多目标灰狼算法MOGWO资源matlab代码实现
资源为matlab实现的多目标灰狼算法,可确保如下:
1、完整代码,可直接运行 ;
2、擅长领域:路径规划、机器学习、数据爬虫、数据分析处理等。如有该类需求,可以直接联系博主主页,添加联系方式进行沟通。
3、该资源有较为详尽的注解,非常方便大家阅读与理解。
cplex代码与学习资料包含多种运筹优化问题
里面包含多套cplex案例代码与学习资料。案例包含了背包问题、仓库位置问题、产品混合问题、多周期生产问题、固定费用生产模型、固定费用问题、混合问题、货运问题、集涵盖问题、稀疏型问题、指派问题以及12套练习案例以及PPT资料。适用于入门cplex与自学的宝子们。
遗传算法求解非线性函数的Matlab资源
1、完整代码,可直接运行 ;
2、擅长领域:路径规划、机器学习、数据爬虫、数据分析处理等
3、该资源有较为详尽的注解,非常方便大家阅读与理解。
资源内容:
Matlab版本遗传算法求解非线性函数
模拟退火算法求解TSP问题资源python实现
1、完整代码,可直接运行
2、擅长领域:路径规划、机器学习、数据爬虫、数据分析处理等
3、该资源有较为详尽的注解,非常方便大家阅读与理解。
资源内容:
python版本模拟退火算法求解TSP问题。
粒子群算法求解TSP问题资源python实现
1、完整代码,可直接运行
2、擅长领域:路径规划、机器学习、数据爬虫、数据分析处理等
3、该资源有较为详尽的注解,非常方便大家阅读与理解。
资源内容:
python版本粒子群算法求解TSP问题。
蚁群算法求解TSP问题资源python实现
1、完整代码,可直接运行
2、擅长领域:路径规划、机器学习、数据爬虫、数据分析处理等
3、该资源有较为详尽的注解,非常方便大家阅读与理解。
资源内容:
python版本蚁群算法求解TSP问题。
TSP-collectionTSP算法全复现 - 资源包含8种算法
资源用8种不同的算法复现了TSP问题,编写语言为python,可以直接运行。
# Introduction
复现了一些TSP问题的相关算法,对TSP数据集st70.tsp进行了测试,并对此测试数据调整了参数,开箱即用。
# Algorithms
- [x] 动态规划(DP)
- [x] 遗传算法(GA)
- [x] 粒子群算法(PSO)
- [x] 模拟退火算法(SA)
- [x] 蚁群算法(ACO)
- [x] 自适应神经网络(SOM)
- [x] 禁忌搜索算法(TS)
- [ ] 指针网络(Pointer-network)[pytorch版本复现]
VRPTW-GA-Matlab源代码(具有时间窗的车辆路径问题)matlab
1、完整代码,可直接运行 ,包运行
2、擅长领域:路径规划、机器学习、数据爬虫、数据分析处理等
3、该资源有较为详尽的注解,非常方便大家阅读与理解。
资源内容:
GA-VRPTW-Matlab版本遗传算法求解带时间窗的路径规划问题(Matlab版本)
该资源适用于研究路径规划的同学,以及研究遗传算法的同学。
VRP-MultiDepot(Matlab)多配送中心的路径规划问题(Matlab)
该资源使用两阶段法来解决多配送中心的问题,构造蚁群算法来对模型进行求解,再应用2-opt方法对最优解进行更新,程序源码使用的为Matlab。
该资源适用于研究车辆路径规划的同学,以及研究智能算法的同学进行下载学习。
双层车辆路径问题的算法求解(Matlab 版本)
双层车辆路径问题的算法求解(Matlab 版本).
