基于改进粒子群算法的生鲜农产品配送路径优化研究

以生鲜农产品在途时间最短、配送成本最低为优化目标,构建了农产品配送路径优化问题的模型,采用基于局部精益搜索策略的改进粒子群算法求解该问题。通过仿真实验表明,改进粒子群算法是农产品配送路径优化问题的一种有效方法,对于提高农产品配送效率,降低配送成本有重要的现实意义。     

基于B2C环境下的生鲜农产品物流配送路径优化分析

基于B2C环境下的生鲜农产品物流配送路径优化,能为其可持续发展提供帮助,也会促使其工作质量的提升。所以需要基于现状的分析,给出优化措施。     

基于改进蜂群算法的模糊需求冷链物流车辆路径优化

针对基本人工蜂群算法容易早熟收敛等问题,提出了3种邻域生成策略,并对当前解进行局部搜索和进化。仿真试验表明,该算法在求解相关问题上具有有效性,对求解用户模糊需求下的冷鲜品冷链物流车辆路径优化问题具有一定的参考价值。     

生鲜农产品车辆和无人机组合配送路径优化及效果测试

【目的】为提升生鲜农产品的配送效率,提出生鲜农产品车辆与无人机组合配送路径优化方案。【方法】按照生鲜农产品冷链配送体系要求,采用模糊K-means聚类方法确定生鲜农产品配送中心;定义配送中心位置为车辆和无人机组合配送的起点,以生鲜农产品配送总成本最小为目标函数,利用蚁群算法和无人机物流车协调配送算法求解上述构建的目标函数,获取最低配送总成本的配送路径规划结果;引入安全启发函数优化蚂蚁转移规则,获取安全最高的无人机最优配送路径。再按照该方法,将生鲜农产品按照质量划分为重件和轻件,并计算重件和轻件在配送过程中产生的成本,获取在不同的总配送生鲜农产品快件数量下,优化前与优化后的配送成本。【结果】效果测试表明,该方法具有良好的聚类效果,簇类凝聚度(Davies-Bouldin, DB)指数值均低于0.15,可合理选取配送中心,保证配送中心的覆盖程度。并且通过对比该方法应用前后的数据对比可知,应用前重件和轻件的配送成本明显更高于应用后的成本。【结论】该方法可以更高质量地完成车辆和无人机组合配送路径规划,能够显著降低生鲜农产品的配送总体成本,应用效果满足应用需求,提升配送效率。     

基于最短路径算法的农产品配送路径优化研究

最短路径算法不仅具有重要的理论意义,而且具有重要的实用价值,它应用于交通运输、设备更新、线路设计等各方面。本文介绍了Dijkstra算法,并针对衡水市某区域蔬菜农产品配送到小区超市要求路线最短问题,建立数学模型给出最佳方案。     

基于蚁群算法鲜活农产品配送路径优化研究

通过构建时间惩罚函数和变质函数建立了针对鲜活农产品配送路径优化模型。运用改进的最大最小蚂蚁算法来求解该问题。最后通过一个实例验证以上模型以及算法可以有效地优化鲜活农产品配送路线。     

基于改进蚁群算法的冰鲜水产品配送路径优化方法研究

为研究冰鲜水产品最优配送路径的优化方法,在传统蚁群算法基础上提出一种改进的蚁群算法,先后分别采用局部最优和全局最优两种方式对传统蚁群算法的信息素更新方式加以扩大至最优解寻觅范围,并对启发因子的函数定义范围加以扩展至初始节点,利用2-opt算法进行局部优化。实例仿真结果表明,在相同配送条件下,改进后的蚁群算法与避圈法、传统蚁群算法相比较,其配送时间分别缩短31.64%和8.15%,其配送路径长度分别缩短21.89%和16.94%。研究表明,改进的蚁群算法可用于冰鲜水产品最优配送路径的计算,该方法可在实际应用中有效提高冰鲜水产品的物流运输效率。     

基于改进蚁群算法的冰鲜水产品配送路径优化方法研究

为研究冰鲜水产品最优配送路径的优化方法,在传统蚁群算法基础上提出一种改进的蚁群算法,先后分别采用局部最优和全局最优两种方式对传统蚁群算法的信息素更新方式加以扩大至最优解寻觅范围,并对启发因子的函数定义范围加以扩展至初始节点,利用2-opt算法进行局部优化。实例仿真结果表明,在相同配送条件下,改进后的蚁群算法与避圈法、传统蚁群算法相比较,其配送时间分别缩短31.64%和8.15%,其配送路径长度分别缩短21.89%和16.94%。研究表明,改进的蚁群算法可用于冰鲜水产品最优配送路径的计算,该方法可在实际应用中有效提高冰鲜水产品的物流运输效率。     

