管理信息化-物流配送车辆优化调度的一种神经网络算法(编辑修改稿)内容摘要：
或几个已经 研究过的基本问题，如旅行商问题，最短路径问题，最小费用流问题，中国邮递员问题等。 再用比较成熟的理论和方法进行求解，以得到原车辆调度问题的最优解或满意解。 算法主要有分支界定法，割平面方法，线性规划法，动态规划法等，启发式算法主要有构造算法、两阶段法、不完全优化法等，智能算法分为神经网络方法、遗传算法和模拟退火算法等。 长，如当停车卸货点的数目超过 20个时，采用一般的精确算法求解最短运输路径的时间在几 个小时以上。 精确算法不适合于求解大规模的车辆优化调度问题。 2 配送车辆优化调度的神经网络算法 算法概述 有某种传递函数的神经元相互连接而成。 人们经常采用 Hopfield网络和自组织特征映射神经网络来解决车辆的优化调度问题。 在Hopfield网络中，系统能够从初始状态，经过一系列的状态转移而逐渐收敛于平衡状态，此平衡状态是局部极小点。 [4]： (1). 产生邻接矩阵 的源点、所经过的各个汇点和停点抽象成网络的结点，它们之间的有向路径抽象成网络的边，由此构成一个有向图G=(N,L,D)，其中 N 表示结点数， L 表示边数， D 为 NN 的矩阵，可根据优化的目标分别是边（ i,j）对应的长度、费用或时间，这样可定义距离邻接矩阵、费用邻接矩阵和时间邻接矩阵。 如果两个结点间存在路径，则相应矩阵元素的值为路径的长度或运费或运时；如果两个结点间不存在路径，则相应矩阵元素的值为 ∞。 (2). 约束的处理 处理，将其施加一个惩罚项后加入到 网络的能量方程式中，这样随着网络的收敛，约束的能量也逐渐趋于稳态，使约束得到体现。 (3). 神经网络。阅读剩余 0%
本站所有文章资讯、展示的图片素材等内容均为注册用户上传(部分报媒/平媒内容转载自网络合作媒体)，仅供学习参考。
用户通过本站上传、发布的任何内容的知识产权归属用户或原始著作权人所有。如有侵犯您的版权，请联系我们反馈本站将在三个工作日内改正。