《煤礦危險物資配送的群智慧型算法最佳化》內容分為6篇,共11章。第1篇講述遺傳算法並給出改進的遺傳算法及實例分析。第2篇講述粒子群算法並給出了基於模擬退火的粒子群算法及實例分析。第3篇講述蟻群算法並給出了改進的蟻群算法及實例分析。第4篇講述禁忌搜尋算法並給出掃描——禁忌搜尋算法及實例分析。第5篇講述人工魚群算法,並設計了人工魚群算法及實例分析。第6篇介紹基於MATLAB的GUI平台的系統實現與測試。《煤礦危險物資配送的群智慧型算法最佳化》可作為高等院校管理科學與工程、信息管理與信息系統、計算機套用等相關專業的專業課教材,可供物流和IT業界的技術人員、車輛調度管理員、管理決策人員等學習和參考。
基本介紹
- 書名:煤礦危險物資配送的群智慧型算法最佳化
- 出版社:西安交通大學出版社
- 頁數:182頁
- 開本:32
- 作者:郭海湘 廖貅武
- 出版日期:2011年12月1日
- 語種:簡體中文
- ISBN:9787560541105
基本介紹,內容簡介,作者簡介,圖書目錄,
基本介紹
內容簡介
《煤礦危險物資配送的群智慧型算法最佳化》編輯推薦:國家自然科學基金青年科學基金資助項目編號:71103163,教育部人文社會科學研究青年基金資助項目編號:10YJC790071,中央高校基本科研業務費專項資金資助項目編號:CUG110411,CUG090113。
作者簡介
郭海湘,男,1978年生,博士,副教授,西安交通大學管理科學與工程博士後,研究方向:軟計算,複雜系統模擬與決策,物流系統工程。近年來主持和參與國家自然科學基金、國家社會科學基金、博士學科點專項科研基金、中國博士後基金、教育部人文社會科學研究項目多項。在國際期刊《Applied Soft Computing》、《Expert Systems with Applications》和國家基金委管理科學部指定重要期刊《系統工程理論與實踐》、《管理科學學報》、《系統管理學報》、《中國軟科學》以及其他核心期刊上發表論文20餘篇,被SCI收錄4篇次,EI收錄8篇次:出版專著2部;獲得國土資源部科學技術二等獎,湖北省科技進步三等獎,湖北省自然科學優秀學術論文二等獎,武漢市第十一次社會科學優秀成果三等獎。
廖貅武,男,1965年生,管理科學與工程專業博士。現為西安交通大學管理學院教授,博士生導師。2006年入選教育部新世紀優秀人才支持計畫,2007年入選西安交通大學骨幹教師培養計畫,現擔任國際信息系統學會中國分會理事。主要研究方向為決策分析、IT服務外包和e-拍賣。近年來主持和參與國家自然科學基金面上、重點、重大及教育部哲學社會科學重大攻關項目多項,在《Annals of Operations Research》、《Decision Support Systems》、《Information Systems》、《Applied Soft Computing》、《管理科學學報》、《系統工程理論與實踐》等國內外重要期刊上發表70餘篇論文,其中20餘篇被SCI、SSCI、EI檢索。
柯小玲,女,1980年生,博士,中國地質大學(武漢)經濟管理學院講師。主持湖北省教育科學“十一五”重點課題1項,湖北省普通高等學校人文與社會科學重點研究基地項目1項,中央高校優秀青年教師基金1項。作為骨幹成員參加了多項國家自然科學基金和大型企業橫向項目研究工作。先後發表論文12篇,其中EI收錄2篇,ISTP收錄1篇。2009年獲湖北省教學成果二等獎。
廖貅武,男,1965年生,管理科學與工程專業博士。現為西安交通大學管理學院教授,博士生導師。2006年入選教育部新世紀優秀人才支持計畫,2007年入選西安交通大學骨幹教師培養計畫,現擔任國際信息系統學會中國分會理事。主要研究方向為決策分析、IT服務外包和e-拍賣。近年來主持和參與國家自然科學基金面上、重點、重大及教育部哲學社會科學重大攻關項目多項,在《Annals of Operations Research》、《Decision Support Systems》、《Information Systems》、《Applied Soft Computing》、《管理科學學報》、《系統工程理論與實踐》等國內外重要期刊上發表70餘篇論文,其中20餘篇被SCI、SSCI、EI檢索。