该资源适用于研究路径规划的同学,以及研究相关智能算法的同学
PSO-VRPTW-Matlab版本粒子群优化算法求解带时间窗的路径规划问题(Matlab版本)
PSO-VRPTW-Matlab版本
粒子群优化算法求解带时间窗的路径规划问题(Matlab版本)
资源可以直接运行,如有任何疑问,欢迎沟通交流。
该资源适用于研究路径规划的同学,以及研究粒子群优化算法的同学
模拟退火求解VRP问题的详细完整代码(Matlab)兼案例数据SA-VRP问题
模拟退火求解VRP问题的详细完整代码(Matlab)兼案例数据SA_VRP问题
从零开始将金融数据分析全套代码资料
资源为从零开始将金融数据分析全套代码资料,涵盖了数据获取,特征工程,NumPy教程,Pandas教程,金融中知识体系,线性模型,以及ANN模型等内容。
电商排序数据分析(含电商代码分析、推荐排序、小组实验聚类,完整的数据)
资源共包含4个python 文件,一个数据压缩包。代码文件分别是电商代码分析,推荐排序分析,小组的实验聚类分析,以及排序),重点是电商排序的建模分析。
遗传算法求解TSP问题的详细完整代码兼案例数据
遗传算法求解TSP问题的详细完整代码兼案例数据
经纬度转换&测距(企业内部使用工具)
该资源为经纬度转换&测距,可以随意切换不同方案,包含了最少时间、最短距离,避开高速等不同方案下的结果。具有可视化的界面,属于一个小程序。
适合物流运营相关的人员或者是在研究路径规划领域的同学进行下载学习
GOC-EVRPTW京东物流仓储网络智能库存管理赛题解决方法
该资源为京东物流仓储网络智能库存管理赛题的解决思路与方法。该VRP考虑了电车的多循环和充电问题。要求的目标包含综合成本最少,综合成本是运输成本,等待成本, 充电成本和固定成本的总和,即为目标函数。
对于约束条件,这里有VRP中常见的最大容量约束(CVRP)、时间窗口约束(VRPTW)、混合车辆约束(Heterogeneous Fleet VRP)、多循环约束(Multi-trip VRP)、带充电站的电车里程约束(Electric VRP with Recharging Stations)。
该赛题为在模拟真实场景下的车辆路径问题,相比传统算例而言,更具有研究价值。
同时该资源为多种混合车辆路径的集合问题,包含了CVRP、VRPTW、ECVRP、Multi-trip VRP以及混合VRP问题,更具有学习的价值。
VRPSPDTW问题(具有同时配送和时间窗的车辆路径问题),算法具有高效的局部搜索和扩展邻域的功能
具有同时配送和时间窗的车辆路径问题(VRPSPDTW)在过去十年中引起了人们的广泛研究兴趣。由于VRPSPDTW是NP难问题。为了解决这个问题,该资源提出了记忆算法,该算法具有高效的局部搜索和扩展邻域的功能,称为MATE。与现有算法相比,MATE算法的优势在于两个方面。首先,初始化过程、交叉和较大步长等都比较新,这使得算法能够更有效地探索搜索空间。其次常数时间复杂度移动评估机制,使得它在局部开发中也更高效。公共基准测试的实验结果表明,MATE的性能优于所有最先进的算法,尤其是在12个实例(总共65个实例)上找到了新的最著名的解决方案。该基准源于JD logistics的实际应用,可以作为未来研究的一个新的、更具挑战性的测试集。
强化学习(一个端到端的框架)解决车辆路径问题
资源为使用强化学习提出了一个端到端的框架来解决车辆路径问题(VRP)。在这种方法中,通过观察奖励信号和遵循可行性规则,训练单个模型,为从给定分布中采样的问题实例找到近似最优解。模型表示一个参数化的随机策略,通过应用策略梯度算法来优化其参数,经过训练的模型实时生成一系列连续动作的解,而无需针对每个新问题实例进行重新训练。在CVRP上,该方法在解决方案质量方面优于经典的启发式方法和Google的OR工具。演示方法也可用于处理拆分交付的问题,并探索此类交付对解决方案质量的影响。该资源使用的框架可以应用于VRP的其他变体,如随机VRP问题,并且有可能更广泛地应用于组合优化问题。
Dynamic Attention Model for Vehicle Routing Problems
该资源为一种使用动态注意力模型解决车辆路径问题的深度强化学习算法。深度神经网络用于表征输入实例,以逐步构建可行的解决方案。在此模型中,实例的状态随时间固定的节点特征表示。本案例使用具有动态编码器-解码器架构的动态注意力模型,能够动态地探索节点特征并在不同的构建步骤中有效地利用隐藏的结构信息。结果表明,动态注意力模型优于以前传统的启发式方法,并且表现出良好的泛化性能。
该资源主要可以用来发表在VRP领域中的小文章,资源涵盖所有的源代码
0)AM-D for VRP Report.ipynb
