遗传算法的路径优化毕业论文

1. 遗传算法路径规划毕业论文(计算机毕业论文遗传算法在计算机仿真技术中的应用)

遗传算法路径规划毕业论文(计算机毕业论文遗传算法在计算机仿真技术中的应用)

1.计算机毕业论文遗传算法在计算机仿真技术中的应用

计算机的出现和计算技术的发展为仿真技术的发展提供了强有力的手段和工具。最近几年，随着计算机的迅速发展和普及，尤其是微型计算机的发展和普及，很多大计算量的仿真系统得以实现，并在国民生产、科学研究等领域得到广泛的应用。

现代科技发展中提出愈来愈复杂的随机性问题，除极少数外，要想通过仿真给出其严格解是困难的，用确定性方法给出其近似解也很困难，甚至不可能。遗传算法 GA (Genetic Algorithm)[1]是模拟生物进化的优化算法，把遗传算法GA 应用到仿真技术中，是一种很强的特殊的数值方法。

1 遗传算法[ 1 ]

1.1 并行遗传算法实现方案目前并行遗传算法的实现方案大致可分为3 类：（1）全局型—主从式模型（master-slave model）：并行

系统分为一个主处理器和若干个从处理器。主处理器监控整个染色体种群，并基于全局统计执行选择操作；各个从处理器接受来自主处理器的个体进行重组交叉和变异，产生新一代个体，并计算适应度，再把计算结果传给主处理

器。

从而加快满足终止条件的要求。粗粒度模型也称岛屿模型

(island model)，基于粗粒度模型的遗传算法也称为分布式遗传算法（Distributed Genetic Algorithm），也是目前应用最广泛的一种并行遗传算法。

(3)分散型—细粒度模型（fine-grained model）：为种群中的每一个个体分配一个处理器，每个处理器进行适应度的计算，而选择、重组交叉和变异操作仅在与之相邻的一个处理器之间相互传递个体中进行，细粒度模型也称邻域模型（neighborhood model），适合于连接机、阵列机和 SIMD 系统。

1.2 迁移策略

迁移（migration）是并行遗传算法引入的一个新的算子，它是指在进化过程中子群体间交换个体的过程，一般的迁移方法是将子群体中最好的个体发给其它的子群体毕业论文网，通过迁移可以加快较好个体在群体中的传播，提高收敛速度和解的精度。最基本的迁移模型是环状拓扑模型，如图

(2)独立型—粗粒度模型（coarse-grained model）：将种群分成若干个子群体并分配给各自对应的处理器，每个处理器不仅独立计算适应度，而且独立进行选择、重组交叉和变异操作，还要定期地相互传送适应度最好的个体，

从而加快满足终止条件的要求。粗粒度模型也称岛屿模型

(island model)，基于粗粒度模型的遗传算法也称为分布式遗传算法（Distributed Genetic Algorithm），也是目前应用最广泛的一种并行遗传算法。

1.2 迁移策略

迁移（migration）是并行遗传算法引入的一个新的算子，它是指在进化过程中子群体间交换个体的过程，一般的迁移方法是将子群体中最好的个体发给其它的子群体，通过迁移可以加快较好个体在群体中的传播，提高收敛速度和解的精度。最基本的迁移模型是环状拓扑模型

2.计算机论文并行遗传算法的性能参数

独立型—粗粒度模型（coarse-grained model）：将种群分成若干个子群体并分配给各自对应的处理器，每个处理器不仅独立计算适应度，而且独立进行选择、重组交叉和变异操作，还要定期地相互传送适应度最好的个体，从而加快满足终止条件的要求。

粗粒度模型也称岛屿模型（island model），基于粗粒度模型的遗传算法也称为分布式遗传算法（Distributed Genetic Algorithm），也是目前应用最广泛的一种并行遗传算法。（3）分散型—细粒度模型（fine-grained model）：为种群中的每一个个体分配一个处理器，每个处理器进行适应度的计算，而选择、重组交叉和变异操作仅在与之相邻的一个处理器之间相互传递个体中进行，细粒度模型也称邻域模型（neighborhood model），适合于连接机、阵列机和 SIMD 系统。

1.2 迁移策略迁移（migration）是并行遗传算法引入的一个新的算子，它是指在进化过程中子群体间交换个体的过程，一般的迁移方法是将子群体中最好的个体发给其它的子群体，通过迁移可以加快较好个体在群体中的传播，提高收敛速度和解的精度。最基本的迁移模型是环状拓扑模型，如图1 所示。

1.3 并行遗传算法的性能参数为了评价并行算法的性能，人们提出了许多不同的评价指标，其中最重要的一个评价标准是加速比。设T 1 为某算法在串行计算机上的运行时间，T P 是该算法在由p 个处理机所构成的并行机上的运行时间，则此算法在该并行机上的加速比S p 定义为：（1）并行遗传算法的性能主要体现在收敛速度和精度两个方面，它们除了与迁移策略有关，还与一些参数选取的合理性密切相关，如遗传代数、群体数目、群体规模、迁移率和迁移间隔。

