掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
公路車寶典(ZINN的公路車維修與保養秘籍)
-
>
晶體管電路設計(下)
-
>
基于個性化設計策略的智能交通系統關鍵技術
-
>
花樣百出:貴州少數民族圖案填色
-
>
山東教育出版社有限公司技術轉移與技術創新歷史叢書中國高等技術教育的蘇化(1949—1961)以北京地區為中心
-
>
鐵路機車概要.交流傳動內燃.電力機車
-
>
利維坦的道德困境:早期現代政治哲學的問題與脈絡
復雜約束車輛路徑問題及人工智能方案 版權信息
- ISBN：9787560667393
- 條形碼：9787560667393 ; 978-7-5606-6739-3
- 裝幀：平裝-膠訂
- 冊數：暫無
- 重量：暫無
- 所屬分類：>>
復雜約束車輛路徑問題及人工智能方案 內容簡介
本書在簡要闡述旅行商問題、車輛路徑問題的基礎上，介紹了復雜約束車輛路徑問題及其研究現狀，并補充了實際物流企業涉及的多種新型約束，完善了實際物流優化調度中的各類約束條件。針對復雜約束車輛路徑問題，作者基于蟻群優化算法及各組成環節的核心思想，針對多個核心步驟改了算法，并且結合相關的算法研究，建立了一個針對實際物流調度問題的統一應用框架，該應用框架較好地優化了實際物流企業調度。，筆者結合蟻群優化算法和強化學算法的優點，并針對它們的缺點和痛點，根據市場經濟自動優化資源配置的機制及反壟斷、風險投資機制，開創性地設計和建立了市場經濟優化算法。
復雜約束車輛路徑問題及人工智能方案 目錄
第1章 緒論
1.1 物流行業背景及現狀
1.2 解決車輛路徑問題的意義
1.3 基本的旅行商問題和車輛路徑問題
1.3.1 旅行商問題（TSP）
1.3.2 車輛路徑問題（VRP）
小結
第2章 復雜約束車輛路徑問題（Rich VRP)
2.1 復雜約束車輛路徑問題（Rich VRP）的具體內容
2.2 復雜約束車輛路徑問題（Rich VRP）在實踐中的新增約束
2.3 其他車輛路徑問題的研究現狀
2.4 車輛路徑問題關聯裝載問題概述
小結
第3章 復雜約束車輛路徑問題的算法現狀
3.1 解決Rich VRP的算法研究概述
3.2 解決Rich VRP的精確算法
3.3 解決Rich VRP的近似算法
3.4 解決Rich VRP的元啟發式算法
3.5 解決Rich VRP的機器學習算法
3.6 解決Rich VRP的強化學習算法
3.7 單智能體強化學習與多智能體強化學習
3.8 主流強化學習與組合優化問題
3.9 各類算法的比較小結
第4章 蟻群優化算法及其改進研究
4.1 蟻群優化算法（ACO）原理
4.2 選擇蟻群優化算法（ACO）的原因
4.3 蟻群優化算法（ACO）研究現狀
4.4 蟻群優化算法在Rich VRP的研究現狀
4.5 蟻群優化算法與強化學習算法的結合小結
第5章 Levy ACO算法
5.1 萊維分布和萊維飛行模式概述
5.2 Levy ACO的算法設計
5.3 實驗環境說明
5.4 實驗結果及其分析
5.5 Levy ACO與其他*新算法的比較
5.5.1 Levy ACO與ACO相關*新算法的比較
5.5.2 Levy ACO與非ACO*新算法的比較小結
第6章 Greedy Levy ACO算法
6.1 Epsilon Greedy機制
6.2 Greedy Levy ACO的算法設計
6.3 實驗環境說明
6.4 實驗結果及其分析
6.5 Greedy Levy ACO與其他*新算法的比較
6.5.1 Greedy Levy ACO與ACO相關*新算法的比較
6.5.2 Greedy Levy ACO與非ACO*新算法的比較小結
第7章 Contribution-based ACO算法
7.1 強化學習算法中的獎勵機制
7.2 管理學激勵理論概述
7.3 經典ACO算法中的信息素更新邏輯
