳化问题来验证本研究所提出方法的求解品质以及运行速度。

关键词：图形处理器平行运算智能群体演算法简化群体演算法梯度下降法统一计算架构

来源：评论

学校读者我要写书评

暂无评论

应用非支配排序简化群体演算法求解多目标多阶层有限容量设施选址问题

应用非支配排序简化群体演算法求解多目标多阶层有限容量设施选址...

引用

作者：刘玮哲国立清华大学

学位级别：硕士

在现实生活中，设施选址是一个非常重要且需要长期投入规划的议题，在各个产业里皆是研究的重点之一，而在学术上称作为有限产能设施选址问题（Capacitated facility location problem, CFLP），在有限产能下，决定各设施的地点，同时... 详细信息

在现实生活中，设施选址是一个非常重要且需要长期投入规划的议题，在各个产业里皆是研究的重点之一，而在学术上称作为有限产能设施选址问题（Capacitated facility location problem, CFLP），在有限产能下，决定各设施的地点，同时探讨设施间最佳的配送量。为使一项产业顺利运行，其供应链网路由原物料供应商、生产工厂、仓储转运中心以及客户端共同组成，妥善规划的供应链帮助企业有效提升营运效率并减少成本，因此多阶层网路中的厂址议题被视为最具有影响力的要素之一。为追求全面性的决策，企业在评估厂址网路时也需同时考虑定量与定性因子，而这两大因子往往相抵触，因此设施选址可被视为多目标问题。传统的多目标方法需预先了解决策者对目标的偏好且仅能提供一组妥协最佳解。然而实际上在多目标问题中，存在一条无法被超越之柏拉图无异曲线，在不牺牲任一目标下同时追求多目标妥协解。因此，基于多目标多阶层有限容量选址模型，本研究首度融合非支配排序观念于简化群体演算法之中，提出非支配排序简化群体演算法（Non-dominated sorting simplified swarm optimization, NSSSO），提供决策者一组无法被超越的妥协解集合，意即在多目标问题上有多个等效益的最佳妥协方案可供选择。本篇论文所提出的方法也与传统上的多目标可能性线性规划、新型多目标进化式演算法中的非支配排序遗传演算法(Non-dominated sorting genetic algorithm II)、非支配排序粒子群演算法（Non-dominated sorting particle swarm optimizer）、多目标粒子群演算法（Multi-objective particle swarm optimization）进行比较。以实验结果而言，本研究提出的方法所得到的柏拉图前缘线，相较于其他方法，在曲线的接近性与多样性两项指标皆有不错的成果。

关键词：简化群体演算法多目标规划非支配排序演算法有限容量设施选址问题

来源：评论

学校读者我要写书评

暂无评论

应用简化群体演算法于多态暨桥接串并联系统中可维修式冗余配置问题之研究

应用简化群体演算法于多态暨桥接串并联系统中可维修式冗余配置问...

引用

作者：王翔泰国立清华大学

学位级别：硕士

可靠度是评估系统运作绩效的重要指标，为提高系统的可靠度，冗余配置问题 (redundancy allocation problem, RAP) 渐渐成为系统在初始规划、设计及控制阶段中的重要工具。近几年，由于市场对于资讯量的需求愈来越大，多元状态 (multi-s... 详细信息

可靠度是评估系统运作绩效的重要指标，为提高系统的可靠度，冗余配置问题 (redundancy allocation problem, RAP) 渐渐成为系统在初始规划、设计及控制阶段中的重要工具。近几年，由于市场对于资讯量的需求愈来越大，多元状态 (multi-state systems, MSSs) 的冗余配置问题开始被广泛的讨论与应用。相比于传统的二元状态 (binary-state systems, BSSs) 冗余配置问题，多态冗余配置问题更能符合存在于现实生活中那些复杂且多元的系统。然而，上述所提及的多态冗余配置问题在设计与建构模型时为了计算上的简化，仍旧限制组成元件的状态数量，导致与现实情况还是有些许出入，为此失去普遍性与一般性。本研究为使此问题能够更贴近真实情况，建构了新的多态冗余配置问题：可维修式多态冗余配置问题 (repairable redundancy allocation problem in multi-state systems, RRAP in MSSs)。此模型的设计能更贴近实况且更广泛的被运用于多种常见且重要的系统，如电力系统、传输系统以及电脑伺服器系统等。可维修式多态冗余配置问题相比于传统的二态冗余配置问题在计算方面是较为复杂的，传统的可靠度运算方法并无法轻易地运用在此问题上。因此本研究使用了一般生成函数 (universal generating function, UGF)，借由代数多项式的运算方法来求得系统所有的状态与其发生的机率，然后再进一步计算系统的可靠度。除此之外，本问题不仅是个NP-hard问题，还是个非线性整数规划的最佳化问题，容易陷入区域解。因此本研究采用一个简单却又强悍的演算法：简化群体演算法 (simplified swarm optimization, SSO)。最后透过实作与验证，将SSO演算法与基因演算法 (GA) 进行比较，结果显示SSO具有强大的竞争力与优异的成效。