2 计算机仿真 “系统仿真是通过对系统模型的实验，研究一个存在的或设计中的系统”[2] 。对于给定目标，仿真过程可大致分为仿真建模、程序实现、仿真结果的统计分析三大部分[3] 。

其中仿真建模是最基础的、关系整个仿真成败的环节。如果有软件能够辅助用户方便快捷地完成仿真建模工作，那么不仅可大大减少工作量，而且还可使用户集中精力于提高建模质量[4] 。

通过以上的概念分析，可以看出：仿真成败的关键是仿真前的建模，模型建起来以后对输入数据的优化也很重要。因此，可以把并行遗传算法应用在计算机仿真中，从而来提高仿真的准确度。

3 并行遗传算法在计算机仿真中的应用并行遗传算法叙述如下：（ 1）基于对待解问题的详细分析，建立详细的符合其特点的并行遗传算法模型。（ 2）基于并行遗传算法模型确定仿真前各参数的实现方案。

（3）运用蒙特卡罗方法生成的大量随机数，结合（2）的实现方案对随机数进行优化。（ 4）进行仿真试验，得出仿真结果。

（ 5）若这个结果和预期理论结果不相符，则说明仿真失败，重新回到第一步。否则，此次仿真过程成功。

仿真过程如图2 所示。遗传算法在计算机仿真技术中的应用张少刚面随意地投掷长度为 l 的细针，设细针与平行线的垂直方向的夹角为a，则细针与平行线相交的概率为I=Ig∣cosa∣。

由于a 是在[0， π] 间均匀分布的，所以细针与平行线相交的概率等于1/ ∣cosa ∣da=2/ π。设进行了N 次投针试验毕业论文网，有M 次与平行线相交，当N 足够大时，细针与平行线相交的频率就等于以上的概率，于是得到计算的π公式为： π=2N/M。

4.2 计算方法和结果 4.2.1 模型在二维平面上画三条相距为O.5 ，长度为L 的平行线，取细针长度为 O.5 ，如图 3 所示，因为本文所用随机数在 [0 ,1] 之间，所以平行线的有效长度为L ，也就是说所有投掷试验都等效于在上述边长为 L 的正方形区域内进行的。根据对这个问题的分析，可以确定该仿真例子适合遗传算法的第（1）类全局型—主从式模型，基于并行遗传算法模型确定仿真前各参数为x1、x2、y1、y2，其实现方案见以下算法。

3.为什么很多论文都要用遗传算法,蚁群算法

蚁群算法又称蚂蚁算法，是一种用来在图中寻找优化路径的机率型算法。它由Marco Dorigo于1992年在他的博士论文中提出，其灵感来源于蚂蚁在寻找食物过程中发现路径的行为。蚁群算法是一种模拟进化算法，初步的研究表明该算法具有许多优良的性质.针对PID控制器参数优化设计问题，将蚁群算法设计的结果与遗传算法设计的结果进行了比较，数值仿真结果表明，蚁群算法具有一种新的模拟进化优化方法的有效性和应用价值。

神经网络

思维学普遍认为，人类大脑的思维分为抽象（逻辑）思维、形象（直观）思维和灵感（顿悟）思维三种基本方式。

逻辑性的思维是指根据逻辑规则进行推理的过程；它先将信息化成概念，并用符号表示，然后，根据符号运算按串行模式进行逻辑推理；这一过程可以写成串行的指令，让计算机执行。然而，直观性的思维是将分布式存储的信息综合起来，结果是忽然间产生想法或解决问题的办法。这种思维方式的根本之点在于以下两点：1.信息是通过神经元上的兴奋模式分布储在网络上；2.信息处理是通过神经元之间同时相互作用的动态过程来完成的。

人工神经网络就是模拟人思维的第二种方式。这是一个非线性动力学系统，其特色在于信息的分布式存储和并行协同处理。虽然。蚁群算法又称蚂蚁算法，是一种用来在图中寻找优化路径的机率型算法。它由Marco Dorigo于1992年在他的博士论文中提出，其灵感来源于蚂蚁在寻找食物过程中发现路径的行为。蚁群算法是一种模拟进化算法，初步的研究表明该算法具有许多优良的性质.针对PID控制器参数优化设计问题，将蚁群算法设计的结果与遗传算法设计的结果进行了比较，数值仿真结果表明，蚁群算法具有一种新的模拟进化优化方法的有效性和应用价值。

神经网络

思维学普遍认为，人类大脑的思维分为抽象（逻辑）思维、形象（直观）思维和灵感（顿悟）思维三种基本方式。

人工神经网络就是模拟人思维的第二种方式。这是一个非线性动力学系统，其特色在于信息的分布式存储和并行协同处理。虽然单个神经元的结构极其简单，功能有限，但大量神经元构成的网络系统所能实现的行为却是极其丰富多彩的。

