 上传我的文档
 下载
 收藏
该文档贡献者很忙，什么也没留下。
 下载此文档
正在努力加载中...
改进蚁群算法在物流配送中的应用研究
下载积分：2000
内容提示：改进蚁群算法在物流配送中的应用研究
文档格式：PDF|
浏览次数：0|
上传日期： 01:46:17|
文档星级：
该用户还上传了这些文档
改进蚁群算法在物流配送中的应用研究.PDF
官方公共微信您所在位置： &
 &  & 
蚁群算法的改进及应用论文.pdf68页
本文档一共被下载：
次 ,您可免费全文在线阅读后下载本文档
文档加载中...广告还剩秒
需要金币：200 &&
你可能关注的文档：
··········
··········
蚁群算法是一种通过模拟真实蚂蚁觅食原理发展起来的新颖的
仿生型智能优化算法，具有正反馈、并行性和启发性搜索等特点。
作为计算智能和群智能的重要分支之一，蚁群算法的研究方兴未艾，
备受瞩目。本文对蚁群算法的发展背景、内容、实现方法和性能作
了详细介绍，对该算法本身进行了较深入研究，针对蚁群算法本身
的缺陷和待求问题的特点，提出了相应的改进方案，并进行了仿真
实验。本文的主要研究成果如下：
针对AS算法求解DCMST问题收敛速度较慢和易收敛于局部最
优现象，本文提出了一种新的改进算法UDA-ACS。该算法采用ACS
算法的基本思想，并引入为不同长度的路径赋予不同的初始信息量、
动态的负反馈机制来调节信息素的变化量、动态的适当增大能见度
对蚂蚁路径选择的影响力的机制，有效的抑制了收敛于局部最优和
收敛速度较慢的现象，提高了算法的搜索质量和速度。仿真实验结
果表明改进的算法显现了一定的优越性。
针对解决最大团问题 MCP ，本文提出了一种新的改进算法
发示信息协助信息素共同指导对下一顶点的选择、采用局部信息素
更新机制来协助全局信息素更新机制共同完成对顶点信息素的更
新、引入伪随机比例规则来调节蚂蚁“探索"更好的解和“利用"
有效信息之间的平衡，该算法有效的改进了Vertex．AC算法中仅信
息素指导顶点选择的机制及单一的信息素更新方式，提高了算法的
运行效率及解的质量。采用MCP的基准测试实例，通过对比实验验
证了该算法在性能上的优越性。
关键词：度约束最小生成树问题，蚁群算法，最大团问题，组合优
正在加载中，请稍后... 上传我的文档
 下载
 收藏
该文档贡献者很忙，什么也没留下。
 下载此文档
正在努力加载中...
求解两类组合优化问题的改进蚁群算法
下载积分：999
内容提示：求解两类组合优化问题的改进蚁群算法
文档格式：PDF|
浏览次数：1|
上传日期： 19:00:37|
文档星级：
该用户还上传了这些文档
求解两类组合优化问题的改进蚁群算法.PDF
官方公共微信文档分类：
在线文档经过高度压缩，下载原文更清晰。
淘豆网网友近日为您收集整理了关于蚁群算法的改进及应用研究---优秀毕业论文 参考文献 可复制黏贴的文档，希望对您的工作和学习有所帮助。以下是文档介绍：蚁群算法的改进及应用研究---优秀毕业论文 参考文献 可复制黏贴 I .摘要I摘要蚁群算法(Ant Colony Algoirthm)是一种新型的求解复杂优化问题的模拟进化算法,它是由意大利学者M.Dorigo等人受到自然界中真实蚁群觅食行为的启发而首先提出来的。大量实验结果表明,它在解决许多组合优化问题时都能表现出较好的求解能力,通过由候选解组成的群体的进化过程来寻求最优解,经过不断的扩展和改进,它已具有许多优良性质和实际应用价值。作为一种全局搜索的方法,蚁群算法具有分布性、鲁棒性、以及善于与多种启发式算法结合以改善算法性能等优点。简述了蚁群算法的生物学机理、发展过程、算法特点及其研究和应用现况,指出其在解决组合优化问题方面的优越性,以及在解决组合优化问题研究方面的不足;介绍了蚁群算法基本模型AS(Ant System)的原理、特点、构成和实现方法,并且综述了目前用于组合优化的蚁群算法的改进技术。简述了呼叫中心问题及其核心的量需问题,并对该问题进行分析和抽象,将问题与蚁群算法的相关要素进行结合。提出一种基于蚁群算法的人力资源分配算法。在呼叫中心人力资源分配问题图形化定义的基础上,建立(来源：淘豆网[/p-4677541.html])正反馈机制,设计状态转移的规则,信息素更新规则对呼叫中心的具体人力分配进行分析与实现。为蚁群算法在实际应用做了一次新的尝试。通过仿真实验证明该模型用于处理该类问题效果良好,值得进一步研究。关键词: 蚁群算法;呼叫中心;正反馈;信息素 actAnt colony algorithm (ACA) has emerged recently as a new meta-heuristic plicatedproblems binatorial optimization. Inspired by the collective feeding behavior of real ants,Dorigo, Maniezzo et al first advanced an ant colony system and the ant colony optimizationalgorithm(ACO) to solve several discrete optimization problems. After be(来源：淘豆网[/p-4677541.html])ing extended andimproved by many researchers, ACA has exhibited its excellent performance and efficiency inexperiments for solving a great lot binatorial optimization problems. As a global Searchingapproach,ant co1ony algorithm has many advantages, such as distributing, positive feedback,robustness and easily being collected with other meta-heuristic approaches to solve problems.The biological mechanism, the development and the character of the ant (来源：淘豆网[/p-4677541.html])colony algorithm areoutline. The current situations of research and application of the ant colony algorithm isintroduced. The