基于人工免疫算法和模拟退火TSP的城市物流空中配送模式优化研究

本文针对城市区域内物流配送系统,研究了基于人工免疫算法和模拟退火TSP的方法的优化配送模式。以城市建成区为例,利用初选的34个空中载运地面基站,确定各备选基站负责范围内人口数量,结合具有GPS定位远程控制功能的空中载运工具,建立了11个空中载运地面站点,以所选站点为基础,结合模拟退火TSP规划方法确定配送中心空中载运工具飞行路径,可达到中心空中载运工具与各站点空中载运工具系统性结合配送的目的。根据模式的需求,建立了空中载运工具远程控制系统和站点交叉协调系统,可实现物流配送时间最短、多点同时、提高配送效率的目标。

求解TSP的改进模拟退火算法研究

通过分析传统SA算法原理和存在的不足,提出三种改进:增加记忆功能,避免遗失当前最优解;设置稳定抽样判定条件,保证全局搜索能力。提供7种扰动机制,提高结果改进效果。设计对比实验验证各种改进,分析出较好参数配置,构造较理想的改进SA算法。经过国际公认的TSPLIB提供的实验数据的验证,改进算法在性能上比GA和传统的SA算法均有较大提高。

一种改进的万有引力搜索算法——TSP问题为例

本文旨在找到一种改进的万有引力搜索算法,快速准确解决组合优化问题,以最小旅行距离为目标的经典商人旅行问题为例,使用实数编码,并将连续数值区间的位置变量映射到离散的组合排序,即可行的旅行方案;为了有效地避免算法陷入局部最优解,使用模拟退火算法进行局部扩展搜索,进一步提高解的质量;最后通过仿真对比,得出结合模拟退火算法的万有引力搜索算法具有收敛速度快,精度高的特点这一结论。

改进的遗传算法在TSP中的应用

分析了遗传算法和模拟算法的主要优缺点,提出一种用于求解旅行商问题(TSP)的改进遗传算法,该算法有效地将遗传算法和模拟退火算法相结合,在很大程度上缩短了算法的搜索时间;利用MATLAB对多种TSP问题进行仿真研究,实验结果证明了改进的遗传算法的有效性。

埃博拉病情的发展预测和最优药物运送系统的探究（英文）

目的研究埃博拉出血热的病情发展规律,提出可行的药物配送系统方案。方法根据2015年美国大学生数学建模竞赛A题的题目—消除埃博拉,建立SIR流行病模型预测该疾病的发展。根据2015年2月6日WHO的非洲各地区患病情况的数据,在疫区地图上选取了36个有感染者的地区并将其坐标位置标记出来,通过基于模拟退火的TSP(Traveling Sales Man Problem)算法研究药物配送系统。通过分析来自2015年2月6日WHO的非洲各地区患病情况的数据,建立以上两个模型在Matlab 7.0中运行,从而寻找一条花费最少运输路径最短的最优路径。结果 SIR传染病模型可以表示感染者的数目随着时间的关系,显示感染者与易感人群之间的数量变化关系;还可以分别预测感染者与易感者的数量变化趋势。根据基于模拟退火算法的TSP模型,在药物配送系统中可以找到一条花费最少、运输路径最短的最优路径,最优路径的最短距离为2 565.321 km,弗里敦(塞拉利昂的首都)和凯鲁阿内(位于几内亚)是物流分配中心,根据药物配送系统的制定规则,其他的地区将分别从这两个城市开始一个接一个有序地收到药品。结论隔离是阻止埃博拉病毒传播最有效的措施。只有将病人隔离和最短的药物运送路径结合起来才能有效地预防埃博拉疫情。