掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
群智能優化及其在物流中的應用 版權信息
- ISBN：9787568049146
- 條形碼：9787568049146 ; 978-7-5680-4914-6
- 裝幀：一般銅版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
群智能優化及其在物流中的應用 本書特色
本書力求將理論研究與實際應用并重，圍繞著群智能優化算法理論研究及其在物流實際問題優化中的應用，基于作者在群體結構、群體拓撲和個體行為研究的成果，融合復雜網絡、人工智能、系統工程等的思想和方法，構建了針對實際物流問題的群智能優化能力提升和應用的理論和實踐方法。首先，從群體結構和搜索行為研究出發，提出具有異構分簇的聚類自適應策略，改善了算法性能；其次，從群體間網絡關系分析入手，引入復雜網絡理論，將網絡拓撲演化作為調節群體搜索信息共享的手段，從而避免信息過度集中，提升整體優化能力；再次，從網絡拓撲和個體行為控制兩方面分析，在種群中引入社會網絡的演化調整機制和個體學習行為方法，強化個體之間的交互和協作，優化人工種群的搜索能力；后，將上述策略及方法分別應用在自動化立體倉庫貨位優化、冷鏈配送車輛路徑優化、云物流下基于協同庫存的集合覆蓋的選址分配優化、集裝箱多式聯運方案優化等問題中。在每個物流優化問題求解中，均設計了高效的編碼、解碼方案，將問題與算法緊密結合，充實了智能優化算法的應用方式和實踐案例。
群智能優化及其在物流中的應用 內容簡介
本書詳細介紹了目前群智能優化技術的原理、基于自適應和社會網絡的算法性能提升方法, 以及群智能優化算法在自動化立體倉庫貨位優化、冷鏈配送車輛路徑優化、云物流下基于協同庫存的集合覆蓋的選址分配優化、集裝箱多式聯運優化和集裝箱船舶貝位配載優化等具體實際問題中的應用。
群智能優化及其在物流中的應用 目錄
第1章群智能優化理論及其研究與分析/1
1.1群智能優化理論/1
1.2典型群智能優化算法/4
1.2.1遺傳算法/4
1.2.2粒子群優化算法/6
1.2.3蟻群優化算法/7
1.2.4細菌覓食優化算法/8
1.2.5生物地理優化算法/9
1.2.6其他群智能優化算法/11
1.3群體行為的復雜網絡與社會網絡分析/12
1.4群智能的種群和拓撲結構/14
1.5群智能優化中個體行為控制/16
本章小結/19
第2章具有異構分簇的聚類自適應粒子群優化算法/21
2.1基于聚類的自適應粒子群優化算法/21
2.1.1基于聚類的種群動態分割策略/22
2.1.2基于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函數/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*大迭代次數對比測試/43
本章小結/51
第3章基于社會網絡演化的動態拓撲粒子群優化算法/52
3.1基于社會網絡演化的粒子群優化算法/52
3.1.1群智能中的社會網絡/52
3.1.2子群劃分策略/53
3.1.3基于社會網絡演化的動態拓撲構建算法/54
3.1.4算法流程/63
3.2算法復雜度分析/64
3.3標準測試函數實驗/64
3.3.1測試函數/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
群智能優化及其在物流中的應用目錄第4章基于社會網絡的群體優化算法/77
4.1基于社會網絡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與其他智能算法的比較/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章基于群智能優化算法的自動化立體倉庫貨位優化/116
5.1貨位優化分配問題/116
5.2貨位優化分配問題模型/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基于群智能優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汽車零部件貨位優化分配實例分析/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能優化/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冷鏈配送車輛路徑優化模型/130
6.2.1模型相關假設和參數/130
6.2.2目標函數構建/131
6.3基于群智能優化算法的冷鏈網絡配送模型求解/133
6.3.1群智能優化算法搜索——以螢火蟲算法為例/133
6.3.2針對網絡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章云物流下基于協同庫存的集合覆蓋的選址分配優化/144
7.1問題背景分析/144
7.2模型構建和特點分析/144
7.3云物流下選址分配模型的群智能優化算法設計/146
7.4基于云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云物流下基于協同庫存的集合覆蓋的選址分配案例/155
本章小結/160
第8章基于群智能優化算法的集裝箱多式聯運優化/162
8.1集裝箱多式聯運問題 /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帶懲罰的目標函數/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算法對比設置/171
8.4.3實驗結果分析/171
本章小結/179
第9章集裝箱船舶貝位配載的優化/180
9.1集裝箱船舶貝位配載問題/180
9.1.1集裝箱船舶貝位配載問題分類/180
9.1.2集裝箱船舶箱位位置表示/181
9.2集裝箱貝位配載模型/182
9.2.1模型假設/182
9.2.2模型參數及相關變量定義/182
