基于混沌神经网络车辆选径问题优化算法

在混沌神经网络中引入一时变参数控制混沌行为,构造一个具有暂态混沌特性的神经网络.利用解组合优化问题时具有的随机性和确定性并存的优点,提出了混沌神经网络解法,并与HNN算法和SA算法进行比较针,对随机需求的车辆选径问题进行求解.结果表明:寻优性能和收敛效率很强,适用求解车辆选径问题.

供应链中随机需求车辆选径问题的研究

结合供应链的需要给出了允许两次服务失败的数学模型,提出了一种混沌神经网络求解算法,对该问题进行了求解,并与SA算法进行了比较。结果表明该算法具有很强的避免陷入局部极小点的能力,较大地提高了优化的性能和搜索效率,适用于求解车辆选径问题。

车辆路径问题的混沌神经网络解法

利用混沌神经网络在解组合优化问题时具有的随机性和确定性并存的优点,对一类随机需求服从泊松分布的车辆选径问题进行了求解,提出了一种混沌神经网络求解算法,并与平均场退火算法和模拟退火算法进行了比较。结果表明,该算法具有很强的避免陷入局部极小点的能力和较强的全局搜索能力,较大地提高了优化的时间性能和求解质量,是求解车辆选径问题的有效方法。