群智能優(yōu)化及其在物流中的應用

定　價：￥98.00

作　者：	李文鋒，梁曉磊著
出版社：	華中科技大學出版社
叢編項：	智能制造與機器人理論及技術研究叢書
標　簽：	暫缺

購買這本書可以去

京東 (￥98.00)

ISBN：	9787568049146	出版時間：	2019-03-01	包裝：	精裝
開本：	16開	頁數：	300	字數：

內容簡介

　　群智能優(yōu)化技術是在自然群體基礎上通過個體協(xié)作實現復雜系統(tǒng)優(yōu)化的一種智能優(yōu)化技術。智能物流系統(tǒng)作為智能制造系統(tǒng)的重要支撐，通過群智能優(yōu)化方法可以有效解決復雜物流優(yōu)化問題，提升問題優(yōu)化效率、降低計算成本，提高對問題的響應效率。本書得到了國家自然科學基金面上項目“基于移動智能體調度的混雜工業(yè)無線傳感器網絡抗毀性研究”（編號：61571336）和青年科學基金項目“面向多移動智能物流資源調度的動態(tài)漸進群集智能優(yōu)化方法研究”（編號：61603280）等項目的資助。在此背景下，開展了關于智能制造發(fā)展背景下若干復雜物流系統(tǒng)優(yōu)化問題的系統(tǒng)研究和實踐。本書詳細介紹了目前群智能優(yōu)化技術的原理、基于自適應和社會網絡的算法性能提升方法，以及群智能優(yōu)化算法在自動化立體倉庫貨位優(yōu)化、冷鏈配送車輛路徑優(yōu)化、云物流下基于協(xié)同庫存的集合覆蓋的選址分配優(yōu)化、集裝箱多式聯(lián)運優(yōu)化和集裝箱船舶貝位配載優(yōu)化等具體實際問題中的應用。本書可幫助高校師生和工程技術人員系統(tǒng)掌握群智能優(yōu)化技術的原理、改進途徑及應用策略，了解群智能優(yōu)化算法國內外新研究進展，掌握工程實際中典型物流問題的建模方法及群智能優(yōu)化方法。本書對推廣、提升智能制造環(huán)境下智能物流系統(tǒng)優(yōu)化和發(fā)展具有重要意義。

作者簡介

　　李文峰，1990年畢業(yè)于華中理工大學機械學院機械學專業(yè)，獲工學碩士學位。2000年畢業(yè)于武漢理工大學機械設計及理論專業(yè)，獲工學博士學位。2003年-2004年瑞典皇家工學院自治系統(tǒng)研究中心訪問學者。2012.7-2012.12美國新澤西理工大學高級訪問學者。2015.7-2015.8美國紐約大學高級訪問學者?，F為武漢理工大學教授，博士生導師，物流工程學院副院長。湖北省跨世紀學術帶頭人，湖北省有突出貢獻的中青年專家，中國人工智能學會智能制造專業(yè)委員會常務委員，中國人工智能學會智能機器人專業(yè)委員會委員，中國物流學會常務理事，湖北省機電一體化學會常務理事，湖北省機械設計與傳動學會常務理事。教育部2006-2010年高等學校物流類專業(yè)教學指導委員會委員，教育部2013-2017年高等學校物流管理與工程類教學指導委員會委員。IEEE 高級會員，IEEE SMC CSCWD和ESMDM的TC成員，中國傳感器網絡學術會議（CWSN）程序委員會委員，IEEE CSCWD、IEEE ICMA、ICLEM、DPMSS等國際會議的組織委員會或程序委員會委員，IEEE CSCWD2012、ICIA2010、ICMA2010、IDCS2014、IDCS2015，以及 CSCWD2015年學術會議的程序委員會協(xié)作主席。

