物流系统和智能优化方法课件_第1页
物流系统和智能优化方法课件_第2页
物流系统和智能优化方法课件_第3页
物流系统和智能优化方法课件_第4页
物流系统和智能优化方法课件_第5页
已阅读5页，还剩68页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

物流系统的智能优化方法口课程内容模拟退火算法、遗传算法、禁忌搜索算法神经网络与神经网络优化算法口课程目标了解智能优化的模型结构;理解模拟退火算法的收敛性条件;掌握智能优化的流程、操作、算法理论与技术物流系统优化的智能优化方法为复杂物流管理决策问题提供了重要的可行性解决方案。—模拟退火算法SimulatedAnnealing)1、基本思想(1)是基于Montecarlo迭代求解策略的一种随机寻优算法,其出发点是基于物理中固体物质的退火过程与一般组合优化问题之间的相似性。(2)结合爬山法和随机行走注:SA算法最早是由Metr。polis等(1953)提出模拟退火算法SimulatedAnnealing)(3)模拟退火算法在某一初温下,伴随温度参数的不断下降,结合概率突跳特性在解空间中随机寻找目标函数的全局最优解,即在局部优解能概率性地跳岀并最终趋于全局最优解。模拟退火算法是一种通用的优化算法,目前已在程中得到了广泛应用。—模拟退火算法SimulatedAnnealing)2、物理退火过程和Metropolis准则简单而言,物理退火过程由以下三部分组成①1)加温过程。其目的是增强粒子的热运动,使其偏离平衡位置。当温度足够高时,固体将溶解为液体,从而消除系统原先可能存在的非均匀态,使随后进行的冷却过程以某一平衡态为起点。溶解过程与系统的熵增过程联系,系统能量也随温度的升高而增大。—模拟退火算法SimulatedAnnealing)2等温过程。物理学的知识告诉我们,对于与周围环境交换热量而温度不变的封闭系统,系统状态的自发变化总是朝自由能减少的方向进行,当自由能达到最小时,系统达到平衡态。了)冷却过程。目的是使粒子的热运动减弱并渐趋有序,系统能量逐渐下降,从而得到低能的晶体结构。—模拟退火算法SimulatedAnnealing)Metropolis等在1953年提出了重要性采样法,即以概率接受新状态。具体而言,在温度七由当前状态产生新状态,两者的能量分别为E和E,若E1<E则接受新状态內当前状态;否则,若概率p=exp[-(e;-Ei)/kt大于[0,1)区间内的随机数则仍旧接受新状态为当前状态,若不成立则保留为当前状态,其中k为Boltzmann常数。—模拟退火算法SimulatedAnnealing)这种重要性采样过程在高温下可接受与当前状态能量差较大的新状态,而在低温下基本只接受与当前能量差较小的新状态,而且当温度趋于零时,就不能接受比当前状态能量高的新状态。这种接受准则通常称为Metropolis准则。—模拟退火算法SimulatedAnnealing)2、算法步骤标准模拟退火算法的一般步骤可描述如下(1)给定初温t=t随机产生初始状态,令(rEpeat①Repeat产生新状态Genete(s)ifmin{1,eyp[-(C(s,)-C(s刀}≥random[0,1s=s—模拟退火算法SimulatedAnneali

人人文库> 全部分类> 教育资料 > 课件下载

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论