surperiority in binatorial optimization problems and the shortages insolving binatorial optimization pr The principle, the model, thecharacteristics and the management about the basic algorithms of ant colony (Ant System) are alsopresented. And a list of improvements binatorial optimization have been refe(来源：淘豆网[/p-4677541.html])renced andpresented.Then the principle of Call Center and scheduling ,the core of this problem are presented, atthe same time analysis and abstract the problem, combine the problem with the elements of ACO.An labor resources allocation approach was proposed based on ant colony algorithm. On the basisof the graphic definition of labor resources allocation, the positive feedback was established andthe rule of state-shift and pheromone update strategy,(来源：淘豆网[/p-4677541.html]) the particular scheduling process wasanalyzed and realized. Made a attempt to use the ACO in real problem.The result about theemulated test is demonstrated that the characteristics of ant colony algorithm for general functionoptimization problem are salient, and it is worthy to make further researches.Keywords: Ant Colony A Call C pheromone 目录摘要.......................................................................(来源：淘豆网[/p-4677541.html])....................................................................... IAbstract ..........................................................................................................................................II目录........................................................................................................................................... III第一章概述.................................................................................(来源：淘豆网[/p-4677541.html])...................................................11.1 蚁群算法...........................................................................................................................11.2 呼叫中心简介...................................................................................................................21.3 论文组织...........................................................................................................................5第二章蚁群算法的基本模(来源：淘豆网[/p-4677541.html])型及改进方法....................................................................................72.1 蚁群算法的原理以及模型................................................................................................72.1.1 生物学基础.............................................................................................................72.1.2 算法模型和 TSP 应用..........................................................................................102.2 蚁群算法的改进技术......