scm合作伙伴选择new培训教程文件.pptVIP

测试遗传算法的典型函数—— Rastrigin函数 Matlab遗传算法工具箱及应用 西安电子科技大学出版社 西陆案例 第二代种群S2中各染色体的情况 染色体 适应度 选择概率 积累概率 估计的 选中次数 s1=11001 625 0.36 0.36 1 s2=01100 144 0.08 0.44 0 s3=11011 729 0.41 0.85 2 s4=10000 256 0.15 1.00 1 　　 假设这一轮选择-复制操作中，种群S2中的 4个染色体都被选中，则得到群体： s1’=11001（25）, s2’= 01100（12） s3’=11011（27）, s4’= 10000（16） 做交叉运算，让s1’与s2’，s3’与s4’ 分别交换后三位基因，得 s1’’ =11100（28）, s2’’ = 01001（9） s3’’ =11000（24）, s4’’ = 10011（19） 这一轮仍然不会发生变异。 于是，得第三代种群S3： s1=11100（28）, s2=01001（9） s3=11000（24）, s4=10011（19） 第三代种群S3中各染色体的情况 染色体 适应度 选择概率 积累概率 估计的 选中次数 s1=11100 784 0.44 0.44 2 s2=01001 81 0.04 0.48 0 s3=11000 576 0.32 0.80 1 s4=10011 361 0.20 1.00 1 设这一轮的选择-复制结果为： s1’=11100（28）, s2’=11100（28） s3’=11000（24）, s4’=10011（19） 做交叉运算，让s1’与s4’，s2’与s3’ 分别交换后两位基因，得 s1’’=11111（31）, s2’’=11100（28） s3’’=11000（24）, s4’’=10000（16） 这一轮仍然不会发生变异。 于是，得第四代种群S4： s1=11111（31）, s2=11100（28） s3=11000（24）, s4=10000（16） 　 显然，在这一代种群中已经出现了适应度最高的染色体s1=11111。于是，遗传操作终止，将染色体“11111”作为最终结果输出。 　　然后，将染色体“11111”解码为表现型，即得所求的最优解：31。 将31代入函数y=x2中，即得原问题的解，即函数y=x2的最大值为961。 Y Y y=x2 8 13 19 24 X 第一代种群及其适应度 y=x2 12 16 25 27 X Y 第二代种群及其适应度 y=x2 9 19 24 28 X Y 第三代种群及其适应度 y=x2 16 24 28 31 X 第四代种群及其适应度 基于遗传算法的合作伙伴的选择与优化 1、分类 识别核心能力：供应、研发、制造、分销等类型 2、目标 准则： 总成本合算原则（总运行成本最小） 敏捷性原则（反应时间最短） 风险最小化原则 条件：每种类型必须选择一个，最多选择两个 目标函数1(总运行成本）: 现有J个类型 I个伙伴可供选择 目标函数2(敏捷性）: T——供应链整体反应时间 目标函数3(风险最小）: R——总运行风险 约束条件: 每种类型必须选择一个，最多选择两个 编码，产生初始种群。 　　 1 0 … 0 1 0 … 1 … … 0 1 … 0 2) 计算各个体的适应度　 理想点法 正理想点（C+,T+,R+), 负理想点（C-,T-,R-) 3)选择（复制） 4) 交叉和变异 5)选择(新种群与原种群) 6)修正 7) 判断是否满足终止准则，若不满足，返回继续进化。 例 考虑由设计(D）、制造（M)、分销(S)、信息集成(I)共四种核心能力的企业组建供应链。伙伴数目为2、4、3、5个。 D1 D2 M1 M2 M3 M4 S1 S2 S3 I1 I2 I3 I4 I5 产