神经网络的研究内容相当广泛，反映了多学科交叉技术领域的特点。目前，主要的研究工作集中在以下几个方面：

(1)生物原型研究。从生理学、心理学、解剖学、脑科学、病理学等生物科学方面研究神经细胞、神经网络、神经系统的生物原型结构及其功能机理。

(2)建立理论模型。根据生物原型的研究，建立神经元、神经网络的理论模型。其中包括概念模型、知识模型、物理化学模型、数学模型等。

(3)网络模型与算法研究。在理论模型研究的基础上构作具体的神经网络模型，以实现计算机馍拟或准备制作硬件，包括网络学习算法的研究。这方面的工作也称为技术模型研究。

(4)人工神经网络应用系统。在网络模型与算法研究的基础上，利用人工神经网络组成实际的应用系统，例如，完成某种信号处理或模式识别的功能、构作专家系统、制成机器人等等。

纵观当代新兴科学技术的发展历史，人类在征服宇宙空间、基本粒子，生命起源等科学技术领域的进程中历经了崎岖不平的道路。我们也会看到，探索人脑功能和神经网络的研究将伴随着重重困难的克服而日新月异。

遗传算法，是模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型，是一种通过模拟自然进化过程搜索最优解的方法，它最初由美国Michigan大学J.Holland教授于1975年首先提出来的，并出版了颇有影响的专著《Adaptation in Natural and Artificial Systems》，GA这个名称才逐渐为人所知，J.Holland教授所提出的GA通常为简单遗传算法（SGA）。

遗传算法路径规划毕业论文

路径优化毕业论文

1.运输路径优化问题论文的开题报告怎么写

运输路径优化问题论文的开题报告

由于开题报告是用文字体现的论文总构想，因而篇幅不必过大，但要把计划研究的课题、如何研究、理论适用等主要问题说清楚，应包含两个部分：总述、提纲。

1 总述

开题报告的总述部分应首先提出选题，并简明扼要地说明该选题的目的、目前相关课题研究情况、理论适用、研究方法、必要的数据等等。

2 提纲

开题报告包含的论文提纲可以是粗线条的，是一个研究构想的基本框架。可采用整句式或整段式提纲形式。在开题阶段，提纲的目的是让人清楚论文的基本框架，没有必要像论文目录那样详细。

3 参考文献

开题报告中应包括相关参考文献的目录

4 要求

开题报告应有封面页，总页数应不少于4页。版面格式应符合以下规定。

开题报告

学生：

一、选题意义

1、理论意义

2、现实意义

二、论文综述

1、理论的渊源及演进过程

2、国外有关研究的综述

3、国内研究的综述

4、本人对以上综述的评价

三、论文提纲

前言、

一、

1、

2、

3、

2.运输路径优化问题论文的开题报告怎么写

运输路径优化问题论文的开题报告由于开题报告是用文字体现的论文总构想，因而篇幅不必过大，但要把计划研究的课题、如何研究、理论适用等主要问题说清楚，应包含两个部分：总述、提纲。

1 总述开题报告的总述部分应首先提出选题，并简明扼要地说明该选题的目的、目前相关课题研究情况、理论适用、研究方法、必要的数据等等。2 提纲开题报告包含的论文提纲可以是粗线条的，是一个研究构想的基本框架。

可采用整句式或整段式提纲形式。在开题阶段，提纲的目的是让人清楚论文的基本框架，没有必要像论文目录那样详细。

3 参考文献开题报告中应包括相关参考文献的目录4 要求开题报告应有封面页，总页数应不少于4页。版面格式应符合以下规定。

开题报告学生：一、选题意义 1、理论意义 2、现实意义二、论文综述 1、理论的渊源及演进过程 2、国外有关研究的综述 3、国内研究的综述 4、本人对以上综述的评价三、论文提纲前言、一、1、2、3、。

3.大四做毕业论文

您的物流工程专业的具体是什么题目呢有什么要求呢论文是需要多少字呢开题报告任务书都搞定了不你可以告诉我具体的排版格式要求，希望可以帮到你，祝写作过程顺利1、论文题目：要求准确、简练、醒目、新颖。

2、目录：目录是论文中主要段落的简表。（短篇论文不必列目录） 3、提要：是文章主要内容的摘录，要求短、精、完整。

字数少可几十字，多不超过三百字为宜。 4、关键词或主题词：关键词是从论文的题名、提要和正文中选取出来的，是对表述论文的中心内容有实质意义的词汇。

关键词是用作机系统标引论文内容特征的词语，便于信息系统汇集，以供读者检索。每篇论文一般选取3-8个词汇作为关键词，另起一行，排在“提要”的左下方。

主题词是经过规范化的词，在确定主题词时，要对论文进行主题，依照标引和组配规则转换成主题词表中的规范词语。 5、论文正文：（1）引言：引言又称前言、序言和导言，用在论文的开头。

引言一般要概括地写出作者意图，说明选题的目的和意义，并指出论文写作的范围。引言要短小精悍、紧扣主题。

〈2）论文正文：正文是论文的主体，正文应包括论点、论据、论证过程和结论。主体部分包括以下内容： a.提出-论点； b.分析问题-论据和论证； c.解决问题-论证与步骤； d.结论。

