基于OpenMP的并行蚁群物流调度算法研究_图文

1、 基于OpenMP的并行蚁群物流调度算法研究作者:阎芳, 杨玺, 陈蕾, YAN Fang, YANG Xi, CHEN Lei作者单位:北京物资学院,信息学院,北京,101149刊名:物流技术英文刊名:LOGISTICS TECHNOLOGY年,卷(期:2010,29(7被引用次数:0次参考文献(5条1.陈国良并行计算结构算法编程(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相似文献(8条物流过程的调度是一个组合优化问题.通过对几种经典物件分配算法的比较分析,提出了基于蚁群的物件优化调度算法,实现物流过程中物件的动态分配.蚁群共同测试不同的组

3、合,并选择一个优化的解决方案,采用该方案能够按时交付更多的订单,同时也使订单的延迟变化很小.比较了蚁群算法与其它几种调度方法的效率,结果表明蚁群算法在物流过程中具有良好的性能.供应链中的物流过程可作为一个调度问题进行研究,物流过程的调度是一个组合优化问题.首先对物流过程进行分析,建立物流调度的数学模型,提出了基于自适应蚁群优化的物件调度算法,实现供应链物流过程中物件的动态分配.最后试验结果表明,使用自适应蚁群优化策略测试不同的订单组合,得到一个优化解决方案,该方案能使尽可能多的定单按时交付,同时也能将订单的延迟减小.粮食物流调度是一个组合优化问题.用蚁群共同测试不同的组合,并选择一个优化的解决

4、方案,采用该方案能使粮食运输成本降低.研究及实验结果表明蚁群算法在粮食物流调度中具有良好的性能.粮食物流过程的调度是一个组合优化问题.通过对粮食物流现状的分析,提出了基于蚁群的物流优化调度算法,实现粮食物流过程中粮食的动态分配.用蚁群共同测试不同的组合,并选择一个优化的解决方案,采用该方案能够按时运输更多的粮食,同时也使粮食运输成本降低.研究及模拟实验结果表明,结果表明蚁群算法在粮食物流过程中具有良好的性能.5.学位论文蔡志瑞改进的蚁群算法在OKP企业物流调度中的应用研究2009OKP(one-of-a-kind production,单件生产模式已成为制造业的一种很有潜力的发展模式。物流调度

5、是OKP企业运作中的一个重要环节,对提升整个OKP企业的竞争力、增加其经济效益有着十分重要的影响。它是一类具有资源约束的组合优化问题,属于NP难问题,难以用常规优化方法求解。而算法研究是物流调度问题的一个重要的研究内容。蚁群算法(Ant colony optimization,ACO是一种新型的模拟进化算法,其原理在于用蚁群在搜索食物源的过程中所体现出来的寻优能力来解决一些离散系统优化中的困难问题。它的出现受到了各界学者的广泛关注。本文应用基本蚁群算法和两种改进型蚁群算法求解OKP企业的物流调度问题。首先对OKP生产模式的基本内容进行了描述,总结了以前对物流调度问题的各种求解方法,构建了OKP

6、企业物流调度模型。然后介绍了蚁群算法的理论基础,分析了各参数对算法性能的影响,提出了基于参数改进的蚁群优化算法和避免其陷入局部最优这一不足的自适应蚁群算法。最后设计了应用于求解OKP企业物流调度问题的基本蚁群算法、蚁群优化算法和自适应蚁群算法,通过仿真实验对其进行了实现并验证了其应用的可行性和有效性。经本论文研究证明,在求解OKP企业物流调度问题时,蚁群优化算法和自适应蚁群算法的性能都优于基本蚁群算法,且自适应蚁群算法的性能最优。2009,32(5本研究分析了拣选作业路径调度,提出了以吞吐量为目标的解决方案,在比较了多种算法之后,设计一种新型的启发式算法聪明蚁群算法来进行作业路径调度。8.学位

7、论文丁秀明基于蚁群优化的供应链调度算法研究物流调度算法研究2008随着市场经济的发展,信息化、智能化技术的提高,供应链管理技术也得到了飞速的发展。物流过程是供应链管理过程的子过程,物流过程中的物会效益具有重要意义。供应链物流过程中的物件分配调度问题是一个组合优化问题,目前解决该问题的方法比较简单,并有其各自的局限性,而新型的仿生算法-蚁群算法,具有正反馈性、鲁棒性、并行计算、协同性等特点,非常适合于解决该调度问题,并顺应算法向智能化、仿生化发展的趋势。本文研究了蚁群算法(AntColonyoptimization,ACO在TSP问题中的应用,深入研究分析了改进的蚁群算法。通过对物流过程的分析,建立物流过程的模型,深入分析问题的特点,将蚁群算法应用到物流调度领域中,建立适合于蚁群算法的调度模型,提出了基于蚁群优化的物流调度算法,实现供应链物流过程中物件的动态分配,并进行仿真研究以评价所提出方法的有效性。本文针对蚁群算法早熟停滞、收敛速度慢等不足,提出了针对物流调度问题的改进策略。仿真结果表明,使用改进的蚁群优化策略测试不同的订单组合,能得到一个优化解决方案,该方案能使尽可能多的定单按时交付,同时也能将订单的延迟减小,提高了算法的运算效率。最后,本文还