粒子群算法在物流中心选址中的应用

doi:10.3778/j.issn.1002-8331.2011.04.059

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (4): 212-214.DOI: 10.3778/j.issn.1002-8331.2011.04.059

粒子群算法在物流中心选址中的应用

黄敏镁

华南师范大学公共管理学院，广州 510006

收稿日期:2010-07-23 修回日期:2010-10-18 出版日期:2011-02-01 发布日期:2011-02-01
通讯作者: 黄敏镁

Particle swarm optimization based method for logistics center location problem

HUANG Minmei

Public Administration School，South China Normal University，Guangzhou 510006，China

Received:2010-07-23 Revised:2010-10-18 Online:2011-02-01 Published:2011-02-01
Contact: HUANG Minmei

摘要/Abstract

摘要： 物流中心选址是物流系统规划中的重要决策问题。为了快速得到合理的物流中心选址方案，针对问题的特点给出了选址问题的模型，提出了以最小化物流成本为目标函数的粒子群优化算法，开发了模型求解的MATLAB程序，并将算法应用于求解工厂仓库选址和废弃物回收中转站选址问题。实例求解结果表明，该算法求解选址问题的性能优于精确重心法，具有良好的搜索性能和实用性。

关键词: 物流中心, 选址, 粒子群, 精确重心法

Abstract: Logistics center location is an important problem for logistics system planning.In order to get reasonable solution of logistics center problem，a mathematics model is made according to its characteristics.Particle swarm optimization based method for logistics center location is proposed on the basis of lowest cost.Program for the problem is coded in MATLAB.The proposed method is applied in solving warehouse location problem and solid waste logistics system.Computational results show that particle swarm optimization is superior compared with the exact center-of-gravity method，and prove the effectiveness and efficiency of the proposed algorithm.

Key words: logistics center, location, particle swarm, exact center-of-gravity method

中图分类号:

TP18
TP301

黄敏镁. 粒子群算法在物流中心选址中的应用[J]. 计算机工程与应用, 2011, 47(4): 212-214.

HUANG Minmei. Particle swarm optimization based method for logistics center location problem[J]. Computer Engineering and Applications, 2011, 47(4): 212-214.

[1]	孙泽宇，徐琛，苏艳超，李传锋，聂雅琳. 雾计算中跨层感知分簇路由协议[J]. 计算机工程与应用, 2021, 57(9): 109-117.
[2]	史春天，曾艳阳，侯守明. 群体智能算法在图像分割中的应用综述[J]. 计算机工程与应用, 2021, 57(8): 36-47.
[3]	李静星，杨有龙. 针对高维数据的马尔科夫毯特征选择[J]. 计算机工程与应用, 2021, 57(6): 58-66.
[4]	朱佳莹，高茂庭. 融合粒子群与改进蚁群算法的AUV路径规划算法[J]. 计算机工程与应用, 2021, 57(6): 267-273.
[5]	胡晓敏，王明丰，张首荣，李敏. 用于文本聚类的新型差分进化粒子群算法[J]. 计算机工程与应用, 2021, 57(4): 61-67.
[6]	王嘉月，史立. 考虑电池损耗的电动冷藏车路径及充电策略[J]. 计算机工程与应用, 2021, 57(24): 283-289.
[7]	陈万芬，王宇嘉，林炜星. 异构集成代理辅助多目标粒子群优化算法[J]. 计算机工程与应用, 2021, 57(23): 71-80.
[8]	杜守信，毋涛. 双种群混合遗传算法的裁剪分床应用研究[J]. 计算机工程与应用, 2021, 57(22): 182-189.
[9]	林炜星，王宇嘉，陈万芬，梁海娜. 基于多因子粒子群的高维数据特征选择算法[J]. 计算机工程与应用, 2021, 57(22): 199-207.
[10]	梁田，曹德欣. 基于莱维飞行的改进简化粒子群算法[J]. 计算机工程与应用, 2021, 57(20): 188-196.
[11]	付朝晖，刘长石. 多物流中心共同配送的车辆路径问题研究[J]. 计算机工程与应用, 2021, 57(16): 291-298.
[12]	李雷孝，邓丹，李杰，王永生. 基于粒子群优化的全比较计算数据分发策略[J]. 计算机工程与应用, 2021, 57(15): 109-117.
[13]	于国龙，赵勇，吴恋，崔忠伟. QPSO算法的改进及其在DBN参数优化中应用[J]. 计算机工程与应用, 2021, 57(10): 154-162.
[14]	任新惠，王柳. 即时配送下无人机全自动机场分区选址模型[J]. 计算机工程与应用, 2021, 57(10): 266-272.
[15]	廖玮霖，程杉，尚冬冬，魏昭彬. 多策略融合的粒子群优化算法[J]. 计算机工程与应用, 2021, 57(1): 69-76.

粒子群算法在物流中心选址中的应用

Particle swarm optimization based method for logistics center location problem

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics