文档介绍：武汉理工大学
硕士学位论文
改进遗传算法及其在物流配送中心选址优化的应用
姓名:黎钧琪
申请学位级别:硕士
专业:机械设计及理论
指导教师:石国桢
摘要遗传算法是模仿自然选择与进化的随机搜索方法,由于其隐含并行性和全局搜索特性,使其具有其他常规优化算法无法拥有的优点。然而,遗传算法这个优化领域里的新生儿,无论是在其理论上还是实现方法上都有待完善,只有对其不断改进,才能更好地发挥遗传算法的性能和特点,使其更广泛的在对遗传算法的特点、发展过程、应用领域以及其理论基础介绍之后,⒍越徊媛视氡湟炻实墓叵到醒芯浚贸隽秸叽嬖谧钣抛楹瞎叵档慕搞好物流配送中心选址对提高整个物流系统的效益具有重要意义。一经选定就将长时间运营,它不仅与运行费直接相关,对工作效率及物流控制水平也大时,这些传统的方法都在不同程度上遇到求解困难的问题。本文在改进基本遗传算法基础上,然后利用该改进的遗传算法对物流配送中心选址问题进行优化求解,并结合实际模型,提出了“混合并行编码”的编码思想。应用实践表明,与一般的数学规划方法相比,改进遗传算法简单,并且有较快的运算速度,特别是应用在规模较大、较复杂的问题时,其关键词:遗传算法,自适应交叉,编码,罚函数法,物流配送中心,选址应用于工程实际。本文针对基本遗传算法的应用存在的局限性,对其进行改进,主要包括以下论,在一定程度上减少交叉率与变异率选取的盲目性。⑸杓瞥鲇嘞蚁陆档淖允视徊媛使揭愿纳埔糯惴ㄋ阉髂芰Α⑷谌肽D馔嘶鹚惴ń滴麓淼闹J叮栽际跫淼姆:ń物流系统中配送是重要一环,物流配送中心起着承上启下的作用。因此在物流系统分析与设计时,物流配送中心选址常需得到模型化、数量化方法的支持。解决选址问题有多种方法,但在实际应用中,当问题规模比较几方面的工作。了改进。会产生很大影响。特点更明显。
——甌瓸琯.,琣,..,,Ⅱ
——瓵琣,:琣,,,,Ⅲ
第滦髀课题研究的目的与意义,简称腔诙陨锝频哪7露产生的一种优化计算方法,隐含并行性和全局搜索特性是遗传算法的两大显著特征“K肫渌车挠呕椒ㄏ啾龋哂邢率龅囊恍┲饕L氐悖遗传算法以决策变量的编码作为运算对象。传统的优化算法往往直接利用决策变量的实际值本身来进行优化计算,但遗传算法不是直接以决策变量的值,而是以决策变量的某种形式的编码为运算对象。这种对决策变量的编码处理方式,使得我们在优化计算过程中可以借鉴生物学中染色体和基因等概念,可以模仿自然界中生物的遗传和进化等机理,也使得我们可以方便地应用遗传操作算子。特别是对一些无数值概念或很难有数值概念,而只有遗传算法直接以目标函数值作为搜索信息。传统的优化算法不仅需要利用目标函数值,而且往往需要目标函数的导数值等其他一些辅助信息才能确定搜索方向。而遗传算法仅使用由目标函数值变换来的适应度函数值,就可确定进一步的搜索方向和搜索范围,无需目标函数的导数值等其他一些辅助信息。这个特性对很多目标函数是无法或很难求导数的函数,或导数不存在的函数的优化问题,以及组合优化问题等,应用遗传算法时就显得比较方便,因为它避开了函数求导这个障碍。再者,直接利用目标函数值或个体适应度,也可使得我们可以把搜索范围集中到适应度较高的部分搜索空间中,遗传算法同时使用多个搜索点的搜索信息。传统的优化算法往往是从解空间中的一个初始点开始最优解的迭代搜索过程。单个搜索点所提供的搜索信息毕竟不多,所以搜索效率不高,有时甚至使搜索过程陷于局部最优解而停滞不前。遗传算法从由很多个体所组成的一个初始群体开始最优解的搜索过程,而不是从一个单~的个体开始搜索。对这个群体所进行的选择、交息。这些信息可以避免搜索一些不必搜索的点,所以实际上相当于搜索了更遗传算法代码概念的优化问题,编码处理方式更显示出了其独待的优越性。从而提高了搜索效率。叉、变异等运算,产生出的乃是新~代的群体,在这之中包括了很多群体信武汉理工大学硕士学位论文
多的点,这是遗传算法所特有的一种隐含并行性。⒁糯惴ㄊ褂酶怕仕阉骷际酢:芏啻车挠呕惴ㄍ褂玫氖侨范性的搜索方法,一个搜索点到另一个搜索点的转移有确定的转移方法和转移算法的应用范围。而遗传算法属于一种自适应概率搜索技术,其内部的运算种概率特性也会使群体中产生一些适应度不高的个体,但随着进化过程的进概率等参数也会影响算法的搜索效果和搜索效率,所以如何选择遗传算法的参数在其应用中是一个比较重要的问题。而另一方面,与其他一些算法相比,遗传算法的鲁棒性又会使得参数对其搜索效果的影响会尽可能地低。由于以上的这些特点,遗传算法在优化设计及其他领域中越来越受到人们的青睐,近年来取得了蓬勃的发展。然而,与经典的方法比较,遗传算法完善。因此,许多专家学者对其研究的其中一个热点课题就是对简单遗传算法的改进问题,以便使遗传算法的性能和特点