[1]胡文皓,陈曙东,辛欣.求解物流配送问题的混合粒子群算法[J].华侨大学学报(自然科学版),2016,37(3):295-298.[doi:10.11830/ISSN.1000-5013.2016.03.0295]
　HU Wenhao,CHEN Shudong,XIN Xin.Hybrid Particle Swarm Algorithm for the Logistics Distribution Problem[J].Journal of Huaqiao University(Natural Science),2016,37(3):295-298.[doi:10.11830/ISSN.1000-5013.2016.03.0295]
点击复制

求解物流配送问题的混合粒子群算法()
分享到：

《华侨大学学报（自然科学版）》[ISSN:1000-5013/CN:35-1079/N]

卷:
第37卷
期数:
2016年第3期
页码:
295-298
栏目:
出版日期:
2016-05-09

文章信息/Info

Title:
Hybrid Particle Swarm Algorithm for the Logistics Distribution Problem
文章编号:
1000-5013(2016)03-0295-04
作者:
胡文皓1; 3;  陈曙东2; 3;  辛欣1; 3
1. 中国科学院大学 电子电气与通信工程学院, 北京 100049;2. 中国科学院 微电子研究所, 北京 100029;3. 中国物联网研究发展中心, 江苏 无锡 214135
Author(s):
HU Wenhao1; 3;  CHEN Shudong2; 3;  XIN Xin1; 3
1. School of Electronic, Electrical and Communication Engineering, University of Chinese Academy of Sciences, Beijing 100049, China; 2. Institute of Microelectronics, Chinese Academy of Sciences, Beijing 100029, China; 3. China Research and Development Center for Internet of Things, Wuxi 214135, China
关键词:
粒子群算法;  鱼群算法;  混合算法;  物流配送问题
Keywords:
particle swarm algorithm;  artificial fish swarm algorithm;  hybrid algorithm;  logistics and distribution problem
分类号:
TP18
DOI:
10.11830/ISSN.1000-5013.2016.03.0295
文献标志码:
A
摘要:
为了加快粒子群算法(PSO)在解决限定车辆配送问题时的收敛速度和减少时间花费,采取先验判断粒子个体最优位置与全局最优位置的距离决定粒子的更新方式,提出一种混合策略,设计鱼群-粒子群算法(AFSA-PSO),并通过对函数极值的求解进行验证.实验结果表明:该方法能够得到正确解,并具有收敛快、寻优佳的特点.
Abstract:
In order to speed up convergence and reduce the time, when using the particle swarm algorithm(PSO)to solve the limited vehicle distribution problem, we use the distance between the individual optimal position and the global optimal position to decide particle updating mode, and propose a hybrid improved strategy, then we design a new AFSA-PSO algorithm. Experimental results show that it can get correct solution and has the characteristics of fast convergence and good searching effect.

参考文献/References:

[1] 王文杰,叶世伟.人工智能原理与应用[M].北京:人民邮电出版社,2004:3-4.
[2] HACKWOOD S,BENI G.Self-organization of sensors for swarm intelligence[C]//International Conference on Robotics and Automation.Piscataway:IEEE Press,1992:819-829.
[3] 吴斌.车辆路径问题的粒子群算法研究与应用[D].杭州:浙江工业大学,2007:28-40.
[4] 肖丽,包骏杰.一种改进粒子群算法在物流配送路径问题中的应用[J].湖南科技大学学报(自然科学版),2012,27(2):88-92.
[5] 杨凌云.改进粒子群算法在车辆问题中的应用研究[D].郑州:河南大学,2011:25-32.
[6] 张思亮,葛宏伟.粒子群和蛙跳的混合算法求解车辆路劲问题[J].计算机工程与应用,2011,47(21):246-248.
[7] 章权,温惠英,孙博.适于配送车辆导航路径规划的遍历模型的改进型粒子群优化算法[J].华南理工大学学报(自然科学版),2011,39(8):109-112.
[8] LU Jinna,BAI Yanping.Applications of GRNN based on particle swarm algorithm forecasting stock prices[C]//International Conference on Information, Business and Education Technolog.Atlantis:Atlantis Press,2013:69-73.
[9] WANG Wei,GONG Shuiqing,LI Peilin,et al.Research on convex polyhedron collision detection[C]//International Conference on Mechanical Engineering and Material Science.Atlantis:Atlantis Press,2012:479-483.
[10] 周书敬,高延安,杨柳,等.改进的粒子群-模拟退火算法在桁架结构优化设计中的应用[J].工业建筑,2012,27(163):37-41.
[11] 孙祥云,邵辉,赵家宏.采用粒子群优化算法在液压挖掘机高效空中运动轨迹规划方法[J].华侨大学学报(自然科学版),2014,35(5):498-502.
[12] 李丽,牛奔.粒子群优化算法[M].北京:冶金工业出版社,2009:72-94.

备注/Memo

备注/Memo:
收稿日期: 2015-08-09
通信作者: 陈曙东(1977-),女,教授,博士,主要从事大数据管理的研究.E-mail:chenshudong@ciotc.org.
基金项目: 农村信息服务数据智能处理技术研究与应用(2013BAD15B03)
更新日期/Last Update: 2016-05-20