BriefGPT - AI 论文速递
·
运用遗传算法和模拟退火优化物流配送中心的工人排班
💡
原文中文，约500字，阅读约需2分钟。
📝
内容提要
现代炼油厂中的大规模原油调度问题（LSCOSPs）难以通过传统的优化方法解决。研究者提出了一个由启发式规则驱动的双阶段进化算法（DSEA/HR），在实际原油调度中进行了建模和优化。实验结果表明，DSEA/HR 在合理的时间内优于现有的数学规划方法和元启发式算法。
🎯
关键要点
- 现代炼油厂中的大规模原油调度问题（LSCOSPs）难以通过传统的优化方法解决。
- 以海上进出口炼油厂的实际原油调度为例，对LSCOSPs进行建模。
- 开发了一个由启发式规则驱动的双阶段进化算法（DSEA/HR），包括全局搜索和局部优化。
- 全局搜索阶段设计了基于经验操作知识的启发式规则，以生成良好性能的初始种群。
- 局部优化阶段提出了一种修复策略，将不可行解移动到可行区域。
- DSEA/HR在合理的时间内优于现有的数学规划方法和元启发式算法，表现出色。
🏷️
标签
➡️
