前端規(guī)劃：物流系統(tǒng)群智能優(yōu)化方法

第1章緒論
1.1引言
1.2物流系統(tǒng)
1.2.1物流系統(tǒng)的概念
1.2.2物流系統(tǒng)的優(yōu)化
1.3選址問題
1.3.1物流配送中心選址的背景及其意義
1.3.2物流配送中心選址的研究現(xiàn)狀
1.3.3物流配送中心的概念與原則
1.3.4物流配送中心選址的決策程序
1.3.5物流配送中心選址的分類
1.4車輛路徑問題
1.4.1車輛路徑問題的研究背景及意義
1.4.2車輛路徑問題的定義及分類
1.4.3車輛路徑問題的求解方法
參考文獻(xiàn)
第2章群智能算法
2.1群智能思想起源
2.2群智能基本概念
2.3群智能算法模式綜述
2.3.1微粒群優(yōu)化算法
2.3.2蟻群優(yōu)化算法
2.3.3人工蜂群算法
2.3.4細(xì)菌覓食算法
2.3.5螢火蟲算法
參考文獻(xiàn)
第3章蝙蝠算法及其改進(jìn)
3.1引言
3.2算法生物學(xué)原理
3.3蝙蝠算法
3.4算法研究現(xiàn)狀
3.5一種動態(tài)調(diào)整慣性權(quán)重的自適應(yīng)蝙蝠算法
3.5.1算法的基本思想
3.5.2算法的改進(jìn)策略
3.5.3改進(jìn)后算法的流程
3.5.4數(shù)值仿真與分析
3.6融合均勻變異與高斯變異的蝙蝠優(yōu)化算法
3.6.1算法的基本思想
3.6.2算法的改進(jìn)策略
3.6.3算法流程
3.6.4數(shù)值仿真與分析
3.7本章小結(jié)
參考文獻(xiàn)
第4章布谷鳥算法及其改進(jìn)
4.1引言
4.2布谷鳥算法的生物學(xué)原理
4.2.1布谷鳥的巢寄生行為
4.2.2萊維飛行
4.3布谷鳥算法
4.4布谷鳥算法的研究現(xiàn)狀
4.5改進(jìn)的布谷鳥算法（DWCS）
4.5.1非線性慣性權(quán)重對數(shù)遞減策略
4.5.2動態(tài)慣性權(quán)重系數(shù)的變化范圍對函數(shù)優(yōu)化效果的影響
4.5.3隨機調(diào)整的發(fā)現(xiàn)概率策略
4.5.4DWCS算法的流程
4.6仿真實驗
4.6.1測試函數(shù)
4.6.2測試環(huán)境和算法參數(shù)的確定
4.6.3算法比較
4.6.4收斂曲線分析
4.7本章小結(jié)
參考文獻(xiàn)
第5章物流機器人路徑規(guī)劃
5.1物流機器人
5.1.1AGV機器人
5.1.2碼垛機器人
5.1.3分揀機器人
5.2路徑規(guī)劃
5.3具有反向?qū)W習(xí)和正切隨機探索機制的蝙蝠算法（PTRBA）
5.3.1動態(tài)擾動系數(shù)
5.3.2正切隨機探索機制
5.3.3反向?qū)W習(xí)選擇策略
5.3.4PTRBA算法流程
5.4PTRBA基于三次樣條插值實現(xiàn)機器人路徑規(guī)劃
5.4.1三次樣條插值
5.4.2編碼
5.4.3構(gòu)建適應(yīng)度函數(shù)
5.4.4算法流程
5.4.5求解機器人全局路徑規(guī)劃的仿真實驗
5.5本章小結(jié)
參考文獻(xiàn)
第6章車輛路徑問題
6.1CVRP定義及數(shù)學(xué)模型
6.2DTBA求解CVRP
6.2.1CVRP求解思想
6.2.2改進(jìn)蝙蝠算法（DTBA）的基本思想
6.2.3解的編碼
6.3算例求解
6.3.1CVRP算例一
6.3.2CVRP算例二
6.3.3CVRP算例三
6.3.4CVRP算例四
6.4本章小結(jié)
參考文獻(xiàn)
第7章物流配送中心選址
7.1單配送中心選址模型及求解
7.1.1單配送中心選址的定義及相關(guān)概念
7.1.2基于重心法選址模型的單配送中心選址模型
7.1.3單配送中心選址算例求解
7.2多配送中心選址模型及求解
7.2.1多配送中心選址的定義及相關(guān)概念
7.2.2基于CFLP模型的多配送中心選址模型
7.2.3基于DWCS的多配送中心選址求解流程
7.2.4多配送中心選址算例求解
7.3本章小結(jié)
參考文獻(xiàn)
重要術(shù)語索引