萤火虫邻域结构的多吸引子微粒群算法及应用——以中国台湾再制造资源回收处理中心选址规划为例

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (16): 230-234.

萤火虫邻域结构的多吸引子微粒群算法及应用——以中国台湾再制造资源回收处理中心选址规划为例

叶林，叶春明，胡金涛

上海理工大学管理学院，上海 200093

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-06-01 发布日期:2011-06-01

Multi-attractors PSO with glowworm neighborhood space and is application—location planning for the remanufacturing resource recycling centers in Taiwan China

YE Lin，YE Chunming，HU Jintao

School of Management，University of Shanghai for Science and Technology，Shanghai 200093，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-06-01 Published:2011-06-01

摘要/Abstract

摘要： 借鉴萤火虫最优化算法的动态邻域空间结构，提出一种改进的多吸引子微粒群算法，从而能够对解空间进行多子群并行搜索，提高求解速度，避免陷入单点局部极值。并将该算法应用到中国台湾再制造资源回收处理中心的选址规划问题中，在运输总距离最短的目标下，成功地解决了再制造资源回收处理中心的选址规划问题并对资源回收站进行了有效的指派分配。

关键词: 萤火虫最优化算法, 微粒群算法, 动态邻域空间, 多吸引子, 再制造, 选址规划

Abstract: This paper puts forward a multi-attractors PSO that borrows the ideas of dynamic neighborhood space from the glowworm swarm optimization.Thus it can search the solution space parallelly with multi-subgroup to improve the speed of solving.It also avoids the problem of falling into the local extremum，which is attracted by a single attractor.The multi-attractors PSO with the glowworm neighborhood space is applied to the location planning for the remanufacturing resource recycling centers in Taiwan China.The results show that the algorithm can solve this problem and assign the recycle depots successfully，with the objective of minimizing the total transportation distance.

Key words: Glowworm Swarm Optimization（GSO）, Particle Swarm Optimization（PSO）, dynamic neighborhood space, multi-
attractors, remanufacturing, location plan

叶林，叶春明，胡金涛. 萤火虫邻域结构的多吸引子微粒群算法及应用——以中国台湾再制造资源回收处理中心选址规划为例
[J]. 计算机工程与应用, 2011, 47(16): 230-234.

YE Lin，YE Chunming，HU Jintao. Multi-attractors PSO with glowworm neighborhood space and is application—location planning for the remanufacturing resource recycling centers in Taiwan China[J]. Computer Engineering and Applications, 2011, 47(16): 230-234.

[1]	史成东1，郭福利2，闫秀霞1，马冠英1，李强1. loss-averse测度的低碳闭环供应链最优减排研究[J]. 计算机工程与应用, 2018, 54(4): 256-262.
[2]	刘林，陈蕾，杨爱峰. 考虑碳排放约束的制造/再制造生产优化[J]. 计算机工程与应用, 2017, 53(9): 231-235.
[3]	方晗炜1，李慧嘉2. 电子产品闭环供应链网络设计与弹性管理研究[J]. 计算机工程与应用, 2017, 53(9): 263-270.
[4]	王润民. 基于微粒群算法的视网膜血管自动提取方法[J]. 计算机工程与应用, 2015, 51(2): 177-180.
[5]	许成谦，郝红杰. 改进的智能优化在多用户检测中的应用[J]. 计算机工程与应用, 2013, 49(3): 143-146.
[6]	舒曼莉，徐克林，郑永前. 基于扩展基本时段法的随机回收率ELSPR[J]. 计算机工程与应用, 2013, 49(13): 216-220.
[7]	朱颀，陈成栋，陈华平. 差异工件流水车间批调度问题的求解[J]. 计算机工程与应用, 2013, 49(13): 221-227.
[8]	李宁1，贺毅朝1，寇应展2. 利用双重结构编码PSO求解动态背包问题[J]. 计算机工程与应用, 2012, 48(7): 39-42.
[9]	王振锋1，崔岩1，王亮1，谢敏2. 不确定环境下的再制造闭环物流网络优化[J]. 计算机工程与应用, 2012, 48(36): 221-226.
[10]	魏丽. 群体动画中路径自动规划方法研究[J]. 计算机工程与应用, 2012, 48(25): 83-87.
[11]	方晗炜1，董俊磊2，肖人彬1. 一种三重接触架构下的退货物流优化方法研究[J]. 计算机工程与应用, 2012, 48(22): 28-33.
[12]	郭研1，2，李南1，李兴森2. 基于云多目标微粒群算法的多项目调度方法[J]. 计算机工程与应用, 2012, 48(21): 15-20.
[13]	金超，叶春明. 基于QPSO算法的模糊流水车间调度问题[J]. 计算机工程与应用, 2012, 48(2): 238-240.
[14]	阴艳超1，郭成2. 不确定环境下的一种动态响应库存优化方法[J]. 计算机工程与应用, 2012, 48(17): 238-242.
[15]	毛帆，傅鹂，蔡斌. 求解作业车间调度问题的微粒群遗传退火算法[J]. 计算机工程与应用, 2011, 47(5): 227-231.