检索结果-南通市图书馆

基于机器学习算法的卷烟营销智能客户拜访策略研究

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

现代电子技术 2024年第4期47卷 153-158页

作者：翁金香王浩名周洋胡红春河南省烟草公司信阳市公司河南信阳464000 中国烟草总公司职工进修学院河南郑州450008

为提高卷烟行业客户经理的工作效率和服务质量,提出一种基于机器学习算法的卷烟营销智能客户拜访策略。在构建卷烟客户价值分类模型的基础上,利用K均值聚类机器学习算法对零售客户进行分类,合理设置LKH超启发算法和Dijkstra最短路径算... 详细信息

为提高卷烟行业客户经理的工作效率和服务质量,提出一种基于机器学习算法的卷烟营销智能客户拜访策略。在构建卷烟客户价值分类模型的基础上,利用K均值聚类机器学习算法对零售客户进行分类,合理设置LKH超启发算法和Dijkstra最短路径算法的参数,对客户经理拜访路径进行最优规划和智能导航。仿真结果表明,基于机器学习算法的卷烟营销智能客户拜访策略显著提高了客户经理人均拜访户数、商户满意度,大大缩减了户均在途时间和商户拜访服务覆盖周期。文中提出的策略有助于推动卷烟营销工作质量变革、效率变革和动力变革。

关键词：卷烟营销机器学习智能客户拜访策略 K均值聚类超启发算法最短路径算法商户满意度在途时间

策略梯度的超启发算法求解带容量约束车辆路径问题

在线全文

学校读者我要写书评

暂无评论

控制理论与应用 2023年

作者：张景玲余孟凡赵燕伟孙钰粟蒋玉勇浙江工业大学特种装备制造及先进加工技术教育部重点实验室

有容量车辆路径问题是组合优化问题中比较热门的问题，它属于经典的NP-hard问题并且时间复杂度高. 本文提出了一种基于策略梯度的超启发算法，将强化学习中的确定性策略梯度算法引入到超启发算法的高层策略中的底层算法选择策略，确... 详细信息

有容量车辆路径问题是组合优化问题中比较热门的问题，它属于经典的NP-hard问题并且时间复杂度高. 本文提出了一种基于策略梯度的超启发算法，将强化学习中的确定性策略梯度算法引入到超启发算法的高层策略中的底层算法选择策略，确定性策略梯度算法采用Actor-Critic框架，另外为了能够在后续计算和神经网络参数更新中引用历史经验数据，在确定性策略梯度算法中设计了经验池用于存储状态转移数据. 在超启发算法解的接受准则方面，文中通过实验对比了三种接受准则的效果，最终选择了自适应接受准则作为高层策略中解的接受准则. 通过对有容量车辆路径问题标准算例的计算，并将求解结果与其他算法对比，验证了所提算法在该问题求解上的有效性和稳定性.

关键词：车辆路径问题强化学习策略梯度算法神经网络超启发算法

基于蚁群选择超启发算法的低碳选址—路径问题

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

计算机集成制造系统 2020年第6期26卷 1702-1716页

作者：王舜赵燕伟冷龙龙张春苗蒋海青浙江工业大学特种装备制造与先进加工技术教育部重点实验室浙江杭州310014

针对有容量约束的低碳选址—路径问题,提出一种基于蚁群选择机制的超启发算法用于模型求解,即将蚁群选择机制作为超启发算法的选择策略。首先对蚁群选择策略进行参数寻优,将高层策略进行对比实验分析得出最优的接受准则,即只接受好解(O... 详细信息

针对有容量约束的低碳选址—路径问题,提出一种基于蚁群选择机制的超启发算法用于模型求解,即将蚁群选择机制作为超启发算法的选择策略。首先对蚁群选择策略进行参数寻优,将高层策略进行对比实验分析得出最优的接受准则,即只接受好解(OI),并与得到的蚁群选择策略参数进行优化组合。此外,与其他算法的对比实验验证了所提算法的有效性。最后分别对以最少碳排放量和最小成本为目标的模型进行求解分析对比,结果表明考虑碳排放的选址—路径模型可以有效减少碳排放量。

关键词：选址—路径问题二氧化碳排放超启发算法蚁群选择策略

在线全文

学校读者我要写书评

暂无评论

超启发算法研究进展综述

计算机工程与应用 2017年第14期53卷 1-8页

作者：谢毅侯彦娥陈小潘孔云峰河南大学环境与规划学院河南开封475004

超启发算法是一类新兴的优化方法,通过机器学习、算法选择、算法生成等技术求解组合优化等问题,具备跨问题领域求解的能力。针对超启发算法研究进展进行综述和讨论。首先,梳理超启发算法的定义、结构、特点和分类;其次,归纳选择式超启... 详细信息

超启发算法是一类新兴的优化方法,通过机器学习、算法选择、算法生成等技术求解组合优化等问题,具备跨问题领域求解的能力。针对超启发算法研究进展进行综述和讨论。首先,梳理超启发算法的定义、结构、特点和分类;其次,归纳选择式超启发算法和生成式超启发算法的研究进展及相关技术,包括选择低层启发式算法采用的学习方法,迭代计算中的移动接受策略,低层启发式算法的生成方法;最后,讨论现有超启发算法研究中存在的不足及未来的研究方向。

