物流实用优化技术

1优化问题与优化技术

1．1优化问题

1．1．1现实中的优化问题

1．1．2优化问题分类

1．2优化技术

1．2．1可行解、局部最优解与全局最优解

1．2．2数学建模

1．2．3约束处理

1．2．4算法设计

1．2．5程序设计

2优化技术基础

2．1最优化理论

2．1．1凸集及其性质

2．1．2凸组合及其性质

2．1．3凸函数及其性质

2．1．4凸规划及其性质

2．2计算复杂性理论

2．2．1组合优化与组合爆炸

2．2．2算法与计算量

2．2．3计算量与计算复杂性

2．2．4计算复杂性与优化问题解法

3优化算法的设计与评价

3．1优化算法的设计

3．1．1优化算法及其分类

3．1．2优化算法的描述

3．1．3启发式算法策略

3．1．4启发式算法求解过程

3．2优化算法的评价

3．2．1时间性能评价

3．2．2近似性能评价

3．2．3鲁棒性能评价

3．2．4综合性能评价

4传统的启发式算法

4．1构筑算法及其应用

4．1．1构筑算法

4．1．2构筑算法应用

4．2改善算法及其应用

4．2．1改善算法

4．2．2改善算法应用

5改进的启发式算法

5．1改进的构筑算法

5．1．1构筑算法的局限性

5．1．2构筑算法的改进型

5．2改进的改善算法

5．2．1改善算法的局限性

5．2．2改善算法的改进型

6模拟退火算法

6．1模拟退火算法概述

6．2模拟退火算法参数

6．2．1初始温度的选取

6．2．2温度下降的方法

6．2．3内循环长度的选取

6．2．4算法的停止准则

6．3改进的模拟退火算法

6．3．1增加记忆功能

6．3．2模拟退火算法的新解产生

6．4模拟退火算法在离散优化问题中的应用

6．5模拟退火算法在连续优化问题中的应用

7禁忌搜索

7．1禁忌搜索算法概述

7．2禁忌搜索算法收敛性分析

7．3禁忌搜索的参数实现

7．4禁忌搜索算法的实际应用

8进化计算

8．1进化计算的基本框架

8．2遗传算法

8．2．1遗传算法的基本结构

8．2．2遗传算法的实现技术

8．2．3遗传算法的理论分析

8．3进化计算的其他形式

8．3．1演化策略

8．3．2进化规划

8．4进化计算的应用

8．4．1进化计算的应用领域

8．4．2进化计算求解连续优化问题

8．4．3进化计算求解组合优化问题

9人工神经网络

9．1人工神经元网络

9．1．1神经元的功能原理

9．1．2神经元模型

9．1．3人工神经网络的学习方法

9．1．4人工神经网络的特点

9．1．5人工神经网络的主要研究方向

9．2BP神经网络

9．2．1多层感知网络

9．2．2BP网络

9．2．3BP算法的改进

9．2．4BP网络的结构参数

9．2．5BP网络的应用

9．3Hopfield网络

9．3．1离散H0pfield网络

9．3．2连续Hopfield网络

9．3．3Hopfield网络在求解旅行商问题中的应用

10蚁群算法

10．1蚁群觅食规则

10．2蚁群算法的数学模型

10．3蚁群算法的基本程序

10．4蚁群算法的改进

10．5蚁群算法的应用

10．5．1问题描述

10．5．2插装优化问题建模

10．5．3蚁群算法的开发

10．5．4实证实验

11混合算法

11．1混合优化的机制与策略

11．1．1混合优化基本机制

11．1．2混合优化基本策略

11．2精确解算法之间的混合算法

11．3精确解算法与启发式算法的混合算法

11．4传统与现代启发式算法的混合算法

11．5现代启发式算法之间的混合算法

附录1BP网络应用问题示例的基本数据

附录2实验对象PCB的基本数据

附录318个基准测试问题

参考文献

　　优化技术就是在满足约束条件的可行解集合内寻求全局最优解、局部最优解的过程中所应用的理论与方法，涉及运筹学理论与计算机技术等多学科的交叉领域，具体包括数学建模、约束处理、算法设计以及程序设计等环节。本书是围绕上述优化过程的核心环节算法设计来进行阐述的。数学建模与程序设计环节的内容将在本书的优化技术基础中简单阐述，有关这两方面的更详尽的内容需参考相应的运筹学与计算机编程技术书籍。约束处理方面的内容在本书相应的章节中也得以体现。本书可作为物流工程与管理(082322)、交通运输规划与管理(082303)、管理科学与工程(1201)、工商管理(1202)等相关学科与专业的研究生教材，也可作为MBA以及相关专业的高年级本科生的参考教材，还可供对优化技术感兴趣的人士研读。