关键词：冗余配置问题多态系统可修复元件简化群体演算法一般生成函数

来源：评论

学校读者我要写书评

暂无评论

应用混合式过滤器模型及多目标简化群体演算法解决基因型态资料之基因选取问题

应用混合式过滤器模型及多目标简化群体演算法解决基因型态资料之...

引用

作者：许季庭国立清华大学

学位级别：硕士

近几十年来，资料的资料量及资料维度日益渐增。而在处理庞大资料时，有鉴于特征选取能够降低杂讯及找寻具有监别力的特征，特征选取的相关议题越来越备受重视。在现今，特征选取已被广泛应用于不同领域，举例来讲，在医学上医疗人员可... 详细信息

近几十年来，资料的资料量及资料维度日益渐增。而在处理庞大资料时，有鉴于特征选取能够降低杂讯及找寻具有监别力的特征，特征选取的相关议题越来越备受重视。在现今，特征选取已被广泛应用于不同领域，举例来讲，在医学上医疗人员可以透过特征选取来找寻与癌症较为相关的众多特征并检测出癌症征兆，而此时特征选取也可称为基因选取。一般在处理基因选取问题时，我们期望能够在选到最少基因的情况下去最大化分类的正确率。因此，在本质上来讲，基因选取是一个双目标问题。有监于此，为了更贴近其问题本质，本研究提出了一个多目标基因选取方法，其方法是结合了多个过滤器模型及多目标简化群体演算法所完成之方法。在本方法中，首先我们会建立一个包含五种过滤器模型的层级架构并用层级分析法去决定哪些基因该被剔除。而在多数的非相关基因被剔除后，借由多目标简化群体演算法及支撑向量机搭配留一验证法以评估迭代过程中各个基因集合的表现并找出最佳的基因集合。而在最终的实验结果当中，本研究以十组癌症相关的资料做为测试资料，以本研究所提出之方法与过去文献所提出之方法进行笔较；结果显示，本研究提出之方法是能够在选到较少基因的情况下得到较高的分类正确率。

关键词：简化群体演算法基因选取多目标规划层级分析法支撑向量机

来源：评论

学校读者我要写书评

暂无评论

应用简化群体演算法于多层供应链衰退型路网中货物配送问题之最佳化研究

应用简化群体演算法于多层供应链衰退型路网中货物配送问题之最佳...

引用

作者：林韦廷国立清华大学

学位级别：硕士

在二十一世纪，企业不再是单打独斗，而是强调企业与企业之间协同合作的关系，随着企业间的合作越来越普遍，供应链管理这门科学也越来越受到重视。长久以来，供应链管理也一直是一个很热门的议题，一条好的供应链，可以帮助企业减少成... 详细信息

在二十一世纪，企业不再是单打独斗，而是强调企业与企业之间协同合作的关系，随着企业间的合作越来越普遍，供应链管理这门科学也越来越受到重视。长久以来，供应链管理也一直是一个很热门的议题，一条好的供应链，可以帮助企业减少成本与浪费，更甚者可以缩短货运、配送的时间。而要组成一条好的供应链有许多因素：采购、递货、转运与配送，都是重要的课题，唯有协调好每一部分作出系统最佳化，整体成本才可以达到理想的数字。　　而从两千年以来，许多科学家与企业家开始研究“供应链管理”这个热门的议题。要找出一条好的、节省成本的供应链，从运输路网、供应商选择到设厂位置，无一不是关键，然而，最重要的是决定适当的配货量与配货方式，这是影响成本最关键的因素。回顾过往的文献，大多在求解供应链路网的成本最佳化问题时，往往忽略的现实面的考量。不是忽略了运输途中的递货损失，就是将路网过度简化而使路网无法贴近于现实生活，因此，本研究在考虑衰退效应的情况下，以三层式的供应链路网结构来作最佳配货的研究。目标是使整条供应链路网的总成本达到最低。　　由于本研究的数学模式为一NP-hard问题，需要一个高效率的演算法来寻求最佳解，本研究遂使用一个新的、人工智慧的启发式演算法，简化群体演算法，并搭配延伸区域的搜寻策略，来作供应链路网的成本的最佳化。再将演算结果与过去文献的基因演算法与粒子群演算法作比较，结果显示本研究所提出的简化群体演算法与基因演算法及粒子群演算法的绩效具显着差异。在复杂的供应链路网的运输与配送问题，借由本研究所提出的简化群体演算法，管理者便能在其供应链路网上做出合适的决策及安排，企业的营运成本得以下降，利润也能获得提升。

