工程项目管理供应链中自适应蚁群算法的研究
导读：复杂系统的优化理论和方法研究是一个具有挑战意义的课题，同时，也给最优化技术提出了新的要求。正因为如此人们尝试着用各种优化算法去解决实际系统的优化算法问题，这使得现代优化算法在实际运用中逐步得到了改进，并成功地实现了优化技术与实际工业系统的结合。由本站硕士论文中心整理。
第1章绪论
1.1引言
伴随着科学技术飞速发展以及生产规模的不断更新和扩大，许多系统变得越来越复杂，诸如工程管理系统、生产制造系统、电力系统、通讯网络系统、智能机器人等等，对其进行安全性、经济性、稳定性的研究己经成为了一个热点研究领域。复杂系统已经成为当今各领域学术界和工程界共同关注的重要研究对象，最优化作为复杂系统的一个重要研究方向，一直受到学术界的关注，特别是受到了生产调度领域的重视，其中包括了连续系统和离散系统。正如美国工程院院士哈佛大学的Ho YC教授指出的那样，“任何控制和决策问题本质上都可以归结为优化问题”[I]。优化对提高生产效率和经济效益有重要作用，因而实现生产过程的最优化也成为企业界期望早日实现的重大目标之一。
优化算法是实现系统优化的一个数学基础，优化算法的发展和改进都直接或间接的带动了系统优化技术的发展。20世纪的30年代末期，由于军事和工业生产发展的需要，提出了一些不能用古典的微分法和变分法解决的最优化问题，在许多学者和广大科技工作者的共同努力下，逐渐产生、发展和形成了一些新的数学方法一最优化方法，近代解决最优化问题的方法，一般可以分为间接最优化(解析最优化)方法以及直接最优化(试验最优化)方法f2]0
随着最优化技术的不断发展以及现代生产控制过程中问题的复杂性的增加，20世纪80年代初以禁忌搜索、模拟退火、遗传算法和人工神经网络算法为主的算法逐步兴起，科学工作者对这些算法的模型、理论和应用技术等一系列问题进行着深入的研究，并将这些算法称为现代优化算法;现代优化算法的主要应用对象是优化问题中的难以求解的问题，也就是优化理论中所谓的NP-hard问题[3]等。正是因为很多实际优化问题的解性，和现代优化算法在一些优化问题上的成功应用，使得现代优化算法成为解决优化问题的一种有力工具。
一般来说，在现代工业中应用的实际系统不仅建模困难、计算量大，并且存在不确定性、多极小性、非线性、强约束性、多目标性、大规模性、离散连续变量共存等难点，从优化的角度来说，这些系统都属于NP-hard问题[6]。正因为现代工业中应用的实际系统的这些特点，传统的优化算法此时己经显得困难重重。针对这类复杂系统对系统优化带来的挑战，优化算法要对问题的非线性和多极小性具有克服搜索过程陷入局部极小的能力，要对问题的大规模性和NP-hard性具有一定优化质量意义下的高效搜索能力，要对问题的多目标性和强约束性具有对各目标的合理平衡能力，要对问题的不确定因素和算法本身参数具有良好的鲁棒性，要对连续和离散变量共存的特点具有搜索的灵活性和有效性，进而保证取得全局的优化质量、快速的优化效率、鲁棒的优化性能。因此，复杂系统的优化理论和方法研究是一个具有挑战意义的课题，同时，也给最优化技术提出了新的要求。正因为如此人们尝试着用各种优化算法去解决实际系统的优化算法问题，这使得现代优化算法在实际运用中逐步得到了改进，并成功地实现了优化技术与实际工业系统的结合。
1.2蚁群算法的研究背景及概况
1.2.1蚁群算法的起源及发展