6、一篇论文的参考文献是将论文在和写作中可参考或引证的主要文献资料，列于论文的末尾。参考文献应另起一页，标注方式按《GB7714-87文后参考文献著录规则》进行。

中文：标题--作者--出版物信息（版地、版者、版期）：作者--标题--出版物信息所列参考文献的要求是：（1）所列参考文献应是正式出版物，以便读者考证。（2）所列举的参考文献要标明序号、著作或文章的标题、作者、出版物信息。

4.要如何优化物流的配送路径呢

原发布者：司徒英俊fly

石河子大学毕业论文题目：节约里程法在新疆国美电器物流配送路线优化中的应用研究院（系）：商学院商务管理系年级：2008级专业：物流管理班级：物流2008(1)班学号：2008175477姓名：张露露指导教师：李霞完成日期：2012年03月10日目录引言11.物流配送概述21.1物流配送的概念21.2物流配送的功能31.3物流配送路线优化的意义32.新疆国美电器物流配送中心基本概况32.1新疆国美电器简介32.2新疆国美电器配送中心运作现状及现有路线分析42.2.1现有配送路线概况52.2.2现有配送路线中存在的问题分析63.节约里程法在新疆国美电器物流配送路线优化中的应用研究73.1建立VRP模型73.1.1物流配送模型73.1.2节约里程法的基本理论73.1.3新疆国美电器物流配送中心VRP模型的建立93.2模型求解93.3配送路线优化103.4配送路线优化前后比较分析及思考163.4.1优化前后比较分析163.4.2节约里程法的思考164.新疆国美电器物流配送中心配送路线优化对策分析184.1完善物流配送体系，加强物流运作标准化184.2构建物流信息系统平台，降低配送成本184.3合理安排配送排程，减少不必要的配送路

5.谁能帮我写一篇关于物流配送系统优化的文章啊

本文研究如何在满足配送系统多目标的要求下合理分配和控制配送活动的时间，从而实现配送系统优化的目的。文章构建了多目标规划模型并对其进行了实证分析，对企业做出配送决策有一定的指导意义。关键词：配送；多目标规划；系统优化中图分类号：F253.4文献标识码：A文章编号：1002-3100(2007)08-0041-03 Abstract: This paper studies how to distribute and control the time of delivering actions under the multi-objective request, thus optimizing the distributing and delivering system. The paper constructs the model of multi-objective programming and uses an example to study the model. It is important to make some distributing decisions. Key words: distribution; multi-objective programming; logistics optimization 随着物流业的快速发展，如何降低成本消耗，提高企业效益成了众多物流配送企业面临的问题。国内外众多学者已经开始配送系统的优化研究，研究主要集中在配送设施选址、配送路线优化等方面，优化的方法以最短路径，启发式和神经网络等算法居多，但涉及从多目标的角度进行配送活动优化研究的方法甚少。在配送系统的优化研究中配送选址、配送路线的优化研究固然重要，但配送系统内配送活动的优化研究也不应忽视。因此本文从多目标的角度研究配送系统内配送活动的优化问题。 1物流配送系统多目标规划建模[2-3] 1.1多目标规划的目标体系（1）配送活动的时间最少一次有序的物流配送活动流程图（图1）。每一个活动都需要一定的时间去完成，而我们的目标是在现有的条件和成本限制下，使完成配送活动的时间越短越好。（2）配送活动的成本最低物流企业要达到盈利的目的，必须对成本严格控制和优化。如何在合理的时间内使成本最低而效益最大化是企业的最终目标。（3）配送活动完成质量最高高质量完成配送活动是配送企业的期望和要求，也是提供给客户高质量服务的保证。但是质量这一目标难以定量化去衡量，本文研究的质量目标主要是配送中心完成配送活动的工作质量，以区间7,9, 5,7, 3,5, 1,3表示优良中差四个质量等级。上述的三个目标既互相独立又互相联系。准时、及时的配送系统是许多配送企业追求配送合理化的重要手段，然而这需要现代化的管理思想、熟练的技术人员以及先进的技术设备，所以企业追求的时间目标和成本目标是有着“效益悖反”规律的。高质量的完成配送活动需要一定的时间，对企业来说时间目标和质量目标也有“效益悖反”的规律。本文研究讨论建立多目标模型来权衡这些目标。 1.2模型中参数的含义由计算结果只用6分钟完成集货，14分钟完成分货，30分钟完成拣货、50分钟完成装配可使本次配送活动成本控制在660元，时间控制在100分钟而质量达到良。计算结果表明该配送中心应加强控制集货和分货的时间，可以通过学习优秀企业的经验，引进先进设备以及吸收技术型人才来提高配送效率，从而增加企业效益，实现配送系统的优化。 3结束语本文对配送系统中配送活动的优化问题进行了讨论和研究，建立了多目标规划模型并对其进行了实证分析。希望本文的研究可以为企业合理分配和控制配送活动的时间提供参考依据，避免企业传统盲目的物流配送活动。参考文献：刘志强，丁鹏，盛焕烨. 物流配送系统设计[M]. 北京：清华大学出版社，2003. Do Ba Khang and Yin Mon Myint. Time cost and quality trade-off in project management[J]. International Journal of Project Management, 1999,17(4):249-256. 杨茂盛. 运筹学[M]. 西安：陕西科学技术出版社，2002. “本文中所涉及到的图表、注解、公式等内容请以PDF格式阅读原文。” 本文为全文原貌未安装PDF浏览器下载安装原版全文基于多目标规划在物流配送系统优化中的应用研究杨茂盛谢静

