煤矿危险物资配送的群智能算法优化

　　《煤矿危险物资配送的群智能算法优化》内容分为6篇，共11章。第1篇讲述遗传算法并给出改进的遗传算法及实例分析。第2篇讲述粒子群算法并给出了基于模拟退火的粒子群算法及实例分析。第3篇讲述蚁群算法并给出了改进的蚁群算法及实例分析。第4篇讲述禁忌搜索算法并给出扫描——禁忌搜索算法及实例分析。第5篇讲述人工鱼群算法，并设计了人工鱼群算法及实例分析。第6篇介绍基于MATLAB的GUI平台的系统实现与测试。《煤矿危险物资配送的群智能算法优化》可作为高等院校管理科学与工程、信息管理与信息系统、计算机应用等相关专业的专业课教材，可供物流和IT业界的技术人员、车辆调度管理员、管理决策人员等学习和参考。

　　郭海湘，男，1978年生，博士，副教授，西安交通大学管理科学与工程博士后，研究方向：软计算，复杂系统模拟与决策，物流系统工程。近年来主持和参与国家自然科学基金、国家社会科学基金、博士学科点专项科研基金、中国博士后基金、教育部人文社会科学研究项目多项。在国际期刊《Applied Soft Computing》、《Expert Systems with Applications》和国家基金委管理科学部指定重要期刊《系统工程理论与实践》、《管理科学学报》、《系统管理学报》、《中国软科学》以及其他核心期刊上发表论文20余篇，被SCI收录4篇次，EI收录8篇次：出版专著2部；获得国土资源部科学技术二等奖，湖北省科技进步三等奖，湖北省自然科学优秀学术论文二等奖，武汉市第十一次社会科学优秀成果三等奖。

第1篇 遗传算法
第1章 遗传算法简介
1.1 遗传算法的发展历史
1.2 遗传算法的基本原理
1.3 遗传算法的适应度函数构造
1.4 遗传算法编码方式
1.5 初始种群的设定
1.6 遗传算法的基本操作
1.7 遗传算法中有关的几个问题
第2章 煤矿物资配送的遗传算法优化
2.1 单车场多仓库多趟联合配送车辆路径问题
2.2 改进的遗传算法
2.3 优化结果与分析
第2篇 粒子群算法
第3章 粒子群算法简介
3.1 粒子群算法的起源
3.2 粒子群优化算法原理
3.3 粒子群算法参数分析
第4章 煤矿物资配送的粒子群优化
4.1 扫描一粒子群算法优化
4.2 基于模拟退火的粒子群算法优化
第3篇 蚁群算法
第5章 蚁群算法简介
5.1 蚁群算法的起源与发展
5.2 蚁群算法的原理
5.3 带精英策略的蚂蚁系统
5.4 基于优化排序的蚂蚁系统
5.5 蚁群系统
5.6 最大一最小蚂蚁系统
5.7 最优一最差蚂蚁系统
第6章 煤矿物资配送的蚁群算法优化
6.1 数学模型
6.2 蚁群算法求解实现
6.3 蚁群算法初始位置的选取方式比较
第4篇 禁忌搜索
第7章 禁忌搜索简介
7.1 禁忌搜索起源及发展
7.2 禁忌搜索的原理
7.3 邻域操作方法
7.4 其他参数的设定
第8章 煤矿物资配送的禁忌搜索优化
8.1 禁忌搜索算法优化
8.2 模拟结果与分析
第5篇 人工鱼群算法
第9章 人工鱼群算法简介
9.1 人工鱼模型
9.2 人工鱼群算法全局收敛的基础
9.3 各参数对收敛性能的影响分析
第10章 煤矿物资配送的人工鱼群算法优化
10.1 人工鱼群算法优化
10.2 模拟结果与分析
第6篇 系统实现与测试
第11章 基于MATLAB／GUI设计车辆路径问题的仿真优化平台
11.1 MATLAB的GUI介绍
11.2 车辆路径问题的GUI设计
11.3 系统测试
参考文献