管理论文基于混沌免疫进化算法的物流配送中心选址方案

《管理论文基于混沌免疫进化算法的物流配送中心选址方案》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于混沌免疫进化算法的物流配送中心选址方案 基于混沌免疫进化算法的物流配送中心选址方案是小柯论文网通过网络搜集，并由本站工作人员整理后发布的，基于混沌免疫进化算法的物流配送中心选址方案是篇质量较高的学术论文，供本站访问者学习和学术交流参考之用，不可用于其他商业目的，基于混沌免疫进化算法的物流配送中心选址方案的论文版权归原作者所有，因网络整理，有些文章作者不详，敬请谅解，如需转摘，请注明出处小柯论文网，如果此论文无法满足您的论文要求，您可以申请本站帮您代写论文，以下是正文。 　　[摘要]电子商务环境下的物流配送中心选址问题是近年来物流研究中的热点。由于它

2、是一个NP难题，较难得到最优解和满意解。本文将混沌免疫进化算法用于解决该问题。混沌免疫进化算法具有较好的全局搜索能力和收敛性，能够较好的解决该类复杂系统的优化问题。 　　[关键词]物流配送中心选址混沌免疫进化算法多目标优化 　　 　　一、物流配送中心选址多目标优化模型 　　1.上层模型。上层规划为决策部门在允许的固定投资范围为，确定最佳的新选物流中心的地点以使总成本最小。具体模型如下： 　　令A=A1∪A2为所有物流中心地点的集合,A1为已有物流中心的集合，A2为新增物流中心的集合。 　　 　　式中:Cij(.)—第i个客户由j地点的物流中心提供服务的单位运量的广义费用

3、；Xij—第i个客户在j地点的物流中心得到满足的需求量；fj—在j(j∈A2)地建物流中心的固定投资；B—修建物流中心的总投资预算；Yj—0-1变量，在j(j∈A2)地建物流中心时，此值为1，否则为零。 　　2.下层模型。下层规划(L)描述了在多个物流中心存在的条件下，客户需求量在不同物流中心之间的分配模式，它的目标是使每个客户的费用最低。下层规划为： 　　 　　M为充分大的正数,ε为充分小的正数,sj为j地的物流中心的供应能力，Wi为客户点i的总需求量。 　　一般来说，求解双层规划问题是非常困难的，原因之一就是由于双层规划问题是一个NP-hard问题，解答这类问题需要

4、相当长的计算时间，这里采用混沌免疫算法来求解。 　　二、混沌免疫进化算法 　　本文在结合混沌优化算法和免疫进化算法各自特点的基础上，提出一种混沌免疫进化算法。该算法不仅能更好地保持种群的多样性，而且收敛速度快，搜索能力强。 　　1.混沌映射和混沌挠动方式的确定,本文采用常用的Logistic映射: 　　(3) 　　式中，0≤t(k)≤1，当取μ＝4时，系统完全处于混沌状态，其混沌空间为[0,1]。不动点为0．25，0．5，0．75。 　　对于随机扰动的确定，令(4) 　　其中；β*为当前最优值映射到[0，1]区间后形成的向量，称为最优混沌向量；βk为迭代k次后的混沌向量

5、；βk’为施加随机扰动后的混沌向量；0<α

6、X0＝，满足约束条件的可行解个体计数j=0。②个体随机生成。③判断生成的候选解x是否为可行解，若是可行解，则x并入X0中，即X0←x，且计数器增加1，j←j＋1，转步骤(4);若不是可行解，则放弃生成的x，转步骤。④判断计数器计数j是否达到N0，若达到，则结束种群初始化，转步骤③，否则转步骤(2)继续。 　　(3)进化开始：载入抗原，根据目标函数计算每个抗体的聚合适应度(聚合适应度的具体计算见公式，并按升序排列，令进化代数T=1。 　　(4)克隆选择：选取序列前N个个体形成种群Xs，用于克隆。 　　(5)克隆扩增操作：对种群Xs中的每个个体，按照Nη倍进行克隆扩增，得到

7、种群Xc。 　　(6)抗体突变操作：对种群Xc中的每个个体进行突变操作，得到种群Xm。 　　(7)对种群Xm中的个体进行可行解审查，合格的个体组成种群X，m，并计算其亲和度。 　　(8)父代样本X0和X，m组成新的种群X0←X，m，并按照亲和度重新排序。 　　(9)记忆细胞的形成：重新选择序列的前N0个个体作为子代种群X0，并把前NM个个体记为记忆细胞种群XM。 　　(10)混沌优化：对种群XM中的每个记忆细胞进行混沌优化操作。 　　终止条件判断：判断进化是否到达指定代数，若到达，输出记忆细胞种群中最小亲和度作为最优解，对应的个体为最优点