基于GIS和粒子群算法的物流配送多中心选址优化方法及应用（工商管理毕业论文）.docVIP

基于GIS和粒子群算法的物流配送多中心选址优化方法及应用（工商管理毕业论文） 文档信息 主题： 关于“IT计算机”中“数据结构与算法”的参考范文。 属性： F-00F9L9，doc格式，正文5530字。质优实惠，欢迎下载！ 适用： 作为文章写作的参考文献，解决如何写好实用应用文、正确编写文案格式、内容摘取等相关工作。 目录 TOC \o 1-9 \h \z \u 目录 1 正文 1 搞要 2 关键字：物流选址；配送中心；选址；优化模型；粒子群算法；GIS 2 一、 前言 2 二、 粒子群算法及其性能改进 3 三、 配送中心选址模型及求解算法 5 （2）k=k+1，按下列公式更新粒子的速度和位置： 6 （3）通过计算和比较粒子的适应度更新局部最优位置： 6 （6）结束迭代，根据全局最优位置输出配送中心的位置坐标。 7 四、 应用案例：山东省区域物流配送中心选址优化 7 3. 结果分析。 7 五、 结束语 9 参考文献： 9 论文原创声明（模板） 10 论文致谢（模板） 11 正文 基于GIS和粒子群算法的物流配送多中心选址优化方法及应用（工商管理毕业论文） 搞要 摘要：文章根据总运费最小化原则，以用户空间数据库为背景建立了针对多个配送中心的选址优化模型。为了对选址优化模型求解，提出了一种变异粒子群算法。以地理信息系统（GIS）为平台，对山东省区域物流配送中心的选址优化进行了实证研究，所得结果符合山东省实际情况，表明文章提出的选址优化方法具有较大的应用价值 关键字：物流选址；配送中心；选址；优化模型；粒子群算法；GIS 一、 前言 配送中心是物流网络的一种重要节点，它不仅是物流活动最集中的场所，也是为客户提供物流服务的直接体现。因此，配送中心选址优化不仅与物流企业的经济效益密切相关，还有助于提高物流企业的服务质量。近年来，学术界对配送中心选址优化的研究主要集中在配送中心选址优化模型的建立和模型的求解算法两个方面：（1）有关学者建立了总运费最小化选址优化模型、运费和建设费用最小化选址优化模型、双层规划模型及多中心选址优化模型等；（2）针对选址优化模型的求解，学者们先后提出了相应的遗传算法、蚁群算法、粒子群算法及相应的改进形式。可以看出，目前所建立的选址优化模型大多是针对单个配送中心的，而对多配送中心选址模型的研究较少；而且所建立的模型不是基于空间数据库的，所以没有利用地理信息系统强大的空间分析和地图可视化功能；另外，大多数相关研究只是选址方法的探讨，几乎没有针对具体城市和地区的应用案例研究。 本文首先根据用户的空间数据建立配送中心选址优化模型，然后提出基于变异粒子群算法的求解方法，以地理信息系统为平台编制计算程序，并对山东省区域物流配送中心的选址问题进行应用研究。 二、 粒子群算法及其性能改进 1. 基本粒子群算法。假定优化模型包含n个参数，构造包含m个粒子的种群，第i个粒子的当前（第k步）位置（即优化模型的参数向量）记为X（k）i=（xi1（k），xi2（k），…，xin（k）），i=1，2，…，m。根据设定的适应度函数，我们可以计算出第i个粒子的当前局部最优位置P（k）i=（pi1（k），pi2（k），…，pin（k））和群体的当前全局最优位置G（k）=（g1（k），g2（k），…，gn（k）），记第i个粒子下一步运动的速度为Vi（k+1）=（vi1（k+1），vi2（k+1），…，vin（k+1）），则粒子速度和位置迭代更新公式为 vij（k+1）=wvij（k）+s1r1（pij（k）-xij（k））+s2r2（gj（k）-xij（k））xij（k+1）=xij（k）+vij（k）i=1，2，…，m；j=1，2，…，n 式中s1和s2为学习系数（一般在0~2之间取值），r1和r2为[0，1）之间均匀分布的随机数；w为惯性权重，为了快速逼近全局最优解，可取逐步减小的权重为 式中w1和w2分别为权重的最大值（如）和最小值（如），kmax为最大迭代次数（如5 000次） 进行迭代计算前，需要首先确定粒子的初始位置和初始速度，这与模型参数的取值范围有关。对于特定领域的优化模型来说，模型中各个参数的含义是明显的，其取值范围也是容易判定的。设n个参数的最小值和最大值向量分别为Xmin=（x1min，x2min，…，xnmin）和Xmax=（x1max，x2max，…，xnmax），则粒子的初始位置可在相应的参数的取值范围内随机选取，即 xij（0）=xjmin+r（xjmax-xjmin），i=1，2，…，m；j=1，2，…，n 式中r为[0，1）之间均匀分布的随机数。粒子初始速度的设置要适中，可取初始位置的一定比例并进行随机调整，如 vij（