(来源：淘豆网[/p-4677541.html])................................................................................................16第三章呼叫中心及其人力量需问题..........................................................................................223.1 呼叫中心作为一个排队系统..........................................................................................223.1.1 排队系统介绍.......................................................................................................223.1.2 呼叫中心作为一个排队系统.....(来源：淘豆网[/p-4677541.html])..........................................................................243.2 呼叫中心运营中的考虑因素和决策问题......................................................................25第四章基于蚁群算法的呼叫中心人力资源分配......................................................................304.1 呼叫中心的人力量需问题模型的建立..........................................................................304.1.1 时段人力水平计算...............................................................................................304.1.2 班次求解模型.......................................................................................................344.2 使用蚁群算法解决呼叫中心的量需问题......................................................................364.2.1 算法描述...............................................................................................................374.2.2 状态转移规则.......................................................................................................384.2.3 轨迹强度的更新规则...........................................................................................384.2.4 详细步骤...............................................................................................................404.2.5 实验仿真及结果分析...........................................................................................41第五章总结与展望......................................................................................................................42参考文献........................................................................................................................................43致谢............................................................................................................................................46攻读硕士期间发表论文................................................................................................................47 .概述1第一章概述蚁群算法[1-3]是一种仿生学算法,进过多年的研究该算法在组合优化方面取得了长足的发展。呼叫中心[4]起源于 20 世纪 30 年代,而对呼叫中心的人力资源分配问题的研究则有更悠久的历史。使用蚁群算法的方法来解决呼叫中心的人力资源分配问题为本文的核心内容。本章先阐述蚁群算法的一般原理、发展;接着说明呼叫中心的相关概念、发展等,并说明人力资源分配在呼叫中心中的重要性。最后介绍本文的工作、结构安排。1.1 蚁群算法蚁群算法是受自然界蚁群行为的启发而提出的。在自然界中,像蚂蚁、蜜蜂等群居昆虫,虽然个体的行为非常简单,但由单个的个体所组成的群体却表现成为非常复杂而有序的有机行为体。进过大量观察研究,仿生学家发现,蚂蚁个体之间通过一种称为信息素[5](pheromone)的物质进行信息的交流和传递。蚂蚁在运动过程中,能够在它所进过的路径上留下这种物质,而且其他蚂蚁在运动到留有该物质的地方能够感知这种物质,并以此指导后续蚂蚁的前进方向。因此,有大量蚂蚁组成的蚁群集体行为便表现出一种信息正反馈现象[6],也即某一路径上的蚂蚁越多,则后来得蚂蚁选择该路径的机会就越大。蚂蚁个体之间就是通过这种信息的交流达到集体搜索食物的目的。同时,这种信息素也会随着时间的流逝而自然挥发直至最终消失。蚁群算法(Ant Conlony Algorithm,简称 ACA)是由意大利学者 M.Dorigo、V.Mahiezzo、A.Colorni 等人提出。他们充分利用蚁群搜索食物的过程与旅行商问题[7]之间的相似性,通过模拟人工蚂蚁搜索食物的过程中个体之间的信息交流与协作最终找到从食物源到巢穴的最短路径的原理解决了 TSP 问题,并取得了良好的结果。