1)enviroment.py - enviroment for VRP RL Agent
2)layers.py- MHA layers for encoder
3)attention_graph_encoder.py- Graph Attention
4)reinforce_baseline.py - class for REINFORCE baseline
5)attention_dynamic_model.py- main model and
后续会复现成文章,更便于大家学习
遗传算法丨NSGA2-多目标 求解JSP问题
遗传算法丨NSGA2-多目标 求解JSP问题
灰狼算法求解JSP的多目标问题
灰狼算法求解JSP的多目标问题
Python数据分析实战源代码
资源合计6大章节。
资源包含了数据准备、数据处理、数据的可视化,包括爬虫(网页数据抓取)、MySQL的连接、以及数据分析项目,具备完整的一个数据分析的流程,其中每一个章节都是独立的一个模块。
机器学习初级项目--房价预测案例
项目背景:运用回归模型进行房价预测。影响房价的因素有很多,在本题的数据集中有79个变量几乎描述了爱荷华州艾姆斯(Ames,lowa)住宅的方方面面,要求预测最终的房价。
数据介绍:使用BartdeCock于2011年收集 [DeCock,2011], 涵盖了 2006−2010 年期间亚利桑那州埃姆斯市的房价。
技术栈:
特征工程(Creative feature engineering)
回归模型(Advanced regression techniques like random forest and gradient boosting)
常规模型融合:多模型平均融合、
高阶模型融合方法:bagging、boosting
目标:
预测出每间房屋的价格,对于测试集中的每一个ld,给出变量SalePrice相应的值。
算法通过计算平均预测误差来衡量回归模型的优劣。平均预测误差越小,说明回归模型越好。
VRPCTW-MultiDepot(python)多中心的带时间窗的路径规划问题(python)
VRPCTW-MultiDepot(python)
多中心的带时间窗的路径规划问题(python)
多目标多商品的二级车辆路径问题(M2-2E-VRP)
该资源为多目标多商品的二级车辆路径问题(M2-2E-VRP),使用的是进化算法进行求解(Python)
Multi-Objective Multi-Commodity Two-Echelon Vehicle Routing Problem (M2-2E-VRP)
ALNS-VRPPD(Python)自适应大邻域搜索解决取送货的VRP问题(Python)
1、完整代码,可直接运行 (如有疑问可私信)
2、擅长领域:路径规划、机器学习、数据爬虫、数据分析处理等
3、该资源有较为详尽的注解,非常方便大家阅读与理解。
ALNS_VRPPD(Python)
自适应大邻域搜索解决取送货的VRP问题(Python)
Pickup-Delivery-VRP(python)取送货的VRP问题(Python)
1、完整代码,可直接运行(如有疑问可私信)
2、擅长领域:路径规划、机器学习、数据爬虫、数据分析处理等
3、该资源有较为详尽的注解,非常方便大家阅读与理解。
Pickup-Delivery-VRP(python)
取送货的VRP问题(Python)
改进版PSO-VRPTW-Python 改进版粒子群算法求解带时间窗的车辆路径问题(python)
1、完整代码,可直接运行(如有疑问可直接私信)
2、擅长领域:路径规划、机器学习、数据爬虫、数据分析处理等
3、该资源有较为详尽的注解,非常方便大家阅读与理解。
该资源为改进版改进版粒子群算法。其主要优点如下:
简介:在位置的更新上做出了调整。使用轮盘赌算法,加入变异因子防止陷入局部最优。且本算法具有更好的时间收敛性。
1、包含早到惩罚、晚到惩罚, 将输入订单提前排序,显著提高收敛速度。
2、软、硬时间窗的VRPTW问题都能有效解决。
3、能求解不同车辆载重量的情况
4、通过画图直观的展示了解决方案。
该资源适用于学习VRP问题的同学
VRPTW-Column-Generation(Python)列生成算法求解VRPTW问题(Python)
VRPTW-Column-Generation
列生成算法求解VRPTW问题
该资源适合学习VRP问题的同学
VRP-CW-python节约算法求解VRP问题(Python)
1、完整代码,可直接运行
2、擅长领域:路径规划、机器学习、数据爬虫、数据分析处理等
3、该资源有较为详尽的注解,非常方便大家阅读与理解。
VRP-CW-python
节约算法求解VRP问题(Python)
该资源适用于学习路径规划的同学学习