基于人工蜂群算法的负荷频率控制仿真研究

针对煤矿两区域互联再热火力发电系统中的负荷频率控制（LFC）问题,提出了一种人工蜂群算法的多目标优化实现方法。采用人工蜂群算法和加权和方法,将多目标优化转化为复合目标函数,依据系统负荷变化利用加权和方法对复合目标函数做归一化处理,实现了两区域 PID 控制器增益同步调谐,获得了频率响应的调节时间和超调量达到最佳折中条件。仿真结果表明,该方法简单、有效,在不同的运行条件情况下具有良好的鲁棒性。     

基于人工蜂群算法优化的SVM管道风险评估

管道风险评估是管道风险管理的重要组成部分,其目的是通过对风险的调查和分析,识别可能导致管道事故的重要因素,使得管道风险管理更加科学化。为了对管道日常运行状态风险进行准确评估,提出了一种利用人工蜂群算法优化的支持向量机(Support Vector Machine,SVM)管道安全风险评估方法:建立管道风险评估模型,从工艺运行角度收集成品油管道、正反输原油管道、掺混输送原油管道的工艺运行特征,并形成样本特征集合。对这4种类型管道的特征集合进行试验验证,结果表明:在小样本情况下,采用基于人工蜂群算法优化的SVM管道风险评估方法正确率较高,并具有良好的普适性,能够根据管道实际运行状态给出正确的风险评估结果。(图3,表1,参21)     

基于遗传算法的生鲜农产品库存控制的应用

根据生鲜农产品保鲜期短的特点,分析了合理库存的重要性;从满足消费的需求出发,建立了生鲜农产品配送中心的库存控制优化模型,并结合实例,采用二进制编码的遗传算法对模型进行求解;运用VB编写相应的求解程序,库存费用节省了2.32%,实现了库存控制的合理性.     

改进粒子群优化算法的果园割草机作业路径规划

为提高果园割草机的工作效率,降低作业成本,提出一种改进粒子群优化算法(Improved particle swarm optimization,IPSO)以解决矩形果园环境下的割草机作业路径规划问题。对苹果园割草场景下的作业路径特点进行分析,将路径规划问题转化为割草机作业行的调度排优问题,考虑多种转弯策略,以总转弯距离最小为优化目标,采用粒子群优化算法(Particle swarm optimization,PSO)求解最佳的作业行序列。为增强粒子群的寻优能力,使用随搜索进程非线性动态变化的算法参数及粒子扰动策略对PSO算法进行改进,通过仿真试验及实地试验进行验证。结果表明:1)6种不同作业行数下,与PSO算法相比,IPSO算法收敛速度减慢,算法耗时平均增加约1.0~2.5 s,但均能找到总转弯距离更少的作业路径,总转弯距离减少率为7.52%~32.72%;2)不同割草机参数(作业幅宽、最小转弯半径)下,与PSO算法相比,IPSO算法均能找到总转弯距离更少的作业路径;3)在果园环境与割草机机型确定的实际作业情况下,与传统方法和PSO算法相比,IPSO算法均能找到油耗更小的作业路径,节省油耗分别为 22.51%和1.57%。     

基于改进蚁群算法的易腐农产品配送路径规划研究

为了使易腐生鲜类农产品在复杂交通环境能够快速找到最优移动路径,进行考虑包括时间、油耗、罚没成本等因素在内的多目标配送,从而对综合成本与新鲜度保障进行平衡,提出了在传统蚁群算法的基础上改进转移规则,并加入含时间启发因子的影响函数。通过算例仿真,证明了改进蚁群算法的有效性和合理性,其降低了复杂程度,优化了传统蚁群算法容易陷入局部最优的问题,提升了迭代运算的收敛速度,同时降低了配送的综合成本。     

基于蚁群算法的配电网络重构模型及其应用

采用一种可用于求解一般形式的非凸、非线性约束优化问题的蚁群算法,以求解配电网络重构问题。该算法运用了正反馈、分布式计算和贪婪式启发搜索,不依赖于各种初始参数,不易陷于局部最优。通过算例分析表明,与现有各种方法相比,该算法具有适应性好、计算效率高、优化效果好的优点。     

