排序方式: 共有57条查询结果,搜索用时 19 毫秒
21.
夏超 《石家庄铁道学院学报(社会科学版)》2014,(4):90-93,103
对已有危险品运输模型进行分析,针对当前危险品类物流配送网络的特点,提出了在时间窗约束条件下城市道路网络中的危险品配送模型,该模型以整个网络中事故发生的期望和影响人数最小为目标。设计了目标集成方法和对集成后目标函数求解的扩展标号法来计算该多目标问题的Pareto最优折衷解,最后用实例对算法进行了验证。 相似文献
22.
建立公平的社会群体利益分配机制是解决当前由利益失衡引发的社会矛盾与冲突的关键所在.基于对蚁群劳动分工在任务分配中所表现出柔性特征的分析,提出借鉴该任务分配柔性来实现利益分配柔性的新思路.首先从分配的角度对利益的概念进行界定,给出了其形式化描述,引入相对剥夺感来衡量利益分配的公平性.随后根据社会群体利益的特点,对基本蚁群劳动分工模型进行扩展,借助恢复因子来协调不同利益群体,建立了面向利益分配的蚁群劳动分工模型,给出了该模型的算法实现流程.选取一个具有代表性的利益分配实例进行仿真实验,从恢复性和分配柔性两方面验证本文模型的有效性.通过仿真分析发现,利益实现能力在利益分配过程中具有主导作用;对于利益分配不公的情况,恢复因子能够起到有效的恢复作用,且在动态环境下显示出良好的利益分配柔性.最后给出了利益型群体事件演化过程的描述,定量分析了其中的恢复情况,阐述了现实中利益型群体事件的演化规律. 相似文献
23.
设施规划问题主要研究生产设备的布局规划,从而减小厂区内的物料搬运成本。一个有效的设施规划有利于生产过程中整体运作效率的提高。随着市场竞争的日趋激烈,市场环境处于不断的变化之中,制造企业需不断对设施布局进行重新规划来适应不断变化的市场环境对产品需求量的影响,并达到降低成本的目的。这一问题便需要用多阶段设施规划(MFLP)的方法来解决。本文提出了一种改进的混和蚁群算法(HACO)来解决带有财务预算约束的多阶段设施规划问题,并将此方法与其他一些典型的启发式算法进行了对比分析。结果表明,本文提出的HACO算法是求解带有财务预算约束的MFLP问题的一种有效的方法。 相似文献
24.
面向虚拟企业的蚁群劳动分工建模与仿真 总被引:1,自引:0,他引:1
针对虚拟企业的复杂性特征,提出了以群集智能这种新颖的复杂系统建模手段研究虚拟企业的组建和运行过程.在将虚拟企业运行特点与蚁群劳动分工模型进行对比分析的基础上,将企业单元定义为人工蚂蚁,根据虚拟企业运行的要求重新设计蚂蚁的属性特征、任务执行和学习规则、活动环境等模块,建立了扩展的蚁群劳动分工模型.采用该模型对虚拟制造式、供应链式、组织虚拟式等3种具有代表性的虚拟企业组织进行建模和仿真,实验表明仿真结果与实际情况比较吻合,运行过程能够体现出虚拟企业运行的自组织行为特征,该模型可为类似虚拟企业的组建、任务规划和利益分配提供依据.最后分析了扩展蚁群劳动分工模型的内在特性和适用范围,并对今后研究的方向进行了展望. 相似文献
25.
26.
将元胞自动机思想引入到蚂蚁算法中,提出一种新的进化算法——元胞蚂蚁算法。通过算法的元胞演化机制对信息素的二次分配,有效扩大了对解空间的搜索,避免陷入局部最优,并提高了寻找到所有全局最优解的能力。通过对一系列典型多极值优化问题的求解,均找到了所有全局最优解,显示了其在寻找多峰函数极值点方面的优越性。 相似文献
27.
创业网络是创业主体获得创业信息的重要渠道,创业主体对信息搜寻受到网络关系以及网络信任的影响,创业主体在信息搜寻过程中更倾向于高信任度的网络个体。本文从创业网络的关系信任出发分析了创业网络中创业主体的信息搜寻行为,并根据蚁群理论提出了信息搜寻模型;同时从创业网络层面分析了信任中介在促进和优化创业网络中信息流动的作用。 相似文献
28.
刘维林 《北京交通大学学报(社会科学版)》2012,(3):57-62
集装箱国际多式联运由于涉及多方式的运输过程和节点上的方式转换,相较于一般运输网络具有更高的复杂性。针对多式联运的特殊网络结构进行模型设计,并通过动态蚁群算法的设计提高模型的寻优能力,以天津港到墨西哥城的实际数据为算例进行实证分析,从而为多式联运网络问题提供可操作的优化方法。 相似文献
29.
功耗管理是可穿戴计算系统低功耗设计的一个重要手段。该文提出了一种基于蚁群算法的可穿戴计算机动态电源管理方法,通过自适应的优化功耗切换时间,在基本保证系统实时性能的条件下,能有效地减小系统各模块的平均功耗,延长系统的工作时间。仿真结果证明了其有效性。 相似文献
30.
来自非原产地的龙井茶已经严重影响了原产地茶叶的信誉与销售。为了减弱这种影响,文章提出了一种蚁群聚类算法应用在茶叶等级分类识别上,因为相对于其他算法,蚁群聚类分析对未知分类的茶叶实行自动分类更有优势。为综合分析茶叶的特性,采集了3个等级的茶叶,每个级别有60组样品,然后提取每个样品的图像和光谱特征共16个参数,将180组样品先自动随机分类。最后利用蚁群聚类分析算法实现样品自动归类。结果发现,与原分组比较后,基于蚁群聚类分析算法的分类识别率达到了92.2%。这表明利用蚁群聚类分析对未知茶叶等级分类是可行的。 相似文献