这是人家公司商业机密.要想知道也不是难事.只不过要花点心思

6.求：GSM网络优化的大学毕业论文,参考资料也可以,谢谢

GsM系统网络优化的研究摘习石3七本论文论述了GSM网络优化理论，并结合哈尔滨移动通信网络实际情况，研究了提高无线网络服务质量的方法。

其中主要研究了GSM系统随机接入成功率、掉话率和拥塞、小区基站优化等几方面。首先，论述了网络优化的基本概念，介绍了网络中的各种资源，以及网络优化的目标。

通过对各种网络数据的分析，例如交换机统计数据的分析、路测数据分析、干扰分析、基站测试结果分析、信令分析等等，找出网络中存在的问题，并提出有针对性的解决方案。其次，论述了随机接入成功率的相关概念，讲述了随机接入过程，并分析了随机接入失败的原因。

例如：同BCCH/BSIC同邻频干扰、覆盖不好、上下行功率不平衡、TA过大、接收路径的硬件问题、话务量过高、拥塞、“幽灵”随机接入等等。介绍了涉及随机接入性能的指标、计数器，随机接入失败与用户感受。

通过实际案例的分析，论述了提高随机接入成功率的方法。第三，论述了掉话和拥塞的分析及优化。

分别对话音信道掉话率、话音信道拥塞率、信令信道掉话率、信令信道拥塞率等进行了分析，并通过实际案例DT测试中的掉话、拥塞进行了分析，提出解决方案。对无线网络质量性能的优化效果作了分析，论述了参数优化的方法。

第四，论述了小区基站的优化。首先介绍了小区基站优化的概念和蜂窝区技术，讲述了基站、小区的概念。

其次论述了位置区及其规划原则，位置区寻呼容量等。最后，论述了基站优化方法，并通过案例分析研究了优化方法。

关键词：GSM；网络优化；随机接入；掉话率；拥塞；基站优化程大学硕士学位论文 ABSTRACTh, 而 MobileTeleeon且 nunlcationnetwork.Somekeymarks, suehassuceessrateof randomaceess, , basestationoPt而 izationandete.First,it, , manykindsof .ft, 勺刀 , suchasstatisticaldata ofswitehingequiPmeni, fieldtestdata,inte成 rencedata, signalingdata,Seeond,it, accessfailure, suehasBCCH/, badeover, Power ,largeTA, ,high'traffie, .It, 5Presentedthemethodto .Third,it, ,whieh . .OPti而zation . Thelast,it, Praetiealeases.It' techniquesofcellular, PlanningPrineiPles, . Keywords:GSM;networkoPtimization:randomaecess:calldroPrate: congestion;犷程大学硕士学位论文目录第l章绪论。

……1 1.1GSM网络优化概述。

.……11.1.1网络优化基本概念。

..……11.1.2网络优化目标。

.……41.1.3网络优化数据分析。

..……61.2网络优化技术的研究现状。

..……91.3课题研究背景及意义。.……，。

……101.4论文主要内容和结构安排。

……n第2章随机接入成功率分析。

……132.1随机接入成功率。

.……132.2随机接入过程.…，。

……132.3随机接入失败原因分析。

..……，。

.……172.4涉及随机接入性能的指标、计数器介绍。

……202.5随机接入失败与用户感受。

……232.6随机接入失败案例分析。

……，。

……262.7解决随机接入失败的方法。

……302.8本章小结。

.……31第3章掉话和拥塞分析及优化。

..……333.1掉话率分析。

……333.1.1掉话率指标的定义。

..……33 3.1.2GSM网络掉话率的形式。

..……333.2拥。

7.物流管理专业毕业论文怎样写

写电子商务与物流之间的联系本想找给你这会找不到两者应当是相辅相成的吧没有物流，电子商务的开展就会被限制，电子商务会促进物流的开展与健全物流包括运输、保管、装卸搬运、包装、凝滞加工、配送以及音讯等方面详细的你可以搜寻一下电子商务的物流摘要：自从98年以来，在我国兴起了电子商务热潮，国际很多公司纷繁注册电子商务公司，一般的经济被打乱。