7.4 Contribution-based ACO的算法設計
7.5 實驗環境說明
7.6 實驗結果及其分析
7.7 ACO改進算法的比較、關系和作用小結
第8章 Rich VRP分析及統一應用框架的建模
8.1 Rich VRP統一應用框架分析
8.1.1 車型的定義及意義
8.1.2 Rich VRP約束分析
8.1.3 多車型車隊概念
8.1.4 多車型及多信息素
8.1.5 多信息素下的ACO信息素邏輯
8.1.6 信息素更新改進策略
8.1.7 與車型無關約束的實現
8.2 Rich VRP統一應用框架的ACO算法邏輯
8.2.1 車輛選擇邏輯
8.2.2 候選節點選擇邏輯
8.3 Rich VRP統一應用框架性能提升的設計
8.4 Rich VRP統一應用框架系統的實現條件
8.4.1 開發語言的選擇
8.4.2 基礎開發庫的選擇
8.4.3 數據庫中間件的選擇
8.4.4 電子地圖的選擇
8.4.5 GPU或CPU等并行機制的選擇
8.5 Rich VRP統一應用框架實驗結果小結
第9章 Rich VRP的實際應用及效果分析
9.1 RichVRP的應用背景
9.2 Rich VRP的應用環境
9.2.1 Rich VRP中的節點信息和訂單信息
9.2.2 Rich VRP中的路網信息
9.2.3 Rich VRP中的車輛信息
9.2.4 RichVRP中的節點、路網、車輛、訂單信息的關系
9.3 Rich VRP應用實例
9.3.1 某銀行ATM機清機運鈔車線路優化項目
9.3.2 某汽車生產供應鏈優化項目
9.3.3 某冷鏈互聯網服務平臺運輸優化項目
9.3.4 某倉儲服務企業攬貨線路優化項目
9.3.5 某倉儲服
第10章 市場經濟優化算法（MEO-Q）
10.1 組合優化問題中的難點
10.2 Q-learning算法及Ant-Q算法
10.2.1 Q-learning算法
10.2.2 Ant-Q算法及其與Q-Learning算法的比較
10.2.3 現有算法的不足和市場經濟優化算法的改進措施
10.3 市場經濟理論對于組合優化問題的意義
10.4 市場經濟優化算法的主要內容
10.4.1 市場經濟優化算法中的價格機制及成本利潤模式
10.4.2 市場經濟優化算法中的反壟斷機制
10.4.3 市場經濟優化算法中的風險投資機制
10.4.4 市場經濟優化算法中的總體算法結構
10.4.5 市場經濟優化算法中的其他設計
10.5 市場經濟優化算法的實驗設置
10.6 市場經濟優化算法的實驗結果
10.6.1 市場經濟優化算法實驗總體結果
10.6.2 市場經濟優化算法實驗中具體數據集的詳細結果
10.6.3 市場經濟優化算法實驗與*新強化學習算法性能的對比
10.7 市場經濟優化算法的后續研究
10.7.1 市場經濟優化算法后續改進之一——融合LKH算法
10.7.2 市場經濟優化算法后續改進之二——解的重復性過濾
10.7.3 將市場經濟優化算法應用于RichVRP統一應用框架
小結
附錄 英文縮寫說明
參考文獻
展開全部
復雜約束車輛路徑問題及人工智能方案 作者簡介
劉亞暉 教育簡歷 同濟大學軟件工程碩士及博士； 德國不來梅大學訪問學者，外方導師是tthein HerZog教授(德國工程院院士，中國工程院外籍院士)。 主要科研方向 自研市場經濟優化算法及其實現： 蟻群優化算法、強化學習算法的基礎研究： 復雜車路徑問題、車間調度問題的研究、建模及實現； 電子地圖功能的研究及開發。 工作簡歷 25年軟件開發企業的軟件設計、開發及管理經歷； 8年國內IT業頭部企業及6年 外資500強企業管理經歷； 7年創辦企業經歷。
書友推薦
- >
新文學天穹兩巨星--魯迅與胡適/紅燭學術叢書(紅燭學術叢書)
- >
隨園食單
- >
名家帶你讀魯迅:朝花夕拾
- >
回憶愛瑪儂
- >
朝聞道
- >
月亮虎
- >
莉莉和章魚
- >
自卑與超越
本類暢銷
