论文部分内容阅读
遗传算法是一种有效的解决优化问题的方法,它是模拟达尔文的遗传选择和自然淘汰的生物进化过程的计算模型,其思想源于生物遗传学和适者生存的自然规律,是一种迭代过程的搜索算法。人工神经网络和遗传算法的特性决定了它们都有很强的解决非线性问题的能力。
供应链是企业的一种新的管理模式,而物流中心是现代供应链系统的重要组成部分,并起着承上启下的作用。本课题研究的目的是把神经网络和遗传算法引入到供应链的物流中心选址中,实现选择评级。整个课题主要分为以下几步,建立物流中心指标体系,构建BP神经网络,对网络进行学习训练并用遗传算法对其进行优化,输入样本数据进行选址评级。神经网络和遗传算法都具有极强的解决问题的能力,实验证明,将它们结合在一起使用,是一种较好的选择。本文的创新主要在于:1.将神经网络和遗传算法的结合用于物流中心选址问题的研究,有较好的学术和实用意义;2.选取反馈前向神经网——BP网络作为神经网络构型,并用遗传算法对网络进行优化以克服神经网络陷入局部极小化的缺陷;3.遗传算法采用可变的交叉和变异概率,使传统遗传算法中存在的早熟性收敛问题得到了较好的解决。