GA-VRPTW-python版本遗传算法求解带时间窗的路径规划问题(Python版本)
1、完整代码,可直接运行 ,包运行(如有疑问可私信)
2、擅长领域:路径规划、机器学习、数据爬虫、数据分析处理等
3、该资源有较为详尽的注解,非常方便大家阅读与理解。
GA-VRPTW-python版本
遗传算法求解带时间窗的路径规划问题(Python版本)
该资源适用于研究路径规划的同学,以及研究遗传算法的同学
Multi-Objective PSO in MATLAB多目标粒子群优化算法(MOPSO)
该资源为多目标粒子群优化算法(MOPSO)。它是粒子群优化算法的多目标版本,结合了帕累托包络和网格生成技术,类似于基于帕累托包络的选择算法来处理多目标优化问题。
实现方式为MATLAB。本文提出了一种名为运动编码粒子群优化(MPSO)的新算法,用于UAV寻找移动目标。根据贝叶斯理论,搜索问题可以转化为目标函数的优化问题,该函数表示搜索到目标的概率。这里,所提出的MPSO是通过将搜索轨迹编码成一系列在PSO算法中的粒子生成过程中的UAV运动路径来解决这一问题的。仿真结果表明,与基本PSO相比,所提出的MPSO将检测性能提高了24%,时间性能提高了4.71倍。
资源为多目标优化的升级版NSGA-III,该算法是以结构化的方式实现 使用参考点方法处理多目标优化问题
资源为多目标优化的升级版NSGA-III,该算法是以结构化的方式实现。使用参考点方法处理多目标优化问题,实现方式为MATLAB。
在MATLAB的distribution中使用经典方法和智能方法(PSO、ICA、NSGA-II和SPEA2)进行投资组合优化
在MATLAB的distribution中使用经典方法和智能方法(PSO、ICA、NSGA-II和SPEA2)进行投资组合优化。
该资源集合了5种智能方法,含经典的投资组合优化,粒子群优化算法、独立成分分析、改进的非支配排序遗传算法、以及多目标优化算法SPEA2等。
该资源适用学习者进行各种智能优化算法的对比学习,特别是涵盖了多种智能优化的源程序。
Python经典100例练习题
该资源为Python经典100道例练习题
供应链需求预测赛题数据集与TOP10模型方法 该资源考为虑商品制造、航运、商品入仓等链路过程中一个远期的商品销售预测模型方案
在电商产业链中,为提升用户物流服务体验,供应链协同将货品提前准备在全球各个市场的本地仓,可有效降低物流时间,极大提升用户体验。不同于国内电商物流情况,出海电商的产品生产和销售地区是全球化的,商品的采购,运输,海关质检等,整个商品准备链路需要更长的时间。在大数据和人工智能技术快速发展的新时代背景下,运用大数据分析和算法技术,精准预测远期的商品销售,为供应链提供数据基础。
供应链需求预测,对原问题做建模问题简化。考虑商品在制造,国际航运,海关清关,商品入仓的供应链过程,实际的产品准备时长不同。这里将问题简化,统一在45天内完成。该资源为利用最近1年多的商品数据预测45天后5周每周(week1~week5)的一个不同SKU的销量模型。
该资源为大数据或者机器学习领域中一个完整的时间序列的预测案例,感兴趣的朋友可尝试下载学习,对于在供应链、电商领域的做算法研究的朋友有比较大的帮助
VRPTW data and best solve
带时间窗的测试数据集与对应的最优解
VRPTW data and best solve
该资源为带时间窗的测试数据集与对应公布的最优解。
该资源适用于发表关于路径规划文章的同学,提供思路如下:
衡量自己的优化算法的好坏主要从两个方面,1)自己优化的结果与公布的最优结果相比的差异;2)优化算法的时间复杂度与时间完成度;3)可以借用优化求解器作为对比。
建议物流、供应链、工业工程、管科相关专业的同学使用,包括写小论文以及写毕业论文都会用的到。
GA&NSGA-II for job shop schedul遗传算法和改进的非支配排序遗传算法(Python版本)
本案例是一个10x10的车间调度问题,共有10个工件与10台机器,每个工件在每台机器上的加工顺序不同,程序的最终目标为最小化总的完工时间,资料是以工件的加工作业顺序来展现,每个工件都会经过10个加工作业,本资源分别采用遗传算法(GA)与改进的非支配排序遗传算法NSGA-II(均为用Python来实现)来实现求解,本资源的用途有如下:1)学习遗传算法(GA)与改进的非支配排序遗传算法NSGA-II如何实现,2)适合解决一多对多的车间调度问题,3)适合关注运筹优化领域的同学进行学习。
资源使用人群:适用于工业工程专业(如解决job shop 问题)、物流工程专业(如解决车辆路径问题VRP问题)以及其他相关专业如供应链管理,管科的部分同学进行源码学习。