圖書目錄

第1章群智能優(yōu)化理論及其研究與分析/1
1.1群智能優(yōu)化理論/1
1.2典型群智能優(yōu)化算法/4
1.2.1遺傳算法/4
1.2.2粒子群優(yōu)化算法/6
1.2.3蟻群優(yōu)化算法/7
1.2.4細菌覓食優(yōu)化算法/8
1.2.5生物地理優(yōu)化算法/9
1.2.6其他群智能優(yōu)化算法/11
1.3群體行為的復雜網絡與社會網絡分析/12
1.4群智能的種群和拓撲結構/14
1.5群智能優(yōu)化中個體行為控制/16
本章小結/19
第2章具有異構分簇的聚類自適應粒子群優(yōu)化算法/21
2.1基于聚類的自適應粒子群優(yōu)化算法/21
2.1.1基于聚類的種群動態(tài)分割策略/22
2.1.2基于異構簇的自適應調整策略/24
2.2算法流程/25
2.3實驗分析和討論/25
2.3.1實驗設計和Benchmark函數/25
2.3.2實驗1：種群分布度對比分析/27
2.3.3實驗2：算法參數敏感性測試/29
2.3.4實驗3：相同初始值對比測試/30
2.3.5實驗4：相同最大迭代次數對比測試/43
本章小結/51
第3章基于社會網絡演化的動態(tài)拓撲粒子群優(yōu)化算法/52
3.1基于社會網絡演化的粒子群優(yōu)化算法/52
3.1.1群智能中的社會網絡/52
3.1.2子群劃分策略/53
3.1.3基于社會網絡演化的動態(tài)拓撲構建算法/54
3.1.4算法流程/63
3.2算法復雜度分析/64
3.3標準測試函數實驗/64
3.3.1測試函數/64
3.3.2對比算法及其參數/65
3.3.3實驗內容及分析/66
本章小結/76
群智能優(yōu)化及其在物流中的應用目錄第4章基于社會網絡的群體優(yōu)化算法/77
4.1基于社會網絡模型的動態(tài)種群拓撲結構構建/77
4.2擴展式個體鄰域構建/79
4.3個體學習行為調整/81
4.3.1NI中個體學習方式/81
4.3.2RI中個體學習方式/82
4.4算法流程/84
4.5與其他智能算法的比較/86
4.6數值實驗與分析/87
4.6.1實驗設計/87
4.6.2實驗與分析/92
本章小結/115
第5章基于群智能優(yōu)化算法的自動化立體倉庫貨位優(yōu)化/116
5.1貨位優(yōu)化分配問題/116
5.2貨位優(yōu)化分配問題模型/117
5.2.1模型假設/117
5.2.2模型符號說明/117
5.2.3模型構建/118
5.3基于群智能優(yōu)化的貨位分配問題求解/119
5.3.1算法設計/120
5.3.2貨物編碼與貨位編碼/121
5.4汽車零部件貨位優(yōu)化分配實例分析/123
5.4.1模型相關參數說明/123
5.4.2算法相關參數說明/124
5.4.3案例結果分析/124
本章小結/128
第6章冷鏈配送車輛路徑的群智能優(yōu)化/129
6.1冷鏈物流及車輛路徑問題/129
6.1.1冷鏈物流相關概念/129
6.1.2冷鏈物流配送路徑研究/129
6.2冷鏈配送車輛路徑優(yōu)化模型/130
6.2.1模型相關假設和參數/130
6.2.2目標函數構建/131
6.3基于群智能優(yōu)化算法的冷鏈網絡配送模型求解/133
6.3.1群智能優(yōu)化算法搜索——以螢火蟲算法為例/133
6.3.2針對網絡配送問題的個體編碼設計/135
6.4案例分析/137
6.4.1案例/137
6.4.2實驗設計/140
6.4.3結果及分析/141
本章小結/143
第7章云物流下基于協(xié)同庫存的集合覆蓋的選址分配優(yōu)化/144
7.1問題背景分析/144
7.2模型構建和特點分析/144
7.3云物流下選址分配模型的群智能優(yōu)化算法設計/146
7.4基于云物流的汽車零部件供應物流選址分配案例研究/151
7.4.1汽車零部件供應物流的現狀及需求分析/151
7.4.2實驗設計/152
7.4.3云物流下基于協(xié)同庫存的集合覆蓋的選址分配案例/155
本章小結/160
第8章基于群智能優(yōu)化算法的集裝箱多式聯(lián)運優(yōu)化/162
8.1集裝箱多式聯(lián)運問題 /162
8.2多式聯(lián)運基本模型/164
8.3多式聯(lián)運問題編碼及解碼/165
8.3.1全局流量按比例分配/165
8.3.2局部流量調整策略/167
8.3.3帶懲罰的目標函數/168
8.3.4問題求解流程/169
8.4案例分析/169
8.4.1案例/169
8.4.2算法對比設置/171
8.4.3實驗結果分析/171
本章小結/179
第9章集裝箱船舶貝位配載的優(yōu)化/180
9.1集裝箱船舶貝位配載問題/180
9.1.1集裝箱船舶貝位配載問題分類/180
9.1.2集裝箱船舶箱位位置表示/181
9.2集裝箱貝位配載模型/182
9.2.1模型假設/182
9.2.2模型參數及相關變量定義/182
9.2.3模型的目標函數/183
9.3個體編碼方案設計/184
9.3.1基于個體位置排序的裝載順序解碼/184
9.3.2基于規(guī)則的貝位裝載策略/185
9.4個體適應度計算/187
9.5問題求解步驟/187
9.6案例實驗/189
9.6.1案例設計/189
9.6.2對比算法設計/190
9.6.3實驗結果及分析/191
本章小結/200
參考文獻/201