毕业设计物流调度中的混合人工智能算法.doc

目 录 TOC \o 1-3 \h \u 1338 摘要 1 7048 Abstract 2 1453 1 引言 3 16062 2 车辆优化调度问题的描述 4 28922 2.1 组合优化问题的描述 4 13864 2.2 车辆调度问题的数学模型 4 13928 3 主要人工智能群算法研究 5 23549 3.1 人工鱼群算法原理及其模型 6 30515 3.1.1 人工鱼群算法原理 6 17628 3.1.2 人工鱼群的数学模型 7 29811 3.1.3 人工鱼群算法 9 30895 3.2 人工蜂群算法及其模型 9 23780 3.2.1 人工蜂群算法原理及数学模型 9 8118 3.2.2 人工蜂群算法步骤 10 609 4 人工鱼群算法在VRP问题上的改进 12 11437 4.1 人工鱼群算法的传统处理方法 12 31699 4.1.1 初始化种群 12 5488 4.1.2 食物浓度的计算 13 8152 4.1.3 人工鱼行为的设计 13 30100 4.1.4 行为选择 15 25975 4.1.5公告栏 15 4796 4.2 传统处理方法的改进 16 25494 4.2.1 基于相似片段的距离 16 14525 4.2.2 基于相似片段距离的人工鱼觅食行为 16 11540 4.2.3 人工鱼视域的改变 17 21461 4.3传统处理方法与改进的方法的实验对比分析 17 30386 4.3.1 实验参数的设置 17 8560 4.3.2 实验结果及对结果的分析 18 7464 5 混合人工蜂群—鱼群算法及VRP应用研究 20 21594 5.1人工蜂群算法和人工鱼群算法的优缺点分析 20 5412 5.2 混合人工智能算法的设计 21 12116 5.3 混合人工蜂群—人工鱼群算法示意图 21 23558 5.4 混合人工蜂群—人工鱼群算法的实现 22 29020 5.5 基于混合人工蜂群—人工鱼群算法的VRP问题求解 22 30600 5.5.1 人工蜂行为的设计 22 2346 5.5.2 公告栏 23 17345 6 混合人工智能算法的实验结果分析 24 29110 6.1混合人工智能算法的参数设置 24 2591 6.2三种人工智能算法的实验结果 24 26555 6.3 实验结果的分析 25 29003 7 结束语 27 26780 8 致谢 28 5399 参考文献 29 PAGE 2 PAGE 2 物流调度中的混合人工智能算法 摘要 随着经济的增长更多行业的分工更加细化，越来越多的企业某些原料在南方加工，而物品的进一步加工和组装在北方进行，进而促使物流配送行业的快速增加，成为企业盈利的重要一步。现在网购行为被大部分人的认可，良好的配送模式能够节省客户和卖家的时间成本和经济成本，从而使得双方达到共赢。因此，配送中心作业的重点就是如何将车辆有效的使用，并决定最经济的行驶路线，使商品能在最短的时间内送到各个客户手中。 实际上上述物流配送问题就是车辆路线问题（VRP，Vehicle Routing Problem），它是组合领域中非常著名的NP难题，近二十年来，VRP都是一个非常活跃的研究领域。随着问题规模的增大，使用数学中的确定算法获精确解几乎是不可能的。对于这一问题，目前出现了较多的应用人工智能算法来解决的思路。本论文中主要讨论的是人工蜂群算法和人工鱼群算法，并将这两种进行融合得到新的混合人工智能算法以解决VRP问题。 人工鱼群算法在VRP问题上传统的处理方法存在一定的缺陷，本论文将会给予一定的修正。改变对人工鱼距离的定义，使用两条人工鱼中的相同片段的个数作为人工鱼的距离；改变人工鱼觅食行为的方式，使得人工鱼的觅食行为主要通过变换人工鱼中位置信息的片段位置来实现；随着迭代次数的增加，增大人工鱼的视域，使得人工鱼的搜索范围逐渐变大。 混合人工智能算法刚开始使用人工蜂群算法搜索全局，然后将这个过程中最好的几个解给予人工鱼鱼群作为人工鱼的初始位置，最后使用人工鱼群算法算法进行人工鱼的聚群、追尾和觅食等行为搜索可行解。每次迭代过程中将最好的解都放在公告栏上，迭代完成以后那么公告栏上的解即为整个搜索过程中得到的最优解。 混合人工智能算法能够克服人工鱼群算法的早熟现象和人工蜂群算法的收敛度不高等缺点，在同样的条件下混合人工智能算法获得的解一般情况下比人工鱼群算法和人工蜂群算法要更好。 关键词：混合人工智能、人工鱼群算法、人工蜂群算法 Abstract With the development of econom