柯小玲,女,1980年生,博士,中國地質大學(武漢)經濟管理學院講師。主持湖北省教育科學“十一五”重點課題1項,湖北省普通高等學校人文與社會科學重點研究基地項目1項,中央高校優秀青年教師基金1項。作為骨幹成員參加了多項國家自然科學基金和大型企業橫向項目研究工作。先後發表論文12篇,其中EI收錄2篇,ISTP收錄1篇。2009年獲湖北省教學成果二等獎。
圖書目錄
第1篇 遺傳算法
第1章 遺傳算法簡介
1.1 遺傳算法的發展歷史
1.2 遺傳算法的基本原理
1.3 遺傳算法的適應度函式構造
1.4 遺傳算法編碼方式
1.5 初始種群的設定
1.6 遺傳算法的基本操作
1.7 遺傳算法中有關的幾個問題
第2章 煤礦物資配送的遺傳算法最佳化
2.1 腳踏車場多倉庫多趟聯合配送車輛路徑問題
2.2 改進的遺傳算法
2.3 最佳化結果與分析
第2篇 粒子群算法
第3章 粒子群算法簡介
3.1 粒子群算法的起源
3.2 粒子群最佳化算法原理
3.3 粒子群算法參數分析
第4章 煤礦物資配送的粒子群最佳化
4.1 掃描一粒子群算法最佳化
4.2 基於模擬退火的粒子群算法最佳化
第3篇 蟻群算法
第5章 蟻群算法簡介
5.1 蟻群算法的起源與發展
5.2 蟻群算法的原理
5.3 帶精英策略的螞蟻系統
5.4 基於最佳化排序的螞蟻系統
5.5 蟻群系統
5.6 最大一最小螞蟻系統
5.7 最優一最差螞蟻系統
第6章 煤礦物資配送的蟻群算法最佳化
6.1 數學模型
6.2 蟻群算法求解實現
6.3 蟻群算法初始位置的選取方式比較
第4篇 禁忌搜尋
第7章 禁忌搜尋簡介
7.1 禁忌搜尋起源及發展
7.2 禁忌搜尋的原理
7.3 鄰域操作方法
7.4 其他參數的設定
第8章 煤礦物資配送的禁忌搜尋最佳化
8.1 禁忌搜尋算法最佳化
8.2 模擬結果與分析
第5篇 人工魚群算法
第9章 人工魚群算法簡介
9.1 人工魚模型
9.2 人工魚群算法全局收斂的基礎
9.3 各參數對收斂性能的影響分析
第10章 煤礦物資配送的人工魚群算法最佳化
10.1 人工魚群算法最佳化
10.2 模擬結果與分析
第6篇 系統實現與測試
第11章 基於MATLAB/GUI設計車輛路徑問題的仿真最佳化平台
11.1 MATLAB的GUI介紹
11.2 車輛路徑問題的GUI設計
11.3 系統測試
參考文獻
第1章 遺傳算法簡介
1.1 遺傳算法的發展歷史
1.2 遺傳算法的基本原理
1.3 遺傳算法的適應度函式構造
1.4 遺傳算法編碼方式
1.5 初始種群的設定
1.6 遺傳算法的基本操作
1.7 遺傳算法中有關的幾個問題
第2章 煤礦物資配送的遺傳算法最佳化
2.1 腳踏車場多倉庫多趟聯合配送車輛路徑問題
2.2 改進的遺傳算法
2.3 最佳化結果與分析
第2篇 粒子群算法
第3章 粒子群算法簡介
3.1 粒子群算法的起源
3.2 粒子群最佳化算法原理
3.3 粒子群算法參數分析
第4章 煤礦物資配送的粒子群最佳化
4.1 掃描一粒子群算法最佳化
4.2 基於模擬退火的粒子群算法最佳化
第3篇 蟻群算法
第5章 蟻群算法簡介
5.1 蟻群算法的起源與發展
5.2 蟻群算法的原理
5.3 帶精英策略的螞蟻系統
5.4 基於最佳化排序的螞蟻系統
5.5 蟻群系統
5.6 最大一最小螞蟻系統
5.7 最優一最差螞蟻系統
第6章 煤礦物資配送的蟻群算法最佳化
6.1 數學模型
6.2 蟻群算法求解實現
6.3 蟻群算法初始位置的選取方式比較
第4篇 禁忌搜尋
第7章 禁忌搜尋簡介
7.1 禁忌搜尋起源及發展
7.2 禁忌搜尋的原理
7.3 鄰域操作方法
7.4 其他參數的設定
第8章 煤礦物資配送的禁忌搜尋最佳化
8.1 禁忌搜尋算法最佳化
8.2 模擬結果與分析
第5篇 人工魚群算法
第9章 人工魚群算法簡介
9.1 人工魚模型
9.2 人工魚群算法全局收斂的基礎
9.3 各參數對收斂性能的影響分析
第10章 煤礦物資配送的人工魚群算法最佳化
10.1 人工魚群算法最佳化
10.2 模擬結果與分析
第6篇 系統實現與測試
第11章 基於MATLAB/GUI設計車輛路徑問題的仿真最佳化平台
11.1 MATLAB的GUI介紹
11.2 車輛路徑問題的GUI設計
11.3 系統測試
參考文獻