智能优化算法及优化案例目录

        在未来几个月时间里,将会逐步针对先前整理的博客文章进行分类归纳,并建立成为智能优化算法及案例库的学习专栏区。内容包含对行业的理解,以及相关领域下的理论优化算法,并会通过具体的优化案例来阐述算法的相关应用。其中优化案例将会重点从车辆路径问题、生产调度问题、排班问题(如公交车的运营)、二维路径问题、三维路径问题如避障等,编程实现的语言基本为Python或者Matlab。以下问题都会讲解到。


如下为整理的智能优化算法及优化案例查阅目录

在讲解本专栏之前,先整理了下智能优化算法在实际行业中的具体应用,建议可以优先阅读行业落地应用讲解,里面会涉及部分机器学习的内容,可移步查阅机器学习方面相关的资料。

0、行业落地应用讲解

智能供应链预测的应用

...(待补充)

1、算法概述

        1.1    遗传算法

        1.2    蚁群算法

        1.3    粒子群算法

        1.4    模拟退火算法

        1.5    多目标非支配排序遗传算法NSGA-II

        1.6    多目标非支配排序算法NSGA-II算法改进

        1.7、Dijkstra算法

        1.8、A* 算法

        1.9 、RRT算法

        1.10、强化学习dqn、ddqn算法  

        1.11、...(待补充)

2、VRP路径规划问题

2.1    TSP问题

         2.1.1、遗传算法求解TSP问题(本科生,入门难度,2颗星)

         2.1.2、蚁群算法求解TSP问题(本科生,入门难度,2颗星)

         2.1.3、模拟退火算法求解TSP问题(本科生,入门难度,2颗星)

2.2    CVRP问题

        2.2.1、遗传算法求解CVRP问题(本科生,中等难度,3-4颗星)

2.3    VRPTW问题

        2.3.1、遗传算法求解VRPTW(研究生,中等难度,5-6颗星)

        2.3.2、蚁群算法求解VRPTW(研究生,中等难度,5-6颗星)

2.4    VRPPD问题(研究生,中等难度,5-6颗星),内含一些变种问题,可能会演变的稍复杂。

2.5    多约束的VRP问题

        2.5.1、多中心VRP问题(研究生中高等难度,7-8颗星)

        2.5.2、多层网络的VRP问题(研究生高难度,9-10颗星)

        2.5.3、多中心多车型的VRP问题(研究生高难度,8-9颗星)

2.6    动态VRP问题(暂不做讲解)(研究生高难度,7-10颗星)

2.7    多目标约束问题(研究生中高等难度,7-8颗星)

2.8    多式联运问题(本科生、研究生,低中高等难度,4-8颗星)看问题的变化情况

2.9    AGV路径规划问题(本科生、研究生中等难度,4-7颗星)

2.10    二维空间路径规划问题

        2.10.1、Search-based Planning

                Dijkstra's、A*、Bidirectional A*、BFS、DFS...

        2.10.2、Sampling-based Planning
                RRT、RRT*、FMT*、BIT

2.11   三维空间路径规划问题

        2.11.1、Search-based Planning

                Dijkstra's、A*、Bidirectional A*、BFS、DFS...

        2.11.2、Sampling-based Planning
                RRT、RRT*、FMT*、BIT

2.12   选址问题

        2.12.1、基础选址问题(本科生中等、研究生初等难度,4-5颗星)

        2.12.2、选址+定容问题(研究生中高等难度,7-8颗星)

        2.12.3、选址路径一体问题(研究生高等难度,9-10颗星)

3、生产车间调度优化问题

        3.1    混合流水车间问题(遗传算法)(研究生中等难度,6-8颗星)

        3.2    订单拆分调度问题(NSGA_II)(研究生中高等难度,6-9颗星)