9.2.3模型的目標函數/183
9.3個體編碼方案設計/184
9.3.1基于個體位置排序的裝載順序解碼/184
9.3.2基于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
1.1群智能優化理論/1
1.2典型群智能優化算法/4
1.2.1遺傳算法/4
1.2.2粒子群優化算法/6
1.2.3蟻群優化算法/7
1.2.4細菌覓食優化算法/8
1.2.5生物地理優化算法/9
1.2.6其他群智能優化算法/11
1.3群體行為的復雜網絡與社會網絡分析/12
1.4群智能的種群和拓撲結構/14
1.5群智能優化中個體行為控制/16
本章小結/19
第2章具有異構分簇的聚類自適應粒子群優化算法/21
2.1基于聚類的自適應粒子群優化算法/21
2.1.1基于聚類的種群動態分割策略/22
2.1.2基于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函數/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*大迭代次數對比測試/43
本章小結/51
第3章基于社會網絡演化的動態拓撲粒子群優化算法/52
3.1基于社會網絡演化的粒子群優化算法/52
3.1.1群智能中的社會網絡/52
3.1.2子群劃分策略/53
3.1.3基于社會網絡演化的動態拓撲構建算法/54
3.1.4算法流程/63
3.2算法復雜度分析/64
3.3標準測試函數實驗/64
3.3.1測試函數/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
群智能優化及其在物流中的應用目錄第4章基于社會網絡的群體優化算法/77
4.1基于社會網絡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與其他智能算法的比較/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章基于群智能優化算法的自動化立體倉庫貨位優化/116
5.1貨位優化分配問題/116
5.2貨位優化分配問題模型/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基于群智能優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汽車零部件貨位優化分配實例分析/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能優化/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冷鏈配送車輛路徑優化模型/130
6.2.1模型相關假設和參數/130
6.2.2目標函數構建/131
6.3基于群智能優化算法的冷鏈網絡配送模型求解/133
6.3.1群智能優化算法搜索——以螢火蟲算法為例/133
6.3.2針對網絡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章云物流下基于協同庫存的集合覆蓋的選址分配優化/144
7.1問題背景分析/144
7.2模型構建和特點分析/144
7.3云物流下選址分配模型的群智能優化算法設計/146
7.4基于云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云物流下基于協同庫存的集合覆蓋的選址分配案例/155
本章小結/160
第8章基于群智能優化算法的集裝箱多式聯運優化/162
8.1集裝箱多式聯運問題 /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帶懲罰的目標函數/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算法對比設置/171
8.4.3實驗結果分析/171
本章小結/179
第9章集裝箱船舶貝位配載的優化/180
9.1集裝箱船舶貝位配載問題/180
9.1.1集裝箱船舶貝位配載問題分類/180
9.1.2集裝箱船舶箱位位置表示/181
9.2集裝箱貝位配載模型/182
9.2.1模型假設/182
9.2.2模型參數及相關變量定義/182
9.2.3模型的目標函數/183
9.3個體編碼方案設計/184
9.3.1基于個體位置排序的裝載順序解碼/184
9.3.2基于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
展開全部
群智能優化及其在物流中的應用 作者簡介
李文峰，1990年畢業于華中理工大學機械學院機械學專業，獲工學碩士學位。2000年畢業于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，F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，中國人工智能學會智能制造專業委員會常務委員，中國人工智能學會智能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。教育部2006-2010年高等學校物流類專業教學指導委員會委員，教育部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，中國傳感器網絡學術會議（CWSN）程序委員會委員，IEEE CSCWD、IEEE ICMA、ICLEM、DPMSS等國際會議的組織委員會或程序委員會委員,IEEE CSCWD2012、ICIA2010、ICMA2010、IDCS2014、IDCS2015，以及 CSCWD2015年學術會議的程序委員會協作主席。
書友推薦
- >
名家帶你讀魯迅:朝花夕拾
- >
姑媽的寶刀
- >
隨園食單
- >
經典常談
- >
推拿
- >
小考拉的故事-套裝共3冊
- >
中國人在烏蘇里邊疆區:歷史與人類學概述
- >
羅曼·羅蘭讀書隨筆-精裝
本類暢銷