直到去年电子商务热潮才过去，人们才实真实在的把目光投向了物流，应当说，物流在我国有很大潜力，据不完整的统计，从92年到98年，我国物流的开展为国度的活动资金浪费了8000亿左右群众币，而且我国往常的物流利息占GDP20%之多，而兴旺国度仅只要10%左右，时期召唤电子物流的发生。关键词：电子商务物流音讯流商流资金流电子物流第三方物流第四方物流一、电子商务中的物流发生 Internet的发明是近30年来最庞大的社会效果和科技效果，它正使人们的生活发生变化，也将引领一场商业范畴的变化与飞跃。

基于Internet的电子商务可以说是21世纪经济的新亮点，但是就目前来说，这个亮点尚未闪烁光芒，大约只是一种经济开展的目的形式。无疑，电子商务是21世纪新的商务工具，它将像杠杆一样撬动激进产业和新兴产业，促进激进产业的嬗变，新兴产业的开展，而在这个进程中，现代物流与派送产业将成为这个杠杆的支点。

二、电子商务和物流的联系以及物流的主要性电子商务同专业物流的联系似乎企业与银行的联系。但是，由于电子商务公司同激进的公司比拟具有愈加繁杂树立、营运利息低的特性，其协作将会愈加剧烈，估量将会开展为与物流融合，形成一个公司既有电子商务，也有物流，而各个公司之间似乎往常一样，既有协作，又有协作。

垄断企业的范围会进一步扩展，其垄断不只仅在某一行业，也可以是某一地域的商务，即发生商务垄断。它的主要性根源于以下几下方面：（一）物流——完成电子商务的保证 1、物流保证消费不论在激进的贸易方式下，还是在电子商务下，消费都是商品凝滞之本，而消费的胜利停止需求各类物流活动支持。

消费的全进程从原资料的推销末尾，便央求有相应的供应物流活动，将所推销的资料到位，否则，消费就难以停止；在消费的各工艺流程之间，也需求原资料、半废品的物流进程，即所谓的消费物流，以完成消费的活动性；部分余料、可重复应用的物资的回收，就需求所谓的回收物流；废弃物的处置则需求废弃物物流。可见，整个消费进程实践上就是系列化的物流活动。

合理化、现代化的物流，经过降低费用从而降低利息、优化库存构造、增加资金占压、变短消费周期，保证了现代化消费的高效停止。相同，缺少了现代化的物流，消费将难以胜利停止，那不论电子商务是多么便利的贸易方式，仍将是无米之炊。

2、物流效劳于商流在商流活动中，商品一切权在购销合同签署的那一刻起，便由供方转移到需方，而商品实体并没有因此而移动。在激进的买卖进程中，除了非实物交割的期货买卖，一般的商流都必需随同相应的物流活动，即依照需方（购方）的需求将商品实体由供方（卖方）以妥当的方式、路途向需方（购方）转移。

而在电子商务下，消耗者经过上网点击购物，完成了商品一切权的交割进程，即商流进程。但电子商务的活动并未完毕，只要商品和效劳真正转移到消耗者手中，商务活动才告以终结。

在整个电子商务的买卖进程中，物流实践上是以商流的后续者和效劳者的姿态出现的。没有现代化的物流，如何镇静的商流活动都仍会提高为一纸空文。

（二）物流是电子商务概念的主要形式自从98年末尾，电子商务就成为一个抢手的话题，特地是与电子商务沾得上一点边的企业上市筹资，都取得胜利。而为什么至从去年以来，电子商务就渐渐末尾降温了呢？最主要的还是一个物流和配送的瓶颈效果。

从国际电子商务运转的剖析，我国电子商务行业、并不失望，所谓的电子商务其实也只能说是一块区域电子商务，打个比如吧，我往常在宁波，我假设应用电子商务方式购置商品的话，假设购置外地的东西，电子商务可能确实可以完成，效果、优势可能立刻可以表现出来；但试想一下，我假设购置的是新疆商品，而且不是很多，就一个小玩具，能完成吗？能完成的话，是真正的实惠吗？优势还有吗？这就是一个物流瓶颈效果。从电子商务降温以来，之后就末尾了物流热，物流作为一个年轻的行业，开展潜力很大。

国度指导人也一再强调开展物盛行业是中国经济新增加点，降低物流利息也是企业的第三利息泉，还有就是把物盛行业的开展作为十五规划的一个方面。在这样一个政府支持的软环境下，物流的开展空间会更大。

不论从我国凝滞利息在GDP的比重看，还是凝滞利息占用活动资金的几来看，物流的开展对我国都是一种全新的应战。（三）物流是完成“以顾客为中心”理念的根本保证从原始买卖到往常的电子商务，其中最大改动就是电子商务不受时间、地点的限制。