我们知道蚁群算法是最早通过对大自然界的蚂蚁进行观察而形成的，总结出了蚁群的特点和行为方式，将其改变为一种通用型优化算法，依靠算法自身的搜索方式在实际复杂问题解决中取得了优化。通常相关的模拟仿真中用到人工蚂蚁的说法，故而相应的系统会被称之为蚂蚁系统。
大自然中的蚂蚁是一种古老的社会性昆虫，种类成数万种，遍及世界各地，其共同特征是群居生活，每种群都有着严格的社会结构不同蚂蚁有着不同的分工;因此，虽然蚂蚁个体的结构和行为都比较简单，但是有这些简单个体组成的群体，即“蚁群”系统却高度复杂，所能完成的任务复杂程度远远超出了每个个体的能力，从另一个角度诊释了一个更为复杂的系统。当然，除了“蚁群”系统具有高度的分工协作之外，蚂蚁个体之间还存在着一种信息传递机制，这也是使的系统能够高效有序运转的主要原因和驱动力，也是驱动系统智能发展的主要动力。通过研究，昆虫学家发现生物界中蚂蚁具有在没有任何视觉的条件下找到食物到巢穴最近的路程，并能够不断进行自我调整，将路线不断更新，不断产生新的决策l。蚂蚁作为一种特殊的物种，通常情况下会在其经历过的路径上留下一种特有的东西，我们称之为信息素。这样的信息素能够让相应范围内的同伴可以通过蚂蚁特有的机制接受到，告知他们一定的知道信息，从而来影响其他蚂蚁的活动。同时，随着蚂蚁在同一条路径上越走越多时，这条路径上的信息素浓度也相应的提高，以此类推，将会有越来越多的蚂蚁受到不断增加的信息素的影响选择走这条路径。这是一种通过种群系统不断控制的机制，如图1.1所示。
受到蚁群系统信息共享机制的启发，意大利学者Dorigo于1992年在他的博士论文中首次系统提出了蚁群算法fgl，并成功地将该方法应用到求解旅行商问题和二次分配问题(QAP)中，引起学术界的广泛关注和讨论;之后，蚁群算法涉及的领域也越来越广，并且应用到很多实际的问题中，比如车间调度，染色体排序，集成电路开发涉及，计算机云计算，物流中心控制，航空航天的调度等等，相关的研究也越来越多。
1.2.2蚁群算法的主要应用领域
我们可以看到，自从蚁群算法的创世到现在也不过近二十年时间，而蚁群算法的算法身的发展有着不可低估的速度，其算法理论己经形成了一套完整的体系，很多基础工作包括实验己经有所积累，覆盖领域也非常广，并且有针对性的解决了很多实际性的问题，取得了显著的成就。就其特点可以分为下面几种:
1优化组合
优化组合问题是蚁群算法最开始解决的问题，也是结合蚁群算法近两年内研究的热点之一，其覆盖面也非常之广;最开始，一群算法应用在旅行商问题TSP上，取得很
好的效果，之后又将蚁群算法应用在一些分布式优化实验中，也体现了蚁群算法的优越性。我们都知道旅行商问题TSP一直以来是一个经典的组合性难题，对于蚁群算法其基本思想进行说明和描述后，很多其他求解问题也是基于旅行商问题为原型改进和提高的，比如对于算法优劣性的比较，从对等的TSP到非对等的TSP模型、以及到综合目标的TSP模型中去，通过蚁群算法的实施，取得了非常好的效果。
众所周知，多次分配问题是另一个一直比较难解决的问题。多次分配问题与旅行商问题不同之处在于，其更不局限数学问题，而是着眼于以一个实际问题出发的模型。毋庸置疑，在国内外已经以蚁群算法为基础做出了很多研究，用在现实工业生产中的实际问题的解决中，例如在工厂里减少完成一定数量产品的时间，在化工反应中通过优化反应器、储罐、管道等手段提高反应效率，提升产品质量等级。
并且，在其他优化组合领域，蚁群算法的有效性和优越性也得到了体现，例如车辆路径问题、信带频率分配问题、车间调度问题、约束最小数问题等等，蚁群算法的深入应用取得了很大的成功。