ACO 利用了正反馈的原理,使 agent(蚂蚁个体)通过 pheromone(信息素)作用于它所处的环境,而作用后的环境又反过来影响刺激下一个 agent,从而使得 agent 之间通过信息素不断的进行交流,并进行协同合作,这样有利于发现更好的寻找食物的路线(问题的解)。单个的 agent 容易受到局部环境的影响而容易陷于局部最优,而多个 agent 通过协同作用,能够很快地收敛于可行解空子集。这不仅有有利于对可行解空间的进一步搜索,使得不容易陷于局部最优,还有利于发现全局最优解,进而扩大可行解空间,尤其适合于解决传统搜索算法难以解决的复杂问题。多年的研究表明:蚁群算法用于组合优化有很强的发现较好的能力,具有适合去分布式计算、易于与其他方法相结合、鲁棒性强等特点[7]。蚁群算法在动态环境下也表现出高度的灵活性和健壮性。然而,蚁群算法存在搜索时间长、易于停滞(搜索到一定程度后,所有个体所发现的解完全一致,不能对空间进行进一步搜索)等缺陷。针对这些缺陷,不少学者提出了一些改进的方法。针对这些缺陷,很多学者提出了一些改进的方法。其中有最大最小算法[8](MAX-MIN),其基本思路是对路径上的信息作调整,以加快收敛速度。文献[9]提出了一中新的信息素更新策略:1、局部信息修改时,挥发系数动态改变;2、全局信息素更新时,将蚂蚁所走的较短的那些路径上的信息素加强,而较差的那些路径上的信息素减弱。文献[10]提出了一种基于蚂蚁规则的算法,还有不少其他改进蚁群算法性能的措施,例如引入交叉算子以提高搜索多样性;引入分支因子r作为衡量群体多样性的指标,当r低于某一值时,便对各路径上的信息作动态调整,以免过早出现停滞现象等。这些措施都对算法的性能有一定的改进,与此同时算法的适用范围也在进一步扩大,已经由最初的解决旅行商问题(TSP),扩展到调度问题[11,12],指派问题[13,14,15]、序列求解[16]等NP完全问题,显示出蚁群算法在求解复杂优化问题(特别是离散优化问题)方面的优越性。同时,蚁群算法被应用于其他方面问题的求解,如资源分配[17],路由问题[18,19],生物信息学[20,21]等方面的问题,同时人们利用人工蚁群的协同工作机制,解决电力系统中故障点的估计[22],开关布线[23]等问题,充分证明蚁群算法是一种具有广阔应用前景的优化方法。本文就是在借鉴以往在具体领域所适用蚁群算法的基础上,尝试适用其解决新的问题,为蚁群算法应用于实际优化问题提供了一条新的可行途径。1.2 呼叫中心简介呼叫中心(Call Center),又名客户服务中心,早期的呼叫中心应用就是今天的热线电话、咨询电话,由受过训练的话务员专门接听处理来电客户的各类问咨询、投诉、建议等。随着呼叫量的增大,呼叫中心开始建立呼叫交互语音应答系统(Interactive Voice Response,IVR)系统,也即实现所谓的“自动话务员”应答处理,讲经常出现的问题分类并录入,然后呼叫者可根据分类选择相关问题,选择后调出该问题的处理方法。随着计算机技术、通讯技术、网络技术、客户需求及各行各业其本身业务的发展,其实已经很难给现代呼叫中心下一个准确的定义,几乎每一种计算机与电话集成(CTI)技术的应用系统都可以笼统的称之为呼叫中心,甚至一个座席我们也可以称为呼叫中心。特别是近年来随着计算机技术的普及软硬件价格的走低,呼叫中心已经从一些由高端贵族企业转向平民化应用,呼叫中心已经开始走向普及[24]。现代呼叫中心已经涉及到了计算机(软硬件)技术、技术、计算机电话集成技术(CTI)、数据仓库(商业智能BI)技术、客户关系管理(CRM)技术、交换机(PBX)通讯技术、企业ERP技术和企业管理、项目管理、团队管理等诸多方面的内容。它已经成为一个统一、高效的服务工作平台,它将企业内分属各职能部门为客户提供的服务,集中在一个统一的对外联系“窗口”,采用统一的标准服务界面,为用户提供系统化、智能化、个性化、人性化的服务。呼叫中心已经成为与企业连为一体的一个完整的综合信息服务系统,是企业运营不可或缺的一部分。中国引入呼叫中心的概念在九十年代中后期。呼叫中心产业被引入中国后,在短短的几年里表现出强劲的发展势头,已为越来越多的行业及企业用户所接受和应用。由于中国经济的快速增长、企业竞争和服务意识的提高、电话普及率逐年提高、电信资费的下调、互联网的迅速普及和WTO的影响等因素,促使中国呼叫中心产业正处于快速发展的时期。呼叫中心应用仍将集中于电信、金融领域。中国呼叫中心座席数及投资情况如表1-1所示:表1-1 中国呼叫中心座席数及投资情况年份累计座席数(1000) 累计投资(百万)
151.5 20439.6 ,中国潜力巨大的呼叫中心市场吸引了世界范围内越来越多的优秀系统设备提供商的加入。他们带来了先进的技术与设备,使中国在呼叫中心硬件设备方面迅速与世界先进水平接轨。目前,中国相当比例的呼叫中心在系统设备配置上已十分高端,在很长一段时间内完全可以满足业务运行的需求。呼叫中心在接入技术上,已经由单一信息交互通道——电话,转变为多种形式的多媒体信息通道——电话、传真、Email、Web、VoIP等等。呼叫中心已不再简单地用电话与客户实现互动,而是要将电话、传真、Email、Web、VoIP、短信等多媒体通道与客户实现互动。但就实际应用而言,这些先进的接入方式应用得还很少。传统的电话接入处理和IVR应答仍然是使用率最高的技术方式。目前,呼叫中心主要有三类:基于交换机、基于板卡和基于一体化技术的呼叫中心。常用的是基于交换机的呼叫中心,它是由PBX、CTI服务器、IVR服务器、传真服务器等一连串的设备***连接而成。要适应呼叫中心发展的趋势,就必须将更多的***设备囊括进来通过软件智能实现,大幅降低其成本。现代通信系统技术、互联网技术和交互式视频信号系统的发展将作用于呼叫中心,使其向着智能化、个人化、多媒体化、网络化、移动化发展。互联网呼叫中心、多媒体呼叫中心以及虚拟呼叫中心在未来中国市场,也将随着企业对呼叫中心认识程度的进一步提高、客户关系管理市场及设备制造商的全力推动而得到推广。未来的呼叫中心在性能、结构和应用等几个方面发生质的飞跃。从技术发展趋势上看,未来的呼叫中心主要有两个发展方向:呼叫中心进一步与WAP技术、ASR技术的结合产生的无线接入移动呼叫中心;呼叫中心的融合。未来的呼叫中心将是基于语音、数据和视频等信息技术,从而将使呼叫中心在功能上可以发生质的飞跃。呼叫中心将由成本中心转化为利润中心。从呼叫中心的功能应用上分析,目前中国呼叫中心市场尚处于运作型阶段,主要应用在查询、咨询、售后服务、投诉等方面。其他类型的应用,如电话营销、电话调查等还较少。使用呼叫中心的部门主要集中在客户服务及售后服务部门。其他部门,如市场部、营销部等应用则较少。这主要与各企业的决策部门对呼叫中心的功能定位、功能开发、实现的技术手段及对服务的重视程度有关。随着呼叫中心向利润中心转变的需求越来越强,“互动营销中心”是呼叫中心播放器加载中，请稍候...