关键词：最佳化简化群体演算法供应链管理三层供应链路网衰退型路网

来源：评论

学校读者我要写书评

暂无评论

应用简化群体演算法优化卷积神经网路超参数

应用简化群体演算法优化卷积神经网路超参数

引用

作者：林怡萍国立清华大学

学位级别：硕士

现今在各产业中，图像辨识的技术愈趋被重视，而应用在图像辨识的机器学习方法中，卷积神经网路(Convolutional Neural Network, CNN)已被广泛运用。现有的CNN架构已获得不错的效率，但为特定应用找到性能最佳的网络架构并非易事。为了... 详细信息

现今在各产业中，图像辨识的技术愈趋被重视，而应用在图像辨识的机器学习方法中，卷积神经网路(Convolutional Neural Network, CNN)已被广泛运用。现有的CNN架构已获得不错的效率，但为特定应用找到性能最佳的网络架构并非易事。为了提高CNN性能，有些研究选择改变网路架构，有些则选择超参数优化，但其中许多都是手动设计的，需要具备相关的专业知识，也需耗费大量的时间。因此本研究提出将简化群体演算法(Simplified Swarm Optimization, SSO) 应用在LeNet模型的超参数优化上，除了采用三个既有的资料集MNIST、Fashion-MNIST和Cifar10验证外，也使用一个真实的晶圆资料集作为实际应用的验证。实验结果表明，在四个资料集中，本研究提出的方法相较原始LeNet架构与其他元启发式演算法，皆有着更高的准确度，且当完成训练，实际使用时只需要非常短暂的时间即能找到较优的超参数配置，另外也分析了特征图经过每一层运作后的输出尺寸，结果出乎意料地大多为长方形而非正方形，代表此方法能够容易地找到图片的特征，亦可发现架构中没有运作的层。本研究其贡献为经过实际资料集验证，能提供使用者在既有的模型下，以更简易且更快速的方式获得更准确的结果，且此研究亦能应用至其他资料集或其他CNN架构，抑或是其他深度学习网路上。

关键词：机器学习图像辨识卷积神经网路简化群体演算法超参数优化

来源：评论

学校读者我要写书评

暂无评论

应用简化群体-熵演算法于分布式运算系统中工作指派问题之研究

应用简化群体-熵演算法于分布式运算系统中工作指派问题之研究

引用

作者：黄彦诚国立清华大学

学位级别：硕士

近几年来，工作指派问题 (task assignment problem, TAP) 被学者们针对各种不同的情境和特性进行大量研究，之所以被人们所重视，是因为在分布式运算系统(distributed computing system) 里，工作是否被恰当的指派决定了一个系统能否... 详细信息

近几年来，工作指派问题 (task assignment problem, TAP) 被学者们针对各种不同的情境和特性进行大量研究，之所以被人们所重视，是因为在分布式运算系统(distributed computing system) 里，工作是否被恰当的指派决定了一个系统能否发挥最大的运算能力及体现最极致的表现。分布式运算系统的工作指派问题里，最终的目标无非是将数个工作指派到数台电脑上，可以将工作在机台上产生的运作成本 (execution costs)及两两在不同机台执行工作所产生的交互作用成本 (communication costs) 的总合最小化，同时还要满足各种资源的限制。对于工作指派问题来说，超过三个工作以上的问题即可被视为非线性整数规划 (nonlinear integer programming) 的问题且属于NP-hard，因此对于大型的工作指派问题，要在可以合理的时间内找出最佳解是相当困难的。本篇论文里，我们采用简化群体演算法 (simplified swarm optimization, SSO) 并结合以熵 (entropy) 为概念的区域搜寻法来解决工作指派问题。此外一个早先被学者所提出的标准化惩罚式适应值函数 (normalized penalty fitness function) 也将会被应用，目的是为了平衡目标函数值及满足各种资源的限制两者所产生的冲突。所提出的方法也将会和着名的基因演算法 (genetic method, GA) 、混合粒子群演算法 (hybrid particle swarm optimization, HPSO)、新式全局和谐演算法 (novel global harmony search, HGHS) 及改进差异进化演算法 (improved differential evolution, IDE)进行比较。就实验结果而言，我们所提出的简化群体-熵演算法(simplified swarm optimization with entropy local search, SSO-E)，相较于其它方法，在效能与效率上均占有优势。

