群智慧型最佳化及其在物流中的套用

群智慧型最佳化及其在物流中的套用

《群智慧型最佳化及其在物流中的套用》是2019年華中科技大學出版社出版的圖書,作者是李文鋒、梁曉磊。

基本介紹

  • 中文名:群智慧型最佳化及其在物流中的套用
  • 作者:李文鋒、梁曉磊
  • 出版時間:2019年5月
  • 出版社:華中科技大學出版社
  • ISBN:9787568049146
  • 類別:人工智慧圖書
  • 開本:16 開
  • 裝幀:精裝
內容簡介,作者簡介,圖書目錄,

內容簡介

群智慧型最佳化技術是在自然群體基礎上通過個體協作實現複雜系統最佳化的一種智慧型最佳化技術。智慧型物流系統作為智慧型製造系統的重要支撐,通過群智慧型最佳化方法可以有效解決複雜物流最佳化問題,提升問題最佳化效率、降低計算成本,提高對問題的回響效率。本書得到了國家自然科學基金面上項目“基於移動智慧型體調度的混雜工業無線感測器網路抗毀性研究”(編號:61571336)和青年科學基金項目“面向多移動智慧型物流資源調度的動態漸進群集智慧型最佳化方法研究”(編號:61603280)等項目的資助。在此背景下,開展了關於智慧型製造發展背景下若干複雜物流系統最佳化問題的系統研究和實踐。本書詳細介紹了目前群智慧型最佳化技術的原理、基於自適應和社會網路的算法性能提升方法,以及群智慧型最佳化算法在自動化立體倉庫貨位最佳化、冷鏈配送車輛路徑最佳化、雲物流下基於協同庫存的集合覆蓋的選址分配最佳化、貨櫃多式聯運最佳化和貨櫃船舶貝位配載最佳化等具體實際問題中的套用。本書可幫助高校師生和工程技術人員系統掌握群智慧型最佳化技術的原理、改進途徑及套用策略,了解群智慧型最佳化算法國內外新研究進展,掌握工程實際中典型物流問題的建模方法及群智慧型最佳化方法。本書對推廣、提升智慧型製造環境下智慧型物流系統最佳化和發展具有重要意義。

作者簡介

李文峰,1990年畢業於華中理工大學機械學院機械學專業,獲工學碩士學位。2000年畢業於武漢理工大學機械設計及理論專業,獲工學博士學位。2003年-2004年瑞典皇家工學院自治系統研究中心訪問學者。2012.7-2012.12美國新澤西理工大學高級訪問學者。2015.7-2015.8美國紐約大學高級訪問學者。現為武漢理工大學教授,博士生導師,物流工程學院副院長。湖北省跨世紀學術帶頭人,湖北省有突出貢獻的中青年專家,中國人工智慧學會智慧型製造專業委員會常務委員,中國人工智慧學會智慧型機器人專業委員會委員,中國物流學會常務理事,湖北省機電一體化學會常務理事,湖北省機械設計與傳動學會常務理事。*2006-2010年高等學校物流類專業教學指導委員會委員,*2013-2017年高等學校物流管理與工程類教學指導委員會委員。IEEE 高級會員,IEEE SMC CSCWD和ESMDM的TC成員,中國感測器網路學術會議(CWSN)程式委員會委員,IEEE CSCWD、IEEE ICMA、ICLEM、DPMSS等國際會議的組織委員會或程式委員會委員,IEEE CSCWD2012、ICIA2010、ICMA2010、IDCS2014、IDCS2015,以及 CSCWD2015年學術會議的程式委員會協作主席。