2自动化智能控制
系统可以在内部的压力下不断改进和进化得益于蚁群算法中具有的正反馈机制，这也是自动化智能控制又一探索途径，提供了新的一种方法。自动化任务安排的相应算法，从模型上采取了这样的途径。并且，智能优化与自动化智能控制中的许多问题是紧密相关的，通常具有优化的共性，这也是为什么蚁群算法可以在其中得以应用的前提和核心基础。
此外，蚁群算法在人机自动化行为控制上也提供了一个很好的平台和途径。对于人机控制完成无碰撞路径安排的问题，通过蚁群算法，可以安排从出发点到结束点一条或者多条无碰撞路线，路线可以有效避免空间障碍物限制，通过对障碍物以及相关路径的适应，不断调节影响路径选择的参数达到有效避开障碍物的目的，从而行程有效的优化轨迹，使得整个人工控制系统能够像蚂蚁一样有效的协同工作，用于完成实际的任务，达到研究的最终目的。
3网络通信选择
在网络通信中，蚁群算法的应用也非常广泛，其原因是蚁群算法与网络通信之间在路径选择上和优化组合上有很多有相似和可通用的地方，稍微有所区别的是对于蚁群算法与网络通信的相关具体问题的空间限制有所区别。我们知道网络具有重载、动态、随机分配等特殊的性质，所以要是将蚁群算法应用其中必须要针对网络通信的特性进行相应的改进和处理，这样会得出一些更为优良的算法。
一种分组网络通信问题应用于蚁群算法，我们称之为AntNet，这种算法的应用要优于一般路由算法的结果。扩展的AntNet算法通常用于联系有向图的路由问题的求解，并且求解效果很好，也可以说，对动态对于网络通信动态优化、网络性能保持、在QOS路由选择机制、ATM网上VC路由选择方法等问题，蚁群算法的使用都取得了较好的结果[9]
4系统工程
蚁群算法体现了生物蚂蚁作为一个系统化的演化，直接展示了系统工程的思维方式，在生产任务调度、分配等问题中都有很好的应用;同时，蚁群算法中的人工蚂蚁其实就是扮演了一个agent，并从系统的思维考虑，从而使得多个agent能够协同完成复杂的任务，最终让蚁群算法在许多经济管理问题上都有用武之地。
1.2.3蚁群算法国内的早期研究
我国对蚁群算法的引入介绍和展开研究起始于1998年至1999年，2000年开始逐渐引起学者的关注，并很快于几年间发展称为热点领域，国内早期研究大都集中在组合优化问题上，对连续优化问题的研究则起步于2000年。
1.3工程项目以及工程项目供应链管理的概述
1.3.1工程建设项目现状
工程建设具有临时性和独特性。正因为具有临时性和独特性，导致了这个称之为非常传统的行业，迄今为止仍然存在着大量的问题和有待优化的流程。特别是在当今信息通信技术高度发达、工程项目的组织结构分工日益细化的时代，无形间给对原本就不是很通用性的流程和具体项目的独特复杂性带了更大的挑战，例如网上招标，供应链信息系统配合，零库存信息管理等等。怎样能够将这些先进的信息通信技术用于改善传统工程建设的活动，使之能够达到更高效率的管理，利用更少的人力物力成本，完成出同样的可交付成果，或者说进一步的对工程建设的可交付成果进行进一步的增值，达到一个符合时代的更新的标准。各国的工程行业的发展停滞不前，或者是发展速度缓慢，已经是众所周知的了，例如:Aini。统计芬兰1975-1995的年来平均增长约为1 % } Jansen得出荷兰1975-19%年的年增长率约为3%} Garza则指出建筑业生产率几乎20年停滞不前[12].