关键词：工作指派问题分布式运算系统简化群体演算法熵标准化惩罚式适应值函数

来源：评论

学校读者我要写书评

暂无评论

应用柔性演算法于一次性配送有限产能厂址选择问题之研究

应用柔性演算法于一次性配送有限产能厂址选择问题之研究

引用

作者：刘修豪国立清华大学

学位级别：硕士

在现实生活中，厂址选择是一个在任何产业界皆非常重要而且常见的议题，这一类的问题在学术上称为有限产能的分群厂址选择问题（Capacitated Clustering Location Problem, CCP）。CCP主要是在一群已知的顾客点中，找寻已知所需数量之... 详细信息

在现实生活中，厂址选择是一个在任何产业界皆非常重要而且常见的议题，这一类的问题在学术上称为有限产能的分群厂址选择问题（Capacitated Clustering Location Problem, CCP）。CCP主要是在一群已知的顾客点中，找寻已知所需数量之配销中心 (Distribution center, DC)的最佳位置。厂址选择需要考量的成本包含许多，但在过去研究中，最主要考量的目标为最小化从每个DC到每个所属的顾客点的距离之加总，使得整体运送成本能降到最低。如此挑选DC的准则在于，每当顾客有需求时可以保证从DC到顾客点的运送距离为最小，实际的应用如：消防局、医院等的设置，符合此种配送货物或是提供服务的运送方式在本研究中我们称之为“分批配送”，但并非所有产业或是公司之配送方式都如上述，某些行业必须在固定的时间一次出货给所有的顾客才返回DC，实际的应用包含：超商生鲜商品的补给车、送报员、邮差等，此种首次被提出应用于厂址选择问题的配送方式模型，在本研究中称为“一次性配送”。在此概念下的场址选择问题目标则为最小化从DC出发后，走完每个顾客点再回到DC的距离加总，一次性配送的运送方式将可以视为旅行销售员问题做处理以求出最短回路。由于CCP是个NP-hard问题，本研究将提出一个混合式的分群演算法：简化群体演算法结合调和平均数分群法 (SSOKHM)，在需求限制下来挑选特定数量DC的最佳位置，并在分群后，使用贪婪演算法来获得每群之最短回路以最小化整体之运送成本。这也是简化群体演算法首次使用于厂址选择问题上。透过实验结果与其他三种混合式分群法做验证，显示无论在分群的结果及整体运送成本上，SSOKHM演算法都具有相当稳定且优异的成效。且同时本研究在贪婪法后加入了一个检查机制：交换局部搜寻(Exchange local search)，此机制可以透过移动顾客点所属的分群，使厂址选择更加精确借此来节省公司之运送成本。关键词：分群场址选择、简化群体演算法、调和平均数分群、旅行销售员问题

关键词：分群场址选择简化群体演算法调和平均数分群旅行销售员问题

来源：评论

学校读者我要写书评

暂无评论

没有更多数据了...

全选清除本页清除全部题录导出标记到“检索档案”

共1页 << < 1 > >>

检索报告对象比较合并检索0

隐藏清空

合并搜索

回到顶部

执行限定条件

内容：

评分：

请选择保存的检索档案：

请选择收藏分类：

订阅名称：

通借通还

温馨提示：

图书名称：

借书校区：

取书校区：

手机号码：

邮箱地址：

一卡通帐号：

电话和邮箱必须正确填写，我们会与您联系确认。

联系人：

所在院系：

联系邮箱：

联系电话：

内蒙古自治区呼和浩特市赛罕区大学西街235号邮编: 010021

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

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：