电子商务可以把一切的商品买卖虚拟成一个大的商场，在任何时间、地点都可以买到世界就职何一种商品。电子商务的出现，在最大水平上便当。

8.求《车辆优化调度理论与方法》的论文

国外车辆优化调度研究已广泛用于生产、生活的各个方面，如报纸投递及线路的优化、牛奶配送及送达线路的优化、电话预订货物的车辆载货和线路设计、垃圾车的线路优化及垃圾站选址优化、连锁商店的送货及线路优化等等。目前，研究水平已有很大发展，其理论成果除在汽车运输领域外，在水运、航空、通讯、电力、工业管理、计算机应用等领域也有一定的应用，还用于航空乘务员轮班安排、轮船公司运送货物经过港口与货物安排的优化设计、交通车线路安排、生产系统中的计划与控制等多种组合优化问题。

在国内，该问题的系统研究还不多见。近年来本书作者及课题组成员承担了国家自然科学基金《城市货运汽车的科学调度》、《货运车辆调度优化理论及应用研究》和四川省重点软科学课题《城市货运卡车集中优化调度研究》等项目的研究工作，对车辆优化调度的基础理论及各类问题进行了较为系统的研究，开发了基于地理信息。（

给我分啊。。

路径优化毕业论文

遗传算法和蚁群算法毕业论文

1.为什么很多论文都要用遗传算法,蚁群算法

神经网络

思维学普遍认为，人类大脑的思维分为抽象（逻辑）思维、形象（直观）思维和灵感（顿悟）思维三种基本方式。

神经网络

思维学普遍认为，人类大脑的思维分为抽象（逻辑）思维、形象（直观）思维和灵感（顿悟）思维三种基本方式。

神经网络的研究内容相当广泛，反映了多学科交叉技术领域的特点。目前，主要的研究工作集中在以下几个方面：

(1)生物原型研究。从生理学、心理学、解剖学、脑科学、病理学等生物科学方面研究神经细胞、神经网络、神经系统的生物原型结构及其功能机理。

(2)建立理论模型。根据生物原型的研究，建立神经元、神经网络的理论模型。其中包括概念模型、知识模型、物理化学模型、数学模型等。

2.关于神经网络,蚁群算法和遗传算法

1. 神经网络并行性和自适应性很强，应用领域很广，在任何非线性问题中都可以应用，如控制、信息、预测等各领域都能应用。

2. 蚁群算法最开始应用于TSP问题，获得了成功，后来又广泛应用于各类组合优化问题。但是该算法理论基础较薄弱，算法收敛性都没有得到证明，很多参数的设定也仅靠经验，实际效果也一般，使用中也常常早熟。

3. 遗传算法是比较成熟的算法，它的全局寻优能力很强，能够很快地趋近较优解。主要应用于解决组合优化的NP问题。

4. 这三种算法可以相互融合，例如GA可以优化神经网络初始权值，防止神经网络训练陷入局部极小且加快收敛速度。蚁群算法也可用于训练神经网络，但一定要使用优化后的蚁群算法，如最大-最小蚁群算法和带精英策略。

3.计算机专业本科生做毕业论文一般用什么算法

一个程序的核心在于算法。比如说打开一个软件和运行一个软件的速度在计算机硬件性能相同情况下，软件的算法起到了几近决定性作用，所有的计算机软件和硬件的编程都是需要算法的，就算一个hello world程序虽然我们编时候没有用到算法但是在编译他和运行再屏幕显示的时候就是算法了。算法是计算机乃至自然界的核心，如果知道人脑的算法，就可以制造出人工智能的软件。

算法太多，也就不全部列举出来了，具体的还有用法，你自己看下书或去网上找下，都应该可以找到的：比如：贪心算法，蚁群算法，遗传算法，进化算法，基于文化的遗传算法，禁忌算法，蒙特卡洛算法，混沌随机算法，序贯数论算法，粒子群算法，模拟退火算法等等。

4.计算机专业本科生做毕业论文一般用什么算法

一个程序的核心在于算法。

比如说打开一个软件和运行一个软件的速度在计算机硬件性能相同情况下，软件的算法起到了几近决定性作用，所有的计算机软件和硬件的编程都是需要算法的，就算一个hello world程序虽然我们编时候没有用到算法但是在编译他和运行再屏幕显示的时候就是算法了。算法是计算机乃至自然界的核心，如果知道人脑的算法，就可以制造出人工智能的软件。

5.遗传算法和蚁群算法的区别

遗传算法（Genetic Algorithm,GA）是由Holland J.H.于20世纪70年代提出的一种优化方法，其最优解的搜索过程模拟达尔文的进化论和“适者生存”的思想。

蚁群算法（Ant Colony Optimization, ACO），是一种用来在图中寻找优化路径的机率型算法。

两种算法从概念上都属于随机优化算法，遗传算法是进化算法，主要通过选择、变异和交叉算子，其中每个基因是由二进制串组成；蚁群算法是基于图论的算法，通过信息素选择交换信息。

6.我要写一篇关于粒子群最优化算法（PSO）的论文,还需要一个关于这

摘自：人工智能论坛 1。

引言粒子群优化算法（PSO）是一种进化计算技术（evolutionary computation），有Eberhart博士和kennedy博士发明。源于对鸟群捕食的行为研究 PSO同遗传算法类似，是一种基于叠代的优化工具。

