基于OpenMP的并行蟻群物流調(diào)度算法研究_圖文

1、 基于OpenMP的并行蟻群物流調(diào)度算法研究作者:閻芳, 楊璽, 陳蕾, YAN Fang, YANG Xi, CHEN Lei作者單位:北京物資學(xué)院,信息學(xué)院,北京,101149刊名:物流技術(shù)英文刊名:LOGISTICS TECHNOLOGY年,卷(期:2010,29(7被引用次數(shù):0次參考文獻(xiàn)(5條1.陳國良并行計算結(jié)構(gòu)算法編程(2版 20032.P P Jogalekar.C M Woodside Evaluating the scalability of distributed systems 2000(63.Leventon M.Grimson E.Faugeras O Statis

2、tical Shape Influence in Geodesic Active Contours 20004.OpenMP standards board OpenMP:a proposed industry standard api for shared memory programming5.Cootes T F.Edwards G J.Taylor C J Active Appearance Models 2001(5相似文獻(xiàn)(8條物流過程的調(diào)度是一個組合優(yōu)化問題.通過對幾種經(jīng)典物件分配算法的比較分析,提出了基于蟻群的物件優(yōu)化調(diào)度算法,實現(xiàn)物流過程中物件的動態(tài)分配.蟻群共同測試不同的組

3、合,并選擇一個優(yōu)化的解決方案,采用該方案能夠按時交付更多的訂單,同時也使訂單的延遲變化很小.比較了蟻群算法與其它幾種調(diào)度方法的效率,結(jié)果表明蟻群算法在物流過程中具有良好的性能.供應(yīng)鏈中的物流過程可作為一個調(diào)度問題進(jìn)行研究,物流過程的調(diào)度是一個組合優(yōu)化問題.首先對物流過程進(jìn)行分析,建立物流調(diào)度的數(shù)學(xué)模型,提出了基于自適應(yīng)蟻群優(yōu)化的物件調(diào)度算法,實現(xiàn)供應(yīng)鏈物流過程中物件的動態(tài)分配.最后試驗結(jié)果表明,使用自適應(yīng)蟻群優(yōu)化策略測試不同的訂單組合,得到一個優(yōu)化解決方案,該方案能使盡可能多的定單按時交付,同時也能將訂單的延遲減小.糧食物流調(diào)度是一個組合優(yōu)化問題.用蟻群共同測試不同的組合,并選擇一個優(yōu)化的解決

4、方案,采用該方案能使糧食運輸成本降低.研究及實驗結(jié)果表明蟻群算法在糧食物流調(diào)度中具有良好的性能.糧食物流過程的調(diào)度是一個組合優(yōu)化問題.通過對糧食物流現(xiàn)狀的分析,提出了基于蟻群的物流優(yōu)化調(diào)度算法,實現(xiàn)糧食物流過程中糧食的動態(tài)分配.用蟻群共同測試不同的組合,并選擇一個優(yōu)化的解決方案,采用該方案能夠按時運輸更多的糧食,同時也使糧食運輸成本降低.研究及模擬實驗結(jié)果表明,結(jié)果表明蟻群算法在糧食物流過程中具有良好的性能.5.學(xué)位論文蔡志瑞改進(jìn)的蟻群算法在OKP企業(yè)物流調(diào)度中的應(yīng)用研究2009OKP(one-of-a-kind production,單件生產(chǎn)模式已成為制造業(yè)的一種很有潛力的發(fā)展模式。物流調(diào)度

5、是OKP企業(yè)運作中的一個重要環(huán)節(jié),對提升整個OKP企業(yè)的競爭力、增加其經(jīng)濟(jì)效益有著十分重要的影響。它是一類具有資源約束的組合優(yōu)化問題,屬于NP難問題,難以用常規(guī)優(yōu)化方法求解。而算法研究是物流調(diào)度問題的一個重要的研究內(nèi)容。蟻群算法(Ant colony optimization,ACO是一種新型的模擬進(jìn)化算法,其原理在于用蟻群在搜索食物源的過程中所體現(xiàn)出來的尋優(yōu)能力來解決一些離散系統(tǒng)優(yōu)化中的困難問題。它的出現(xiàn)受到了各界學(xué)者的廣泛關(guān)注。本文應(yīng)用基本蟻群算法和兩種改進(jìn)型蟻群算法求解OKP企業(yè)的物流調(diào)度問題。首先對OKP生產(chǎn)模式的基本內(nèi)容進(jìn)行了描述,總結(jié)了以前對物流調(diào)度問題的各種求解方法,構(gòu)建了OKP

6、企業(yè)物流調(diào)度模型。然后介紹了蟻群算法的理論基礎(chǔ),分析了各參數(shù)對算法性能的影響,提出了基于參數(shù)改進(jìn)的蟻群優(yōu)化算法和避免其陷入局部最優(yōu)這一不足的自適應(yīng)蟻群算法。最后設(shè)計了應(yīng)用于求解OKP企業(yè)物流調(diào)度問題的基本蟻群算法、蟻群優(yōu)化算法和自適應(yīng)蟻群算法,通過仿真實驗對其進(jìn)行了實現(xiàn)并驗證了其應(yīng)用的可行性和有效性。經(jīng)本論文研究證明,在求解OKP企業(yè)物流調(diào)度問題時,蟻群優(yōu)化算法和自適應(yīng)蟻群算法的性能都優(yōu)于基本蟻群算法,且自適應(yīng)蟻群算法的性能最優(yōu)。2009,32(5本研究分析了揀選作業(yè)路徑調(diào)度,提出了以吞吐量為目標(biāo)的解決方案,在比較了多種算法之后,設(shè)計一種新型的啟發(fā)式算法聰明蟻群算法來進(jìn)行作業(yè)路徑調(diào)度。8.學(xué)位

7、論文丁秀明基于蟻群優(yōu)化的供應(yīng)鏈調(diào)度算法研究物流調(diào)度算法研究2008隨著市場經(jīng)濟(jì)的發(fā)展,信息化、智能化技術(shù)的提高,供應(yīng)鏈管理技術(shù)也得到了飛速的發(fā)展。物流過程是供應(yīng)鏈管理過程的子過程,物流過程中的物會效益具有重要意義。供應(yīng)鏈物流過程中的物件分配調(diào)度問題是一個組合優(yōu)化問題,目前解決該問題的方法比較簡單,并有其各自的局限性,而新型的仿生算法-蟻群算法,具有正反饋性、魯棒性、并行計算、協(xié)同性等特點,非常適合于解決該調(diào)度問題,并順應(yīng)算法向智能化、仿生化發(fā)展的趨勢。本文研究了蟻群算法(AntColonyoptimization,ACO在TSP問題中的應(yīng)用,深入研究分析了改進(jìn)的蟻群算法。通過對物流過程的分析,建立物流過程的模型,深入分析問題的特點,將蟻群算法應(yīng)用到物流調(diào)度領(lǐng)域中,建立適合于蟻群算法的調(diào)度模型,提出了基于蟻群優(yōu)化的物流調(diào)度算法,實現(xiàn)供應(yīng)鏈物流過程中物件的動態(tài)分配,并進(jìn)行仿真研究以評價所提出方法的有效性。本文針對蟻群算法早熟停滯、收斂速度慢等不足,提出了針對物流調(diào)度問題的改進(jìn)策略。仿真結(jié)果表明,使用改進(jìn)的蟻群優(yōu)化策略測試不同的訂單組合,能得到一個優(yōu)化解決方案,該方案能使盡可能多的定單按時交付,同時也能將訂單的延遲減小,提高了算法的運算效率。最后,本文還