为提高免疫算法在物流配送中心选址问题的效率,文章引入了多种群协同进化的框架模型,在此模型上提出了一种多种群免疫协同进化算法(Multiple Population Immune Co-evolution Algorithm,MPICA)。MPICA通过对若干个抗体子群进行多样性评...为提高免疫算法在物流配送中心选址问题的效率,文章引入了多种群协同进化的框架模型,在此模型上提出了一种多种群免疫协同进化算法(Multiple Population Immune Co-evolution Algorithm,MPICA)。MPICA通过对若干个抗体子群进行多样性评价,获得各自的记忆库和父代种群;记忆库之间通过移民算子进行联系,增大优秀抗体亲和度成熟的概率;各父代种群通过期望繁殖率进行选择、动态交叉和变异来提高抗体分布的多样性。针对物流配送中心选址实验数据表明,MPICA具有可靠地收敛性和全局寻优能力,能够高效的进行物流配送中心的选址。展开更多
将多点配送中心选址问题(multi-distribution center location problem,MDLP)映射为扩展K-TSP过程并设计了改进的蚁群算法。为提高算法的求解性能,在蚂蚁的选择规则里加入了代价引导函数,使用2-opt策略优化可行解并优化了信息素的更新...将多点配送中心选址问题(multi-distribution center location problem,MDLP)映射为扩展K-TSP过程并设计了改进的蚁群算法。为提高算法的求解性能,在蚂蚁的选择规则里加入了代价引导函数,使用2-opt策略优化可行解并优化了信息素的更新方式。仿真算例及算法对比表明,模型和算法可以有效地表达和求解MDLP。展开更多
文摘为提高免疫算法在物流配送中心选址问题的效率,文章引入了多种群协同进化的框架模型,在此模型上提出了一种多种群免疫协同进化算法(Multiple Population Immune Co-evolution Algorithm,MPICA)。MPICA通过对若干个抗体子群进行多样性评价,获得各自的记忆库和父代种群;记忆库之间通过移民算子进行联系,增大优秀抗体亲和度成熟的概率;各父代种群通过期望繁殖率进行选择、动态交叉和变异来提高抗体分布的多样性。针对物流配送中心选址实验数据表明,MPICA具有可靠地收敛性和全局寻优能力,能够高效的进行物流配送中心的选址。
文摘将多点配送中心选址问题(multi-distribution center location problem,MDLP)映射为扩展K-TSP过程并设计了改进的蚁群算法。为提高算法的求解性能,在蚂蚁的选择规则里加入了代价引导函数,使用2-opt策略优化可行解并优化了信息素的更新方式。仿真算例及算法对比表明,模型和算法可以有效地表达和求解MDLP。