圖書目錄

第1章群智慧型最佳化理論及其研究與分析/1
1.1群智慧型最佳化理論/1
1.2典型群智慧型最佳化算法/4
1.2.1遺傳算法/4
1.2.2粒子群最佳化算法/6
1.2.3蟻群最佳化算法/7
1.2.4細菌覓食最佳化算法/8
1.2.5生物地理最佳化算法/9
1.2.6其他群智慧型最佳化算法/11
1.3群體行為的複雜網路與社會網路分析/12
1.4群智慧型的種群和拓撲結構/14
1.5群智慧型最佳化中個體行為控制/16
本章小結/19
第2章具有異構分簇的聚類自適應粒子群最佳化算法/21
2.1基於聚類的自適應粒子群最佳化算法/21
2.1.1基於聚類的種群動態分割策略/22
2.1.2基於異構簇的自適應調整策略/24
2.2算法流程/25
2.3實驗分析和討論/25
2.3.1實驗設計和Benchmark函式/25
2.3.2實驗1:種群分布度對比分析/27
2.3.3實驗2:算法參數敏感性測試/29
2.3.4實驗3:相同初始值對比測試/30
2.3.5實驗4:相同疊代次數對比測試/43
本章小結/51
第3章基於社會網路演化的動態拓撲粒子群最佳化算法/52
3.1基於社會網路演化的粒子群最佳化算法/52
3.1.1群智慧型中的社會網路/52
3.1.2子群劃分策略/53
3.1.3基於社會網路演化的動態拓撲構建算法/54
3.1.4算法流程/63
3.2算法複雜度分析/64
3.3標準測試函式實驗/64
3.3.1測試函式/64
3.3.2對比算法及其參數/65
3.3.3實驗內容及分析/66
本章小結/76
群智慧型最佳化及其在物流中的套用目錄第4章基於社會網路的群體最佳化算法/77
4.1基於社會網路模型的動態種群拓撲結構構建/77
4.2擴展式個體鄰域構建/79
4.3個體學習行為調整/81
4.3.1NI中個體學習方式/81
4.3.2RI中個體學習方式/82
4.4算法流程/84
4.5與其他智慧型算法的比較/86
4.6數值實驗與分析/87
4.6.1實驗設計/87
4.6.2實驗與分析/92
本章小結/115
第5章基於群智慧型最佳化算法的自動化立體倉庫貨位最佳化/116
5.1貨位最佳化分配問題/116
5.2貨位最佳化分配問題模型/117
5.2.1模型假設/117
5.2.2模型符號說明/117
5.2.3模型構建/118
5.3基於群智慧型最佳化的貨位分配問題求解/119
5.3.1算法設計/120
5.3.2貨物編碼與貨位編碼/121
5.4汽車零部件貨位最佳化分配實例分析/123
5.4.1模型相關參數說明/123
5.4.2算法相關參數說明/124
5.4.3案例結果分析/124
本章小結/128
第6章冷鏈配送車輛路徑的群智慧型最佳化/129
6.1冷鏈物流及車輛路徑問題/129
6.1.1冷鏈物流相關概念/129
6.1.2冷鏈物流配送路徑研究/129
6.2冷鏈配送車輛路徑最佳化模型/130
6.2.1模型相關假設和參數/130
6.2.2目標函式構建/131
6.3基於群智慧型最佳化算法的冷鏈網路配送模型求解/133
6.3.1群智慧型最佳化算法搜尋——以螢火蟲算法為例/133
6.3.2針對網路配送問題的個體編碼設計/135
6.4案例分析/137
6.4.1案例/137
6.4.2實驗設計/140
6.4.3結果及分析/141
本章小結/143
第7章雲物流下基於協同庫存的集合覆蓋的選址分配最佳化/144
7.1問題背景分析/144
7.2模型構建和特點分析/144
7.3雲物流下選址分配模型的群智慧型最佳化算法設計/146
7.4基於雲物流的汽車零部件供應物流選址分配案例研究/151
7.4.1汽車零部件供應物流的現狀及需求分析/151
7.4.2實驗設計/152
7.4.3雲物流下基於協同庫存的集合覆蓋的選址分配案例/155
本章小結/160
第8章基於群智慧型最佳化算法的貨櫃多式聯運最佳化/162
8.1貨櫃多式聯運問題 /162
8.2多式聯運基本模型/164
8.3多式聯運問題編碼及解碼/165
8.3.1全局流量按比例分配/165
8.3.2局部流量調整策略/167
8.3.3帶懲罰的目標函式/168
8.3.4問題求解流程/169
8.4案例分析/169
8.4.1案例/169
8.4.2算法對比設定/171
8.4.3實驗結果分析/171
本章小結/179
第9章貨櫃船舶貝位配載的最佳化/180
9.1貨櫃船舶貝位配載問題/180
9.1.1貨櫃船舶貝位配載問題分類/180
9.1.2貨櫃船舶箱位位置表示/181
9.2貨櫃貝位配載模型/182
9.2.1模型假設/182
9.2.2模型參數及相關變數定義/182
9.2.3模型的目標函式/183
9.3個體編碼方案設計/184
9.3.1基於個體位置排序的裝載順序解碼/184
9.3.2基於規則的貝位裝載策略/185
9.4個體適應度計算/187
9.5問題求解步驟/187
9.6案例實驗/189
9.6.1案例設計/189
9.6.2對比算法設計/190
9.6.3實驗結果及分析/191
本章小結/200
參考文獻/201

相關詞條

熱門詞條

聯絡我們