网站大量收购闲置独家精品文档,联系QQ:2885784924

基于改进遗传算法的物流配送最优路径有哪些信誉好的足球投注网站.docVIP

基于改进遗传算法的物流配送最优路径有哪些信誉好的足球投注网站.doc

  1. 1、本文档共6页,可阅读全部内容。
  2. 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
基于改进遗传算法的物流配送最优路径有哪些信誉好的足球投注网站.doc

基于改进遗传算法的物流配送最优路径有哪些信誉好的足球投注网站   摘要:该文介绍了基于改进遗传算法的最优路径有哪些信誉好的足球投注网站。模拟了物流配送过程中最优路径规划,避免了传统遗传算法在操作时会产生大量无效路径和“早熟”现象,并具有准确、高效等优点。实践结果证明该算法可以为物流配送提供有效服务。   关键词:遗传算法;最优路径规划;物流配送   中图分类号:TP18 文献标识码:A 文章编号:1009-3044(2013)33-7566-02   随着市场经济的发展和物流技术专业化水平的提高,物流配送业得到了迅猛发展。配送路径的选择是否合理,对加快配送速度、提高服务质量、降低配送成本及增加经济效益都有较大影响。配送路径的优化问题是物流配送系统的一个主要问题,物流配送路径的优化就是以最低的运营成本、最快捷的响应速度、最短的配送运输时间,把货物运至用户手中。在B2C电子商务物流配送时,物流车装载当日需要配送的货品从仓库出发,按照事先规划好的最优配送路径为每一个客户进行配送,最后返回仓库。根据此需求,作者设计针对物流配送的最优路径有哪些信誉好的足球投注网站算法,实现了最优路径选择解决方案。   1 问题分析   最优路径规划,通常是指在一个赋权图的两个指定节点(起始点和目标节点)之间找出一条具有最小权的路径。在实际复杂地形中的最优路径规划与正常环境下的最优路径之间存在明显的差异,前者虽然本质上属于图论中最短路线问题的范畴,但由于多个决策目标的存在,不能直接运用最短路线模型求解[1]。   遗传算法具有全局寻优和潜在并行的特点,对求解最优路径具有一定优势[2]。但传统遗传算法操作时会产生大量无效路径,因此为了提高求解最优路径问题的效率,采用改进的遗传算法求解,并有效的避免了传统遗传算法的“早熟”现象。   2 算法设计   2.1 遗传算法介绍   遗传算法是一类借鉴生物界的进化规律演化而来的随机化有哪些信誉好的足球投注网站方法。遗传算法是解决有哪些信誉好的足球投注网站问题的一种通用算法,对于各种通用问题都可以使用。遗传有哪些信誉好的足球投注网站算法的特征为:首先组成一组候选解;依据某些适应性条件测算这些候选解的适应度;根据适应度保留某些候选解,放弃其他候选解;对保留的候选解进行某些操作,生成新的候选解。   2.2 遗传算法改进   基于以上,我们选择遗传算法作为解决此问题的基本算法。但遗传算法也有它本身固有的缺陷,例如种群早熟、陷入局部最优、多次进化后种群向纯种发展等。因此我们在传统的遗传算法上又做了如下的改进:   1)初始种群时按照一定的概率选择距离出发点最近的点作为到达点。基于行走路线不能交叉的原则,出发点与到达点之间大部分都应该是距离最近的且未走过的点。因此初始化数据时系统自动以一定的概率选择最近的点作为下一个到达点。   2)遗传算法求得最优解易陷入局部最优,因此在时间允许的范围内多次调用遗传算法求得最优解。调用中可以把上次求得的最优解作为下一次初始种群的一部分参与进化。求解最优解后为了防止个别点的交叉,对于最优解又进行了优化处理以进一步求得最优解。   3)遗传算法中要对种群进行排序,保留最优个体群,删除最差个体群。但删除最差个体群时,必然会破坏种群多样性,导致种群向纯种方向进化。因此我们在使用最优个体覆盖最差个体时,将最优个体反向覆盖最差个体,这样,即保留了个体的多样性,又保证了迭代进化的方向。   2.3 数据结构设计   2.3.1 图与基因的描述   根据题目描述,采用完全图的方式描述图,采用邻接矩阵的方式存储图。若是实际中的地图,只要把其中两点间的距离定义为足够大,程序也能求解(在本文中不讨论)。   1)记录距离的图描述   public double[,] Cost_table;   2)记录速度的图描述   public double[,] Speed_table; //随机生成个点之间的速度值   3)基因信息的描述   public struct unit{   public int[] path; //记录基因个体的路径   public double cost; }; //记录当前路径的代价   public unit[] group; //记录种群的信息   public unit opt; //记录最优解的信息   2.3.2 遗传算法的全局参数   根据大量的实际测试,最终确定了遗传算法的参数如下:   private int CityNum; //客户数量   const int N = 500; //种群的规模   private static double pn = 0.3; //选择后续点时选择最近点的概率   private static double pc = 0.9; //交叉概率   private static doub

文档评论(0)

jingpinwedang + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档