由于工程建设是有工业化和流程化的特点的，可重复也成了这些特点使用的最根本目的，每个项目都不是孤立自成体系、闭门造车，而是参考之前类似项目的现有流程，尽管流程不会完全试用，但对于项目细分的局部流程还是可以参考已有的流程和专业人的经验的，例如质量控制流程，仓储管理流程，机械安装流程等;但是也必须承认，尽管项目的流程具有可重复性，但是每个项目有其特有的时间环境背景、不同的事业环境因素和组织过程资产，所以在实际项目管理计划和执行阶段，会发现单靠生套原来的类似经验是完全不够的。特别是现代化技术的大规模的应用，更应该考虑项目的独特性这是项目非常特有的特性。
供应链管理的实际经验显示，对于供应链网络的再次优化开发可以使得相关企业每年有3%-15%的总成本节约【13]，这也的的确确为供应链的整个流程链上的企业带来了相当可观的利润，据调查，2009年美国供应链管理委员会成员在日化消费生产企业实施优化管理后一年收益9千万美元，在信息通信领域的年收益为7亿美元[ 14];工程建设领域的管理者和研究人员很大程度上受制造业的供应链管理实践的思想很大激励，他们也通过人才流动的方式将供应链管理的先进管理技术引入工程项目管理中。一般我们都知道，工程项目中人工劳动和建设材料所占比率较大，所以核算应该与传统的供应链管理企业有所不同，据参考文献，诗库曼先生的调查显示了总承包商销售额的75%为劳动和材料成本[[15];水利水电工程项目建设所需要的主要材料约占工程总投资的40%-70%[16];可以说，在整个社会其他企业供应链不断优化的大环境下，整个工程建设领域的供应链管理也收到了很大的刺激和促进，工程供应链管理也在不断的寻求新的优化的突破和进步。
1.3.2工程建设项目及特性
工程项目建设项目一般为固定资产投资项目，是以目的为资产资本化为目的以实物
形态表示的具体项目的;通常，项目是作为组织内部完成其战略目标的一种常用方式而
开始的。工程项目建设未来生产运营的前提和基础，具有与其他项目一样的一般性，有
质量、成本、范围、工期以及投资条件的约束，并具有其独特不可复制的性质。
》项目的临时性。项目有明确的起点和终止点，项目结束表示项目目标达成。但是要说明的是这个临时性并非说明是一种短暂性，因为有的项目是半年一年，而有
的项目会在一个时间跨度很大的条件下进行。
》项目的独特性。项目是要创造独特的可交付成果的，可交付成果一般表示在某一
过程、阶段或项目完成时，必须产出的任何独特并可验证的产品、成果或服务;有 些项目可交付成果中存在重复元素，但是这种重复性并不会改变项目工作本质上的独特性，正因为这种独特性，存在不确定因素，也是项目的风险所在。
》项目的渐进明细。渐进明细是指随着信息越来越详细和估算越来越准确，而持续改进和细化的计划;由于可能发生变更，项目管理计划需要在整个项目的生命周期中反复修正、渐进明细;使得项目管理团队能随项目的进展进行更加深入的管理。
1.4工程供应链管理的背景及概述
工程项目供应链管理的理论很多都参考了生产供应链管理的相关理论。通过分析工程项目管理所具有的基本模式，其中对工程项目从启动、规划、执行、监控以及收尾整个过程的全系统管理方法。分析了供应链管理的原理，再参考以往工程项目管理的流程，最终提出了工程供应链的具体实施办法和流程，来改变目前工程项目供应链管理的现状，提高整体项目管理的机制。
1.4.1工程项目供应链的定义