4、公交车的调度排班优化问题

5、优秀硕士论文复现

        5.1、生鲜冷链带时间窗的路径规划问题(目标函数包括有固定成本、运输成本、制冷成本、货损成本等几部分构成)。

        5.2、双目标带时间窗的路径规划问题(双目标分别为企业综合成本、客户服务满意度,企业综合成本可扩展)。

        5.3、多式联运问题

        5.4、多配送中心多车型的路径规划问题

        5.5、选址定容问题

        5.6、选址路径规划问题

        5.7、RGV智能调度问题

        5.8、公交车调度问题

        5.9、航班摆渡车辆调度问题

        5.10、多机器人仓库调度类问题

6、数学求解器Cplex求解案例

        6.1、配送中心选址建模

        6.2、车辆路径问题建模

        6.3、基于生产排程优化建模

        6.4、基于模式选择、提前期和车辆配送中心容量的汽车供应链网络设计

  • 2
    点赞
  • 35
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 2
    评论
MATLAB智能算法的源代码%% 清空环境 clc;clear %% 障碍物数据 position = load('barrier.txt'); plot([0,200],[0,200],'.'); hold on B = load('barrier.txt'); xlabel('km','fontsize',12) ylabel('km','fontsize',12) title('二维规划空间','fontsize',12) %% 描述起点和终点 S = [20,180]; T = [160,90]; plot([S(1),T(1)],[S(2),T(2)],'.'); % 图形标注 text(S(1)+2,S(2),'S'); text(T(1)+2,T(2),'T'); %% 描绘障碍物图形 fill(position(1:4,1),position(1:4,2),[0,0,0]); fill(position(5:8,1),position(5:8,2),[0,0,0]); fill(position(9:12,1),position(9:12,2),[0,0,0]); fill(position(13:15,1),position(13:15,2),[0,0,0]); % 下载链路端点数据 L = load('lines.txt'); %% 描绘线及中点 v = zeros(size(L)); for i=1:20 plot([position(L(i,1),1),position(L(i,2),1)],[position(L(i,1),2)... ,position(L(i,2),2)],'color','black','LineStyle','--'); v(i,:) = (position(L(i,1),:)+position(L(i,2),:))/2; plot(v(i,1),v(i,2),'*'); text(v(i,1)+2,v(i,2),strcat('v',num2str(i))); end %% 描绘可行路径 sign = load('matrix.txt'); [n,m]=size(sign); for i=1:n if i == 1 for k=1:m-1 if sign(i,k) == 1 plot([S(1),v(k-1,1)],[S(2),v(k-1,2)],'color',... 'black','Linewidth',2,'LineStyle','-'); end end continue; end for j=2:i if i == m if sign(i,j) == 1 plot([T(1),v(j-1,1)],[T(2),v(j-1,2)],'color',... 'black','Linewidth',2,'LineStyle','-'); end else if sign(i,j) == 1 plot([v(i-1,1),v(j-1,1)],[v(i-1,2),v(j-1,2)],... 'color','black','Linewidth',2,'LineStyle','-'); end end end end path = DijkstraPlan(position,sign); j = path(22); plot([T(1),v(j-1,1)],[T(2),v(j-1,2)],'color','yellow','LineWidth',3,'LineStyle','-.'); i = path(22); j = path(i); count = 0; while true plot([v(i-1,1),v(j-1,1)],[v(i-1,2),v(j-1,2)],'color','yellow','LineWidth',3,'LineStyle','-.'); count = count + 1; i = j; j = path(i); if i == 1 || j==1 break; end end plot([S(1),v(i-1,1)],[S(2),v(i-1,2)],'color','yellow','LineWidth',3,'LineStyle','-.'); count = count+3; pathtemp(count) = 22; j = 22; for i=2:count pathtemp(count-i+1) = path(j); j = path(j); end path = pathtemp; path = [1 9 8 7 13 14 12 22]; %% 蚁群算法参数初始化 pathCount = length(path)-2; %经过线段数量 pheCacuPara=2; %信息素计算参数 pheThres = 0.8; %信息素选择阈值 pheUpPara=[0.1 0.0003]; %信息素更新参数 qfz= zeros(pathCount,10); %启发值 phePara = ones(pathCount,10)*pheUpPara(2); %信息素 qfzPara1 = ones(10,1)*0.5; %启发信息参数 qfzPara2 = 1.1; %启发信息参数 m=10; %群数量 NC=500; %循环次数 pathk = zeros(pathCount,m); %搜索结果记录 shortestpath = zeros(1,NC); %进化过程记录 %% 初始最短路径 dijpathlen = 0; vv = zeros(22,2); vv(1,:) = S; vv(22,:) = T; vv(2:21,:) = v; for i=1:pathCount-1 dijpathlen = dijpathlen + sqrt((vv(path(i),1)-vv(path(i+1),1))^2+(vv(path(i),2)-vv(path(i+1),2))^2); end LL = dijpathlen; %% 经过的链接线 lines = zeros(pathCount,4); for i = 1:pathCount lines(i,1:2) = B(L(path(i+1)-1,1),:); lines(i,3:4) = B(L(path(i+1)-1,2),:); end %% 循环搜索 for num = 1:NC %% 蚂蚁迭代寻优一次 for i=1:pathCount for k=1:m q = rand(); qfz(i,:) = (qfzPara2-abs((1:10)'/10-qfzPara1))/qfzPara2; %启发信息 if q<=pheThres%选择信息素最大值 arg = phePara(i,:).*(qfz(i,:).^pheCacuPara); j = find(arg == max(arg)); pathk(i,k) = j(1); else % 轮盘赌选择 arg = phePara(i,:).*(qfz(i,:).^pheCacuPara); sumarg = sum(arg); qq = (q-pheThres)/(1-pheThres); qtemp = 0; j = 1; while qtemp < qq qtemp = qtemp + (phePara(i,j)*(qfz(i,j)^pheCacuPara))/sumarg; j=j+1; end j=j-1; pathk(i,k) = j(1); end % 信息素更新 phePara(i,j) = (1-pheUpPara(1))*phePara(i,j)+pheUpPara(1)*pheUpPara(2); end end %% 计算路径长度 len = zeros(1,k); for k=1:m Pstart = S; Pend = lines(1,1:2) + (lines(1,3:4)-lines(1,1:2))*pathk(1,k)/10; for l=1:pathCount len(1,k) = len(1,k)+sqrt(sum((Pend-Pstart).^2)); Pstart = Pend; if l<pathCount Pend = lines(l+1,1:2) + (lines(l+1,3:4)-lines(l+1,1:2))*pathk(l+1,k)/10; end end Pend = T; len(1,k) = len(1,k)+sqrt(sum((Pend-Pstart).^2)); end %% 更新信息素 % 寻找最短路径 minlen = min(len); minlen = minlen(1); minant = find(len == minlen); minant = minant(1); % 更新全局最短路径 if minlen < LL LL = minlen; end % 更新信息素 for i=1:pathCount phePara(i,pathk(i,minant)) = (1-pheUpPara(1))* phePara(i,pathk(i,minant))+pheUpPara(1)*(1/minlen); end shortestpath(num) = minlen; end figure; plot(1:NC,shortestpath,'color','blue'); hold on % plot(1:NC,dijpathlen,'color','red'); ylabel('路径总长度'); xlabel('迭代次数');

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

且行且安~

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值