元啟發(fā)式算法在求解現(xiàn)實生活中遇到的復雜組合優(yōu)化問題時,顯示出了它的優(yōu)越性,常見的算法有禁忌搜索、模擬退火、遺傳算法、迭代局部搜索等。這些算法基于局部搜索采用不同的策略使算法逃出局部最優(yōu),其中局部搜索使用的鄰域算子定義了算法搜索空間中各個解之間的鄰接關(guān)系,不適當?shù)泥徲蛩阕訒沟盟阉髯兊脽o效,因此鄰域算子的調(diào)優(yōu)直接影響到元啟發(fā)式算法的性能。為了更好地將算子調(diào)優(yōu)策略與問題的結(jié)構(gòu)特征相結(jié)合,彌補現(xiàn)有算子調(diào)優(yōu)策略的不足,本文試圖基于適應度景觀對元啟發(fā)式算法的鄰域算子進行調(diào)優(yōu)。適應度景觀源于理論生物學,是遺傳學家在利用數(shù)學模型理解生物個體的進化機制時提出的,該模型基于優(yōu)化問題解的基因型、鄰域算子和適應度函數(shù),可以形象地刻畫問題的結(jié)構(gòu)。本文通過度量適應度景觀的特征,憑借適應度景觀分析對鄰域算子進行調(diào)優(yōu)。主要的研究內(nèi)容如下:（1）鑒于物流配送在物流系統(tǒng)中的重要作用,本文以車輛路徑問題為例,基于反轉(zhuǎn)和互換兩種鄰域算子分別建立了車輛路徑問題的適應度景觀模型。（2）結(jié)合車輛路徑問題解的特點,建立了距離空間并定義了相關(guān)的熵,從平均距離、平均步長、自相關(guān)函數(shù)、崎嶇度以及局部最優(yōu)解的適應度等角度,更加全面地度量適... 

【文章來源】：大連海事大學遼寧省 211工程院校

【文章頁數(shù)】：81 頁

【學位級別】：碩士

【部分圖文】：

圖３．１車輛路徑問題算例結(jié)點分布??Ｆｉｇ．?３．１?Ｎｏｄｅｓ?ｄｉｓｔｒｉｂｕｔｉｏｎ?ｏｆ?Ｖｅｈｉｃ?

?基于適應度景觀的元啟發(fā)式算法算子調(diào)優(yōu)策略研宄???隨機選擇Ｉ??親代?１?２?３?４?５?６?｜?７?｜?８?［７￣??子代?１２７４５６３８９??圖３．４互換算子??Ｆｉｇ．?３．４?Ｓｗａｐ?Ｏｐｅｒａｔｏｒ??反轉(zhuǎn)算子在個體的基因型上任意選擇兩個切入點截取一段基因，然后將該段所含元??素的順序反轉(zhuǎn)，在車輛路徑問題中即反轉(zhuǎn)兩個插入點之間的路線上客戶結(jié)點的訪問次序，??重新插入形成子代個體，如圖３．５所示。與互換算子類似，反轉(zhuǎn)算子的鄰域大小同樣為??Ｎ（Ｎ?－?１）／２。??隨機截�。�??親代?１２３４５６７８９??子代?１２６５４３７８９??圖３．５反轉(zhuǎn)算子??Ｆｉｇ．?３．５?Ｉｎｖｅｒｓｅ?Ｏｐｅｒａｔｏｒ??３．?５本章小結(jié)??本章首先對ＶＲＰ問題進行了簡要介紹，闡述了包括組成要素，約束條件和目標函??數(shù)在內(nèi)的三個明顯特征，接著對車輛路徑問題變體做了大概的分類，以及其的常用解決??算法在第一節(jié)末尾進行了羅列。第二小節(jié)利用數(shù)學語言對帶有容量約束的車輛路徑問題??進行了建模，確定了車輛路徑問題解的目標函數(shù)。接著，第三小節(jié)對文章所使用算例的??數(shù)據(jù)來源做了說明并給出了各個節(jié)點的位置圖示。為了完整地建立適應度景觀模型，本??章最后對本文使用的編碼方式和鄰域算子進行了說明。??－２６?－??

圖４．１距離的分布??Ｆｉｇ．?４．１?Ｄｉｓｔｒｉｂｕｔｉｏｎ?ｏｆ?Ｄｉｓｔａｎｃｅ??另外，Ｐｓ中熵的值明顯要高于Ｐｉ

【參考文獻】：
期刊論文
[1]混沌擾動模擬退火蟻群算法低碳物流路徑優(yōu)化[J]. 張立毅,王迎,費騰,周修飛.  計算機工程與應用. 2017(01)
[2]需求可拆分車輛路徑問題的三階段禁忌算法[J]. 熊浩,鄢慧麗.  系統(tǒng)工程理論與實踐. 2015(05)
[3]帶軟時間窗整車物流配送路徑優(yōu)化研究[J]. 侯玉梅,賈震環(huán),田歆,尉芳芳.  系統(tǒng)工程學報. 2015(02)
[4]車輛路徑問題的快速多鄰域迭代局部搜索算法[J]. 劉萬峰,李霞.  深圳大學學報(理工版). 2015(02)
[5]基于自適應學習群體搜索技術(shù)的集成進化算法[J]. 薛羽,莊毅,許斌,張友益.  系統(tǒng)工程理論與實踐. 2014(02)

博士論文
[1]智能優(yōu)化算法表型空間的動態(tài)行為學分析與應用[D]. 王莽.中國科學技術(shù)大學 2017

碩士論文
[1]基于增強學習的啟發(fā)式和元啟發(fā)式搜索的參數(shù)調(diào)優(yōu)策略[D]. 劉賽賽.電子科技大學 2016



本文編號：3146597