粒子群优化算法的改进及其应用分析-improvement of particle swarm optimization algorithm and its application analysis.docxVIP

万方数据 万方数据 摘 要 随着经济全球化的不断推进 ,企业物流活动正经历着由自营向外包的转变。第四方物 流( fourth party logistics, 4PL)的提出，为物流业的发展提供了新的方向。4PL 负责物流资 源的功能整合与优化，是物流活动的管理者与监督者。4PL 相对于第三方物流来说，规模 更大，系统更加复杂，存在的问题也更加多样化，对相关问题的处理算法提出了更高的要 求。而在 4PL 的一系列优化问题中，路径优化问题是较为关键且复杂的问题之一。 论文首先讨论了第四方物流的现状以及存在的路径优化等问题，针对粒子群优化算法 （Particle Swarm optimization , PSO）在求解大规模组合优化问题中存在的弱点，提出了 一种改进的算法 AEPSO-SA 。针对串行算法求解大规模路径优化问题存在的规模限制或 速度问题，基于 OpenCL 并行计算架构，实现了 AEPSO-SA 算法的 GPU 并行算法,在提高 求解精度的同时也加快了求解的速度。具体工作包括： （1）深入研究了 PSO 算法并对算法进行改进，提出了 AEPSO-SA 算法。首先,根据 粒子与全局最优解的距离不同对粒子进行分类，不同类的粒子设定不同的惯性权重，以此 增加粒子的多样性，并用四个经典函数测试了改进后的算法性能。其次，针对 PSO 算法 局部搜索能力的不足，在算法中融合了模拟退火算法的局部搜索策略,当算法经过多次搜 索都无法找到更优解的情况下，对粒子的个体最优解的邻域进行搜索。最后用实验验证算 法的性能，与惯性权重线性递减 PSO 算法和模拟退火算法相比较，拥有更高的求解精度。 （2）研究了在 OpenCL 架构下，利用 GPU 实现程序并行化。对 AEPSO-SA 算法进 行了可并行性分析，并针对 AEPSO-SA 算法的特点设计和实现了基于 OpenCL 的并行 AEPSO-SA 算法。 （3）把基于 OpenCL 的并行 AEPSO-SA 算法用于物流配送中的路径优化问题。通过 测试证明当节点规模增大时，需要在算法中设定更多的粒子才能保证求解的质量。设定更 多粒子在提高求解精度的同时，也使算法耗费更长的计算时间，而使用并行的 AEPSO-SA 算法则可以缩短求解时间，对于解决大规模的路径优化问题具有良好的效果。 关键词：路径优化；粒子群优化算法；OpenCL；并行计算 I ABSTRACT With the development of economic globalization, the entrepreneurial logistics activity is changing from proprietary to outsourcing. The proposing of fourth party logistics (4PL) provides a new direction for the development of the logistics industry. 4PL is responsible for the functional integration and optimization of logistics resources, and is managers and supervisors of the logistics activities, 4PL has not only larger scale, more complex system, and more diversified problems in comparison with the third party logistics, but also put forward higher requirements on issues related to the processing algorithm. In a series of optimization problems of 4PL, path optimization is one of the most important and complicated problems. This paper first discusses the status quo of 4PL and the current problem of the path optimization. Then an improved algorithm of AEPSO-SA is proposed based on the weakness of the particle swarm optimization algorithm (PSO) in solving large-scale