工程项目供应链，作为一套完整的功能体系，它依靠组织机构、信息平台、各功能部门组合、成本质量控制，将项目的投资方、设计单位、施工企业、监理公司等相关干系人串联成为一个有机的组织整体。
其中，每个项目的业主一般是此项目的投资人或发起人。项目的设计单位和施工企业是整个供应链的核心企业，其他的节点在供应链管理机制下，不断形成分工协作，以项目管理的不断优化使得整个工程管理供应链实现不断增值。在工程项目管理供应链中，需要注意以下两点:
》在这个供应链当中，将工程项目的交付成果作为一种特殊商品，所谓的“物流”主要是指关于工程项目的生产、施工、以及竣工，直到交到“用户”手中。
》为了解决项目的业主不能参与项目的全过程、以及项目的设计和施工等分离的问题，由项目业主、以及由业主选派的监理人员、设计工程师和具体施工人员组成 一个专门项目团队，来做好协调和控制的工作。
1.4.2工程项目供应链管理的定义
对于工程项目管理中的相关企业的协作、集成以及共同制约指导了整个工程项目管理供应链管理的执行，通过相应的系统流程平台、信息管理平台、行业标准、产品质量标准的涉及、提出以及服务等各方面的综合管理的思路来知道具体工作的执行，以保证整个供应链能与项目具有共同目标，保质、保量、如期的配合项目管理最终达到成功交付可交付成果的目的。具体包括以下几个内容:
》良好的合作伙伴关系的维持，在核心供应商和用户之间;
》项目管理供应链的具体需求分析管理;
》项目管理供应链信息平台管理;
》项目管理供应链的规划设计(关键企业、资源的评价、定位和选择);
》项目组合的资源供应以及各项目的独立需求管理。
如前面提到的，物流成本较用户服务要求之间的关系处理是传统的供应链管理所关注的。为了降低整个工程项目供应链管理的成本，清晰化项目投资方与设计单位、施工单位之间的关系，最终提高整个项目的质量和投资回报率，以进度压缩的方式缩短传统的工程项目管理的工期冗余，也是工程项目管理供应链管理的关键工作所在。
1.4.3工程项目供应链的结构模型和特征
1.4.3.1工程项目管理供应链的结构模型
1.4.3.2工程项目供应链的特征
工程项目供应链与传统供应链一样，具有以下几个特点:
1.供应链相对复杂多变;
正如我们定义的那样，项目管理中的交接面具有层次多、功能广等特点，所以当供应链模型在这种机制下运行时就会面对很多不确定和更为复杂的次生问题，同时再加之项目通常是临时性的，资源和人员组成也相对临时，所以说工程项目供应链的结构模式比传统公司企业的供应链模式要复杂，相应的在管理难度上也相对大一些。
2.工程项目供应链因其功能特点具有的交又性;
一般情况，在战略组织里，一个工程项目不仅要面对是项目本身的组织结构和规章制度，还要遵守组织内的相应制度;同时对外，由于项目的临时性，其面对的供应商以及客户也具有与传统的供应链管理不同的地位，工程项目供应链特有的形成了交叉式的结构，无形中为工程项目供应链的管理增加了难度。
3.工程项目管理供应链的不确定性
由于工程项目具有独特性，所以造成了项目也是有很多不确定的因素，所以工程项目供应链管理也具有明显的不确定性，这对工程供应链的管理带来了一定的不确定性，对于管理水平的要求以及对风险预判提出了更高的要求。
4.工程项目具有需求驱动性
工程项目供应链的形成是由于工程项目本身的内部机制与市场需求组成的，这种需求与传统的供应链管理需求类似，但是其由于组织结构和工程供应链的固有特性，其需求的驱动来源有所不同;同时，从图1.2也可以看出，信息流、项目流、服务流以及资金流都在工程项目供应链中，仍然是由市场的需求信息所驱动的.