基于改进蚁群算法的供水管网优化计算

【目的】以供水特点为基础建立相应的数学模型,优化选择供水中的管网路径。【方法】利用改进的蚁群算法,对供水管网进行优化选择,在选择策略上,以初始节点引入的虚拟路径距离为基础,对启发信息进行归一化处理,并利用全局策略进行优选节点的概率选择;在更新策略上,利用信息素的局部和全局更新,并结合蚂蚁数量自适应调整及增加随机干扰进行改进;最后以巴家咀水库为对象,利用基本蚁群算法和改进蚁群算法进行优化计算并比较。【结果】利用改进的蚁群算法进行计算时,所得的平均路径、最短路径、最差路径、平均迭代次数和总成本分别为139.635 5km、138.214 7km、142.301 9km、314次和11.32亿元,而基本蚁群算法分别为145.042 1km、140.582 7km、149.215 5km、638次和11.51亿元,改进蚁群算法各项计算指标均优于基本蚁群算法。【结论】改进的蚁群算法可以提高全局搜索能力和收敛速度,能快速有效地获得供水路径的最优解或近似最优解,可以为管道供水路径的优化选择提供参考。     

基于群体智能的农产品虚拟物流企业组织研究

面对我国农产品生产及相关产业的快速发展,研究适应我国农产品物流需求变化趋势的物流企业组织模式非?乔 常必要.利用因果关系图分析了发展农产品虚拟物流企业的适宜性;提出了一种基于群体智能的农产品虚拟物流业务成员行为分析算法,用于对农产品物流业务合作伙伴进行选择;然后探讨了农产品虚拟物流企业的构建,从而为我国农产品物流的良性发展提供了一种可操作模式,对我国新农村建设中物流效率的提高有一定帮助.     

基于记忆模拟退火和A*算法的农业机器人 遍历路径规划

【目的】解决农业机器人大田作业时遍历路径规划的问题。【方法】提出一种记忆模拟退火与A*算法相结合的遍历算法。首先通过记忆模拟退火算法搜索出任务最优目标点行走顺序,然后使用A*算法进行跨区域衔接路径规划。【结果】仿真试验结果表明,该算法规划的遍历路径曼哈顿距离比传统模拟退火算法减少了9.4%,遍历路径覆盖率能达到100%,重复率控制为4.2%。【结论】记忆模拟退火通过为传统模拟退火算法增加记忆器,增强了跳出局部最优陷阱的能力,提高了算法所得解的质量。该研究结果可为农业机器人遍历路径规划提供理论基础。     

基于差分量子退火算法的农用无人机路径规划方法

为解决不规则区域内农用无人机植保作业问题,以农用无人机的总飞行距离和多余覆盖率为指标建立模型,将无人机的植保作业航向角作为优化目标,并考虑有障碍物下的情形,采用差分进化算法(different evolution algorithm,DE)与量子退火算法(quantum annealing algorithm,QA)融合的方法对应用模型进行求解,分析算法的执行过程并进行MATLAB仿真试验。结果显示:在设定的不含障碍物农田区域环境下,相较于未规划与差分进化算法规划情况,采用差分量子退火算法(differential evolution algorithm-quantum annealing,DEQA)时无人机总的飞行距离分别减少101.52、73.00 m,转弯路径分别减少43.02、43.10 m,多余覆盖率分别减少22.25%和12.79%;在设定的含障碍物农田区域环境下,相较于未规划与差分进化算法规划情况,采用差分量子退火算法时无人机总的飞行距离分别减少73.24、24.54 m,转弯路径分别减少52.50、12.72 m,多余覆盖率分别减少72.34%、23.52%,其余指标均有所下降。仿真结果表明,采用差分量子退火算法能够完成农田区域路径规划问题,可为农用无人机路径规划提供技术支持。     

一种求解饲料配方问题的蚁群优化算法

文章分析了饲料配方问题现有的求解策略,在常规蚁群系统基础上,给出了蚂蚁在连续空间寻优时的多种具体移动策略,提出了一种用于求解约束化问题的自适应移动策略连续空间蚁群算法,通过设定的收敛因子,来自动调节蚂蚁的移动策略,加快了收敛的速度,同时也避免了早熟的产生。结果表明,该算法在求解饲料配方问题上具有更强的求解能力。