前端规划:物流系统群智能优化方法

作者	李煜 著
定价	68.00
出版社	中国经济出版社
出版时间	2020年11月01日
ISBN	9787513662987

章绪论1.1引言1.2物流系统1.2.1物流系统的概念1.2.2物流系统的优化1.3选址问题1.3.1物流配送中心选址的背景及其意义1.3.2物流配送中心选址的研究现状1.3.3物流配送中心的概念与原则1.3.4物流配送中心选址的决策程序1.3.5物流配送中心选址的分类1.4车辆路径问题1.4.1车辆路径问题的研究背景及意义1.4.2车辆路径问题的定义及分类1.4.3车辆路径问题的求解方法参考文献第2章群智能算法2.1群智能思想起源2.2群智能基本概念2.3群智能算法模式综述2.3.1微粒群优化算法2.3.2蚁群优化算法2.3.3人工蜂群算法2.3.4细菌觅食算法2.3.5萤火虫算法参考文献第3章蝙蝠算法及其改进3.1引言3.2算法生物学原理3.3蝙蝠算法3.4算法研究现状3.5一种动态调整惯性权重的自适应蝙蝠算法3.5.1算法的基本思想3.5.2算法的改进策略3.5.3改进后算法的流程3.5.4数值仿真与分析3.6融合均匀变异与高斯变异的蝙蝠优化算法3.6.1算法的基本思想3.6.2算法的改进策略3.6.3算法流程3.6.4数值仿真与分析3.7本章小结参考文献第4章布谷鸟算法及其改进4.1引言4.2布谷鸟算法的生物学原理4.2.1布谷鸟的巢寄生行为4.2.2莱维飞行4.3布谷鸟算法4.4布谷鸟算法的研究现状4.5改进的布谷鸟算法（DWCS）4.5.1非线性惯性权重对数递减策略4.5.2动态惯性权重系数的变化范围对函数优化效果的影响4.5.3随机调整的发现概率策略4.5.4DWCS算法的流程4.6仿真实验4.6.1测试函数4.6.2测试环境和算法参数的确定4.6.3算法比较4.6.4收敛曲线分析4.7本章小结参考文献第5章物流机器人路径规划5.1物流机器人5.1.1AGV机器人5.1.2码垛机器人5.1.3分拣机器人5.2路径规划5.3具有反向学习和正切随机探索机制的蝙蝠算法（PTRBA）5.3.1动态扰动系数5.3.2正切随机探索机制5.3.3反向学习选择策略5.3.4PTRBA算法流程5.4PTRBA基于三次样条插值实现机器人路径规划5.4.1三次样条插值5.4.2编码5.4.3构建适应度函数5.4.4算法流程5.4.5求解机器人全局路径规划的仿真实验5.5本章小结参考文献第6章车辆路径问题6.1CVRP定义及数学模型6.2DTBA求解CVRP6.2.1CVRP求解思想6.2.2改进蝙蝠算法（DTBA）的基本思想6.2.3解的编码6.3算例求解6.3.1CVRP算例一6.3.2CVRP算例二6.3.3CVRP算例三6.3.4CVRP算例四6.4本章小结参考文献第7章物流配送中心选址7.1单配送中心选址模型及求解7.1.1单配送中心选址的定义及相关概念7.1.2基于重心法选址模型的单配送中心选址模型7.1.3单配送中心选址算例求解7.2多配送中心选址模型及求解7.2.1多配送中心选址的定义及相关概念7.2.2基于CFLP模型的多配送中心选址模型7.2.3基于DWCS的多配送中心选址求解流程7.2.4多配送中心选址算例求解7.3本章小结参考文献重要术语索引

算法（algorithms） 是优化物流决策和运营过程，降低物流成本的重要途径和方法。系统优化企业的管理运作，全面综合提高效益、效率，实现组织目标，都离不开算法的运用。 本书系统阐释了群智能算法、蝙蝠算法和布谷鸟算法等近年来盛行算法的基本原理和实用方法；在此基础上，把算法运用于物流机器人路径选择、车辆路径选择和物流配送中心选址方案之中，帮助物流企业和相关物流作业者做出正确的决策规划。