1.5本文的主要内容与章节安排
本文主要针对蚁群算法改进和算法的应用这两方面进行研究。在蚁群算法的改进上，将基于调节信息素发挥度的理念运用在蚁群算法中，形成一种改进的自适应蚁群算法;同时在实际问题的应用上，将蚁群算法应用到工程项目供应链管理调度上，对工程供应链的一个局部过程即从物料仓储到安装交付整个过程进行优化，并于作者实际项目的执行结果形成行之有效优化比较，最终从经济效益方面优化算法的实际意义。
本文的章节安排如下:
第1章:绪论
通过对智能优化算法的开篇，到介绍本文研究蚁群算法的相关背景知识—蚁群算法的起源以及目前的发展状况。同时作为本文要解决的实际问题—工程供应链优化问
题，也在第一章绪论里对背景和特点进行了阐述和介绍，为后续章节进行了铺垫。
第2章:蚁群算法及其改进算法
对蚁群算法进行全面的介绍，剖析蚁群算法的原理、发展和完善，对蚁群算法进行数学上的分析和描述。总结几种较著名的改进蚁群算法，对其改进原理进行研究，并对算法特点进行分析和总结。
第3章:自适应的蚁群改进算法
总结蚁群算法的原理、运算过程和主要特点，为了克服蚁群算法易于限于局部最小等缺陷，通过自适应地改变算法的挥发度等参数，可以在保证收敛速度的条件下提高解的全局性。本章就针对这个问题进行深入分析研究，对自适应性蚁群算法在旅行商问题上进行实验，并且得到优化结果。
第4章:自适应算法在工程供应链中的优化
通过具体分析研究工程项目供应链这个问题，将供应链的整个模式流程进行细化以及量化，重点着眼于物料采购进库，到最终安装验收的环节。建立数学模型，并依据自适应蚁群算法进行模型建立。
将实际工作中的在自己亲身经历过的项目的实际数据，进行优化计算，并与实际的工程的数据进行比较分析，从经济成本角度来反映自适应蚁群算法的优势。
第5章:总结与展望
为本文的工作进行总结，并指出进一步的研究方向，对今后的工作做出展望。
参考文献
[1] Bonabeau E, Dorigo M, Theraulaz G Inspiration for optimization from social insect behaviour. Nature, 2000, 406(6):39-42.
[2] Maco Dorigo, Thomas Stutzle. Ant Colony Optimization, Cambridge, Massachusetts London, England. MIT Press.2004.
[3] Colo而A, Dorigo M. Heuristics from nature for hard combinatorial optimization problems. International Trails Operational Research, 2006, 3 (1).
[4J Stutzl T, Hoos H H. The MAX-MIN ant system and local search for the traveling Salesman problem.In: Proc IEEE International Conference on Evolutionary Computation(ICEC'97), Indianapolis, USA, 2001.309-314.
[5] Dorigo M, Maniezzo V, Coloni A. The ant system: optimization by a colony of cooperating agents[J].IEEE Transactions on Systems, Man&Cybemetics B ,2006,
26(2):29-41
[6] Dorigo, M. Ant algorithm for solve difficult optimization problem. In J. Kelemen (Ed),Proceedings of the Sixth European Conference on Artificial Life, Lecture Notes in Artificial Intelligence. Berlin, Springer-Verlag.vo1.2159:11 -22.
[7J袁亚湘，孙文瑜.最优化理论与方法.北京，科学出版社，2003.
[8] Colonr A, DorigoM. Distributed optimization by ant colonies. In F .J. Varela&P. Bourgine(Eds)Proceedings of the first European Confeernce on Artificial Life. Cambridge, MA, MIT P ress.1992a,13 4-142.
[9] DorigoM.，Bonabeau E .Ant algorithm and stigmergy. Future Generation Computer Systems, 2000a,16 (8):85 1一871.
[ 10]汪镭，吴启迪。蚁群算法在连续空间寻优问题求解中的应用[[]J.控制与决策，2003, 18(1):45-48
[11]唐泳，马永开.用改进的蚁群算法求解函数优化问题[[J].计算机应用研究，2004, 1 8(9):89-91.
[12] Ruben Vrijhoef, Lauri Koshela. The four roles of supply chain management in construction [J]. European Journal of Purchasing&Supply Management. 2000,6(3-4):169-178
[13J Ronald H Ballou.企业物流管理一供应链的规划、组织和控制「M].王晓东，胡瑞娟 译。背景:机械工业出版社，20020
[14J贾广社.王广斌大型建设工程项目总控模式的研究!期刊论文]一土木工程学报2003(03)
[15]杨勇，宋晓峰.蚁群算法求解连续空间优化问题[fJJ.控制与决策，2003, 18( s) a7 3-s76.
[16]王颖，谢剑英一种自适应蚁群算法及其仿真研究.系统仿真学报，2002, 14(1): 31 -33.
