基于优化蚁群算法的装备调拨决策系统研究与设计.pdf

基于优化蚁群算法的装备调拨决策系统研究与设计.pdf

ID:53570577

大小:727.81 KB

页数:5页

时间:2020-04-18

基于优化蚁群算法的装备调拨决策系统研究与设计.pdf_第1页
基于优化蚁群算法的装备调拨决策系统研究与设计.pdf_第2页
基于优化蚁群算法的装备调拨决策系统研究与设计.pdf_第3页
基于优化蚁群算法的装备调拨决策系统研究与设计.pdf_第4页
基于优化蚁群算法的装备调拨决策系统研究与设计.pdf_第5页
资源描述:

《基于优化蚁群算法的装备调拨决策系统研究与设计.pdf》由会员上传分享,免费在线阅读,更多相关内容在应用文档-天天文库

1、第26卷第1期军械工程学院学报Vol26No12014年2月JournalofOrdnanceEngineeringCollegeFeb.2014doi:103969/jissn10082956201401002基于优化蚁群算法的装备调拨决策系统研究与设计李玺,陈立云,高秀峰,申吉红(军械工程学院信息工程系,河北石家庄050003)摘要:将蚁群算法和遗传算法应用于装备调拨决策系统,实现了装备调拨决策信息的生成.同时利用遗传算法对蚁群算法的参数进行了优化,实验证明优化后的蚁群算法在平均路径长度、算法平均执行时间和总执行时间上较传统蚁群算法都有一定

2、程度的改进.关键词:蚁群算法;遗传算法;调拨决策中图分类号:TP391文献标识码:A文章编号:10082956(2014)01000504ResearchandDesignonDecisionMakingSystemforEquipmentDistributionBasedonAntColonyOptimizationAlgorithmLIXi,CHENLiyun,GAOXiufeng,SHENJihong(InformationEngineeringDepartment,OrdnanceEngineeringCollege,Shijiazhuan

3、g050003,China)Abstract:Theantcolonyalgorithmandgeneticalgorithmareappliedtodecisionmakingsystemforequipmentdistributionandthegenerationofdecisioninformationforequipmentdistributionisachieved.Atthesametime,geneticalgorithmisusedtooptimizetheparametersofantcolonyalgorithm,andtheexper

4、imentsshowthattheoptimizedantcolonyalgorithmisbetterthanthetraditionalantcolonyalgorithmintheaveragepathlength,theaveragealgorithmexecutiontimeandthetotalexecutiontime.Keywords:antcolonyalgorithm;geneticalgorithm;decisionmakingofdistribution冷兵器时代,人是决定战争胜负的绝对因素;现持是关键的内容.主要解决的问题是当有装备

5、调度代战争中,装备所起的作用越来越重要,在某些情况需求出现时,如何综合考虑路况、距离、仓储情况等下甚至超过人的因素.如何保证装备合理的储备和信息选择最优的装备运送调度方案.这个问题可以及时的供应,无疑成为影响战场胜负的关键因素,本描述为:有某一个被保障点需要获取多种装备,多个文利用改进蚁群算法和遗传算法结合数字地球平台保障点可以提供其所需装备,被保障点和每个保障构建装备供储决策系统,为决策者合理规划军械装点间都有多条运输道路可以选择,如何在多个保障备储备调拨方案提供辅助决策信息,从而体现“精确点中选择最合适的一个,并选择最优道路运输方案,保障”的军械装备保障思想

6、.如图1所示.针对上述问题可以进行如下分析:需求点需要1装备调拨策略分析多种物资,每种物资均有对应的供应点,需求点与供在系统的实现中,如何为装备调拨建立决策支应点之间是一对多的关系;需求点和某一供应点之收稿日期:20131009;修回日期:20131210基金项目:军队科研计划项目作者简介:李玺(1980-),男,硕士,讲师.主要研究方向:系统仿真.6军械工程学院学报20141装备a、bτij(t+1)=(1-ρ)τij(t)+Δτij,ρ∈(0,1),6装备b(2)装备a、c2k式中;pij(t)为t时刻蚂蚁k由城市i转移到城市j5装备b、d的概率,τ

7、ij(t)为t时刻城市i和城市j之间的信息量,以此来模拟蚂蚁的分泌物,它是蚂蚁寻径的重要[23]依据;allowedk为蚂蚁k下一步允许走过的城4装备a、d市集合,ηij为由城市i转移到城市j的期望程度,α装备c、d3为启发式因子,表示后续蚂蚁在觅食过程中受前边需求点供应点路径蚂蚁的影响程度,这个数值越大,后续的蚂蚁选择同一条路径的可能性就越大,蚂蚁搜索新道路的可能图1装备供储需求示意图性就越小,当这个数值过大时,蚁群算法就会出现局间的道路是多条,道路是多选一的问题.由此,整个部最优解;为期望启发式因子,表示启发式信息在β问题可以分解为两部分.第一部分是需求仓

8、库对某指导蚁群搜索过程中

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。