|本期目录/Table of Contents|

[1]吴 桐,樊志强,徐 珞.基于并行遗传算法的军事运输路径优选[J].电子设计工程,2019,27(22):92-96.
 WU Tong,FAN Zhiqiang,XU Luo.Military transportation route selection based on PGA[J].SAMSON,2019,27(22):92-96.
点击复制

基于并行遗传算法的军事运输路径优选(PDF)
分享到:

《电子设计工程》[ISSN:1674-6236/CN:61-1477/TN]

卷:
27
期数:
2019年22期
页码:
92-96
栏目:
计算机技术应用
出版日期:
2019-11-20

文章信息/Info

Title:
Military transportation route selection based on PGA
文章编号:
1674-6236(2019)22-0092-05
作者:
吴 桐樊志强徐 珞
(华北计算技术研究所 北京 100083)
Author(s):
WU TongFAN Zhi?qiangXU Luo
(North China Institute of Computing Technology,Beijing 100083, China)
关键词:
军事运输路径 路径优化算法 启发式算法 并行遗传算法
Keywords:
military transport routes route optimization algorithm heuristic algorithm parallel genetic algorithm
分类号:
TP391
DOI:
-
文献标志码:
A
摘要:
针对实现军事运输路径优选的目的,本文分析了遗传算法的优点,并对遗传算法进行了并行化处理,最终采用了并行遗传算法结合军事运输路径模型的方法,通过假设实际场景中军事运输路径优选问题的实验,得到求解军事运输路径优选问题的一个新模型,提高了运算速度,同时得到一组满意解,以便于指挥员对于军事运输路径的决策选择。
Abstract:
Aiming at the purpose of optimizing military transportation routes, this paper analyses the advantages of genetic algorithm and optimize the genetic algorithm for parallel processing, and finally adopts the method of combining parallel genetic algorithm with military transportation route model. A new model to solve the military transportation route optimization problem is obtained by assuming the experiment of the military transportation route optimization problem in the actual scenario, which improves the operation speed and obtains a set of satisfactory solutions, so as to facilitate the commander’s decision-making on the military transportation route selection.

参考文献/References:

[1] 郭翔. 重大突发事件下铁路军事运输路径优化研究[D]. 兰州:兰州交通大学, 2016.[2] Pillac V , Gendreau M , Guéret, Christelle, et al. A review of dynamic vehicle routing problems[J]. European Journal of Operational Research, 2013, 225(1):1-11.[3] 裴小兵,贾定芳. 基于模拟退火算法的城市物流多目标配送车辆路径优化研究[J]. 数学的实践与认识, 2016,46(2):105-113.[4] Eusuff M M, Lansey K E. Optimization of Water Distribution Network Design Using the Shuffled Frog Leaping Algorithm[J]. Journal of Water Resources Planning & Management, 2015,129(3):210-225.[5] 傅娟. 基于禁忌搜索算法的货物配送线路优化系统研究[D]. 长沙:湖南大学, 2014.[6] 黎金玲, 陈燕, 王德运. 带服务优先级车辆路径问题的扫描禁忌搜索算法[J]. 数学的实践与认识, 2014(9):169-180.[7] Schmidhuber, Jürgen. Deep learning in neural networks: An overview[J]. Neural Networks, 2015(61):85-117.[8] 于莹莹,陈燕,李桃迎. 改进的遗传算法求解旅行商问题[J]. 控制与决策, 2014(8):1483-1488.[9] 王勇臻,陈燕,于莹莹. 求解多旅行商问题的改进分组遗传算法[J]. 电子与信息学报, 2017, 39(1):198-205.[10]谢燕丽,许青林,姜文超. 一种基于交叉和变异算子改进的遗传算法研究[J]. 计算机技术与发展, 2014(4):80-83.[11]刘昊,张策,孙奇. 基于改进遗传算法的联合作战火力打击计划优化问题研究[J]. 指挥控制与仿真, 2018,40(5):17-23.[12]余涛,刘泽燊. 基于Spark的并行遗传算法研究[J]. 计算机时代, 2017(1):43-46.[13]Liu Y Y, Wang S. A scalable parallel genetic algorithm for the Generalized Assignment Problem.[J]. Parallel Computing, 2015,46(C):98-119.[14]Shorakaei H,Vahdani M. Optimal cooperative path planning of unmanned aerial vehicles by a parallel genetic algorithm[J]. Robotica, 2016,34(4):823-836.[15]许智宏,赵嘉伟,董永峰. 基于Spark的并行遗传算法在旅行商问题中的应用[J]. 计算机应用研究, 2017,34(7):2080-2083.[16]张文金,许爱军. 基于云计算的混合并行遗传算法求解最短路径[J]. 电子技术应用, 2015,41(3):123-125.[17]封京梅,卢楠. 融入转轴法的遗传算法求解绝对值方程 [J]. 纺织高校基础科学学报,2017(1):69-73,86[18] 田海霖,洪良,王艺翔,等.基于量子遗传算法优化粗糙-Petri网的电网故障诊断 [J]. 西安工程大学学报,2018(6): 678-684.[19] 谷昱君,聂暘,王东,等.基于改进免疫遗传算法的双馈风机控制系统PI参数优化[J].陕西电力,2016(11): 25-30.[20]王高红,陈潇一.基于遗传算法的智能电网非侵入式电器监控策略[J].智慧电力,2017(11): 42-46,71.

相似文献/References:

[1]薛又岷,严玉萍,古嘉玲,等.两种基于K近邻特征选择算法的对比分析[J].电子设计工程,2016,(01):19.
 XUE You-min,YAN Yu-ping,GU Jia-ling,et al.A comparison between two KNN based feature selection algorithms[J].SAMSON,2016,(22):19.

备注/Memo

备注/Memo:
收稿日期:2019-06-27 稿件编号:201906153作者简介:吴 桐(1994—),男,满族,辽宁沈阳人,硕士研究生。研究方向:系统体系结构仿真和评估。
更新日期/Last Update: 2019-11-25