[17]熊伟清，余舜杰，具有分工的蚁群算法及其应用，模式识别与人工智能，2003,16(3):32 8-332。
[18]庄昌文，范明，李春辉基于协同工作方式的一种蚁群布线系统.半导体学报，1999, 20 (5):400-406.
[19]吴庆洪，张记会， 6(10):1240-1245.
[20]邵晓魏，邵长胜， 19( IO):1187-1189
[21]徐心和具有变异特征的蚁群算法.计算机研究与发展，1999,3
[22]赵长安.利用信息量留存的蚁群遗传算法.控制与决策，2004
摘要 5-6
Abstract 6
第1章 绪论 10-19
1.1 引言 10-11
1.2 蚁群算法的研究背景及概况 11-13
1.2.1 蚁群算法的起源及发展 11-12
1.2.2 蚁群算法的主要应用领域 12-13
1.2.3 蚁群算法国内的早期研究 13
1.3 工程项目以及工程项目供应链管理的概述 13-15
1.3.1 工程建设项目现状 13-14
1.3.2 工程建设项目及特性 14-15
1.4 工程供应链管理的背景及概述 15-17
1.4.1 工程项目供应链的定义 15
1.4.2 工程项目供应链管理的定义 15-16
1.4.3 工程项目供应链的结构模型和特征 16-17
1.5 本文的主要内容与章节安排 17-19
第2章 蚁群算法及其改进算法 19-37
2.1 引言 19
2.2 基本蚁群算法 19-29
2.2.1 蚁群智能 19-23
2.2.2 群体迷失现象 23-25
2.2.3 人工蚁群系统所具有的主要性质 25
2.2.4 蚁群算法的基本模型 25-27
2.2.5 基本蚁群算法的算法步骤 27
2.2.6 蚁群算法的系统学特征 27-29
2.3 改进的蚁群优化算法 29-36
2.3.1 蚁群算法的带精英策略 29-30
2.3.2 蚁群算法的优化排序策略 30-31
2.3.3 蚁群算法的系统性策略 31-33
2.3.4 蚁群算法的最大-最小策略 33
2.3.5 蚁群算法的最优-最差策略 33-34
2.3.6 蚁群算法的自适应策略 34-36
2.4 本章小结 36-37
第3章 自适应蚁群算法 37-52
3.1 引言 37
3.2 基本原理分析 37-38
3.2.1 基本模型分析 37-38
3.2.3 算法的步骤及程序 38
3.3 改进的自适应蚁群算法 38-41
3.3.1 自适应蚁群算法 38-39
3.3.2 "纵列行进"策略 39-41
3.4 改进的自适应蚁群算法在TSP问题中的应用 41-50
3.4.1 TSP问题 41
3.4.2 仿真实验设置 41
3.4.3 实验结果及讨论 41-50
3.5 本章小结 50-52
第4章 工程供应链管理的建模与优化 52-74
4.1 引言 52
4.2 项目工程供应链的模型描述 52-58
4.2.1 物料需求 53
4.2.2 采购订单 53-55
4.2.3 制造生产 55-56
4.2.4 物流运输 56
4.2.5 仓储调度 56-57
4.2.6 安装交付 57-58
4.3 工程供应链数学模型描述 58-62
4.3.1 模型描述 58-59
4.3.2 数学模型的建立 59-60
4.3.3 自适应蚁群算法在工程供应链管理中的算法分析 60-62
4.3.4 自适应蚁群算法的程序描述 62
4.4 工程供应链管理的实际应用举例以及分析 62-73
4.4.1 基础数据描述 62-69
4.4.2 优化计算以及优化结果分析 69-72
4.4.3 优化结果的实际意义 72-73
4.5 本章小结 73-74
第5章 结论与展望 74-76
5.1 本文的主要工作 74
5.2 进一步的讨论和展望 74-76
参考文献 76-80
致谢 80
您可能有工程硕士学位论文方面的购买需求，请到工程论文硕士论文频道选取：