系统初始化为一组随机解，通过叠代搜寻最优值。但是并没有遗传算法用的交叉（crossover）以及变异（mutation）。

而是粒子在解空间追随最优的粒子进行搜索。详细的步骤以后的章节介绍同遗传算法比较，PSO的优势在于简单容易实现并且没有许多参数需要调整。

目前已广泛应用于函数优化，神经网络训练，模糊系统控制以及其他遗传算法的应用领域 2。背景：人工生命 "人工生命"是来研究具有某些生命基本特征的人工系统。

人工生命包括两方面的内容 1。研究如何利用计算技术研究生物现象 2。

研究如何利用生物技术研究计算问题我们现在关注的是第二部分的内容。现在已经有很多源于生物现象的计算技巧。

例如，人工神经网络是简化的大脑模型。遗传算法是模拟基因进化过程的。

现在我们讨论另一种生物系统- 社会系统。更确切的是，在由简单个体组成的群落与环境以及个体之间的互动行为。

也可称做"群智能"（swarm intelligence）。这些模拟系统利用局部信息从而可能产生不可预测的群体行为例如floys 和 boids，他们都用来模拟鱼群和鸟群的运动规律，主要用于计算机视觉和计算机辅助设计。

在计算智能（computational intelligence）领域有两种基于群智能的算法。蚁群算法（ant colony optimization）和粒子群算法（particle swarm optimization）。

前者是对蚂蚁群落食物采集过程的模拟。已经成功运用在很多离散优化问题上。

粒子群优化算法（PSO）也是起源对简单社会系统的模拟。最初设想是模拟鸟群觅食的过程。

但后来发现PSO是一种很好的优化工具。 3。

算法介绍如前所述，PSO模拟鸟群的捕食行为。设想这样一个场景：一群鸟在随机搜索食物。

在这个区域里只有一块食物。所有的鸟都不知道食物在那里。

但是他们知道当前的位置离食物还有多远。那么找到食物的最优策略是什么呢。

最简单有效的就是搜寻目前离食物最近的鸟的周围区域。 PSO从这种模型中得到启示并用于解决优化问题。

PSO中，每个优化问题的解都是搜索空间中的一只鸟。我们称之为“粒子”。

所有的例子都有一个由被优化的函数决定的适应值（fitness value），每个粒子还有一个速度决定他们飞翔的方向和距离。然后粒子们就追随当前的最优粒子在解空间中搜索 PSO 初始化为一群随机粒子（随机解）。

然后通过叠代找到最优解。在每一次叠代中，粒子通过跟踪两个"极值"来更新自己。

第一个就是粒子本身所找到的最优解。这个解叫做个体极值pBest。

另一个极值是整个种群目前找到的最优解。这个极值是全局极值gBest。

另外也可以不用整个种群而只是用其中一部分最为粒子的邻居，那么在所有邻居中的极值就是局部极值。在找到这两个最优值时，粒子根据如下的公式来更新自己的速度和新的位置 v[] = v[] + c1 * rand() * (pbest[] - present[]) + c2 * rand() * (gbest[] - present[]) (a) present[] = persent[] + v[] (b) v[] 是粒子的速度， persent[] 是当前粒子的位置。

pbest[] and gbest[] 如前定义 rand （) 是介于（0, 1）之间的随机数。 c1, c2 是学习因子。

通常 c1 = c2 = 2。程序的伪代码如下 For each particle ____Initialize particle END Do ____For each particle ________Calculate fitness value ________If the fitness value is better than the best fitness value (pBest) in history ____________set current value as the new pBest ____End ____Choose the particle with the best fitness value of all the particles as the gBest ____For each particle ________Calculate particle velocity according equation (a) ________Update particle position according equation (b) ____End While maximum iterations or minimum error criteria is not attained 在每一维粒子的速度都会被限制在一个最大速度Vmax，如果某一维更新后的速度超过用户设定的Vmax，那么这一维的速度就被限定为Vmax 4。

遗传算法和 PSO 的比较大多数演化计算技术都是用同样的过程 1。种群随机初始化 2。

对种群内的每一个个体计算适应值（fitness value）。适应值与最优解的距离直接有关 3。

种群根据适应值进行复制 4。如果终止条件满足的话，就停止，否则转步骤2 从以上步骤，我们可以看到PSO和GA有很多共同之处。

两者都随机初始化种群，而且都使用适应值来评价系统，而且都根据适应值来进行一定的随机搜索。两个系统都不是保证一定找到最优解但是，PSO 没有遗传操作如交叉（crossover）和变异（mutation）。

而是根据自己的速度来决定搜索。粒子还有一个重要的特点，就是有记忆。

与遗传算法比较， PSO 的信息共享机制是很不同的。在遗传算法中，染色体（chromosomes）互相共享信息，所以整个种群的移动是比较均匀的向最优区域移动。

在PSO中，只有gBest (or lBest) 给出信息给其他的粒子，这是单向的信息流动。整个搜索更新过程是跟随当前最优解的过程。

与遗传。