该用户其他文档
下载所得到的文件列表蚁群算法的改进及应用研究---优秀毕业论文 参考文献 可复制黏贴.pdf
文档介绍：
蚁群算法的改进及应用研究---优秀毕业论文 参考文献 可复制黏贴 I .摘要I摘要蚁群算法(Ant Colony Algoirthm)是一种新型的求解复杂优化问题的模拟进化算法,它是由意大利学者M.Dorigo等人受到自然界中真实蚁群觅食行为的启发而首先提出来的。大量实验结果表明,它在解决许多组合优化问题时都能表现出较好的求解能力,通过由候选...
内容来自淘豆网转载请标明出处.您所在位置： &
 &  & 
蚁群算法改进及应用的研究硕士论文.doc51页
本文档一共被下载：
次 ,您可免费全文在线阅读后下载本文档
文档加载中...广告还剩秒
需要金币：300 &&
--完美WORD文档DOC格式,可在线免费浏览全文和下载，是一篇优秀的毕业设计论文,可为大学生本专业本院系本科专科大专和研究生学士硕士相关类学生提供毕业论文范文范例指导,也可为要代写发表职称论文的提供参考。
你可能关注的文档：
··········
··········
PDF 文件使用 "pdfFactory Pro" 试用版本创建
蚁群算法 Ant Colony Algoirthm 是一种新型的求解复杂优化问题的模拟进化算法，它是
由意大利学者M.Dorigo等人受到自然界中真实蚁群觅食行为的启发而首先提出来的。大量实
验结果表明，它在解决许多组合优化问题时都能表现出较好的求解能力，通过由候选解组成
的群体的进化过程来寻求最优解，经过不断的扩展和改进，它已具有许多优良性质和实际应
用价值。作为一种全局搜索的方法，蚁群算法具有分布性、鲁棒性、以及善于与多种启发式
算法结合以改善算法性能等优点。
简述了蚁群算法的生物学机理、发展过程、算法特点及其研究和应用现况，指出其在解
决组合优化问题方面的优越性，以及在解决组合优化问题研究方面的不足；介绍了蚁群算法
基本模型AS Ant System 的原理、特点、构成和实现方法，并且综述了目前用于组合优化的
蚁群算法的改进技术。
简述了呼叫中心问题及其核心的量需问题，并对该问题进行分析和抽象，将问题与蚁群
算法的相关要素进行结合。提出一种基于蚁群算法的人力资源分配算法。在呼叫中心人力资
源分配问题图形化定义的基础上，建立正反馈机制,设计状态转移的规则，信息素更新规则
对呼叫中心的具体人力分配进行分析与实现。为蚁群算法在实际应用做了一次新的尝试。通
过仿真实验证明该模型用于处理该类问题效果良好，值得进一步研究。
关键词： 蚁群算法；呼叫中心；正反馈；信息素
PDF 文件使用 "pdfFactory Pro" 试用版本创建
Ant colony algorithm
has emerged recently as a new meta-heuristic for complicated
problems in combinatorial optimization. Inspired by the collective
正在加载中，请稍后...
