物流系统中智能优化技术的应用研究

摘要

本文阐述了物流系统、遗传算法和禁忌搜索算法的现状并进行了总结,然后基于自然数编码的方式提出一种改进的交叉运算算子,同时结合禁忌搜索算法,提出了改进的混合遗传禁忌算法,改进后的算法不但可以大大加快了收敛速度,而且有效的避免了早熟发生. 将改进后的遗传算法和混合遗传禁忌算法应到实际问题当中,这些实际问题包括旅行商问题、标准的车辆调度问题和物流调度问题.计算结果表明: 1)改进后的遗传算法应用到旅行商问题和车辆调度问题,无论爬山能力和易早熟性都较传统算法有明显的改善. 2)改进的遗传算法和混合遗传禁忌算法应用到物流系统中的加工调度问题,改进后的遗传算法和混合遗传算法的求解效率都较传统的遗传算法及混合遗传算法有明显的改善.因此,对遗传算法的研究有效的改进了物流系统的工作流程,提高了物流系统的智能化水平.

目录

文摘

英文文摘

论文说明：插图清单、表格清单

独创性声明及学位论文版权使用授权书

第一章绪论

1.1论文选题的背景

1.1.1现代物流的发展趋势

1.1.2物流系统的优化

1.2论文的主要内容

第二章物流系统中的智能优化

2.1物流

2.2物流系统

2.2.1物流系统的特点

2.2.2物流系统的目标及总目的

2.3物流系统分析

2.3.1物流系统分析的概念

2.3.2物流系统分析的特点

2.3.3物流系统分析的步骤

2.4本文所要解决的优化问题

2.4.1物流配送中的车辆调度问题

2.4.2流水线车间调度问题

2.5本章小结

第三章遗传算法与禁忌搜索

3.1遗传算法

3.2遗传算法的设计

3.3禁忌搜索

3.4遗传算法的改进

3.4.1改进的遗传算法

3.4.2混合遗传禁忌算法

3.5本章小结

第四章改进遗传算法在车辆调度问题中的应用

4.1概述

4.1.1问题定义

4.1.2国内外研究现状

4.2 TSP问题的求解

4.2.1改进的遗传算法求解TSP问题

4.2.2实例分析

4.3 VSP问题的求解

4.3.1改进的遗传算法求解VSP问题

4.3.2实例分析

4.4本章小结

第五章混合遗传禁忌算法在置换调度问题中的应用

5.1概述

5.2 FSP问题的求解

5.2.1改进的混合遗传禁忌算法

5.2.2实例分析

5.3本章小结

第六章回顾与展望

6.1本文的回顾

6.2本文的展望

6.2.1混合遗传算法的进一步研究

6.2.2 TSP和FSP问题

参考文献

致谢

已发表论文