关键词：超启发算法选择式生成式

基于全局边缘排序的超启发算法在绿色物流选址-路径优化问题中的应用

在线全文

学校读者我要写书评

暂无评论

计算机集成制造系统 2020年第4期26卷 1097-1107页

作者：王万良朱文成赵燕伟浙江工业大学计算机科学与技术学院浙江杭州310023 浙江工业大学机械工程学院浙江杭州310014

为了解决目前物流选址-路径优化问题(LRP),提出一种以低碳排放量、配送中心选址规划和车辆路径规划为目标的双目标LRP模型。针对传统启发式算法在解决大规模LRP时的通用性差、效率低的缺点,设计出一种以选择函数法作为选择策略、以基于... 详细信息

为了解决目前物流选址-路径优化问题(LRP),提出一种以低碳排放量、配送中心选址规划和车辆路径规划为目标的双目标LRP模型。针对传统启发式算法在解决大规模LRP时的通用性差、效率低的缺点,设计出一种以选择函数法作为选择策略、以基于全局边缘排序的评价指标作为接受策略的超启发算法。通过求解基准测试实例,该算法在解决所提LRP模型时,能准确、高效、智能地设计出调度方案。与传统启发式算法以及性能良好的超启发算法在解的整体质量、单个解收敛效率等方面进行对比,验证了所提方法的可行性和有效性。

关键词：碳排放物流配送双目标优化全局边缘排序超启发算法

基于强化学习的超启发算法求解有容量车辆路径问题

在线全文

学校读者我要写书评

暂无评论

计算机集成制造系统 2020年第4期26卷 1118-1129页

作者：张景玲冯勤炳赵燕伟刘金龙冷龙龙浙江工业大学特种装备制造与先进加工技术教育部重点实验室浙江杭州310014

为了更高效地求解物流优化领域中的有容量车辆路径问题,减少陷入局部最优的情况,提出一种基于强化学习的超启发算法。设计了算法的高层启发式策略,包括选择策略和解的接受准则:基于学习机制,使用强化学习中的深度Q神经网络算法构造该算... 详细信息

为了更高效地求解物流优化领域中的有容量车辆路径问题,减少陷入局部最优的情况,提出一种基于强化学习的超启发算法。设计了算法的高层启发式策略,包括选择策略和解的接受准则:基于学习机制,使用强化学习中的深度Q神经网络算法构造该算法的选择策略,对底层算子的性能进行奖惩评价;利用奖惩值以及模拟退火作为算法的接受准则,对优质解建立序列池,从而引导算法更有效地搜索解空间,并采用聚类思想提升初始解的质量。对有容量车辆问题的标准算例进行计算,并与其他算法对比,统计分析了最优值、误差率和平均值,实验结果表明了所提算法在该问题求解上的有效性和稳定性,总体求解效果优于对比算法。

关键词：车辆路径问题强化学习深度Q神经网络超启发算法

在线全文

学校读者我要写书评

暂无评论

基于阈值超启发算法的建设资源平衡优化

低碳世界 2022年第12期12卷 184-186页

作者：马晓彤赵丹蒋天娇天水师范学院土木工程学院甘肃天水741300

提出了阈值超启发算法,以解决资源限制的项目调度或资源分配中资源均衡问题。首先,在元启发式过程域中通过设计阈值来设置启发式算法的优先级,通过优先级来判别选择进入的元启发式算法。其次,用软件运行解决方案域,计算资源分配值。最后... 详细信息

提出了阈值超启发算法,以解决资源限制的项目调度或资源分配中资源均衡问题。首先,在元启发式过程域中通过设计阈值来设置启发式算法的优先级,通过优先级来判别选择进入的元启发式算法。其次,用软件运行解决方案域,计算资源分配值。最后,通过举例验证,证明所提出的方法提高了项目的自动均衡功能,有效地增强了资源分配能力。

关键词：进度安排资源分配资源均衡超启发算法

基于强化学习超启发算法的不确定车辆路径问题鲁棒优化

在线全文

学校读者我要写书评

暂无评论

基于强化学习超启发算法的不确定车辆路径问题鲁棒优化

作者：冯勤炳浙江工业大学

学位级别：硕士

随着信息技术的飞速发展,人们越来越关注现代化物流产业。信息技术与物流产业的结合,催生了一系列利用大数据及人工智能技术的现代化物流运输与配送产业。实际中,运输与配送环节,客户的需求时时在变化,潜在客户也会随时间、地点的变化... 详细信息

随着信息技术的飞速发展,人们越来越关注现代化物流产业。信息技术与物流产业的结合,催生了一系列利用大数据及人工智能技术的现代化物流运输与配送产业。实际中,运输与配送环节,客户的需求时时在变化,潜在客户也会随时间、地点的变化出现或者消失。如何提升客户的满意度,提高物流企业的潜在利润,具有重要意义。经典的车辆路径问题(Vehicle Routing Problem,VRP)以车辆运输中的各种因素为条件,找寻最短距离的路径规划方案,是物流运输配送领域的研究热点。为了规避运输中各种因素的不确定性,对VRP问题的拓展——不确定车辆路径问题(Vehicle Routing Problem with Uncertainty,UVRP)进行研究,基于数据驱动,鲁棒优化不确定模型,提高客户满意度,降低物流运输配送成本。本文针对UVRP中的VRPUD(Vehicle Routing Problem with Uncertain Demand)、VRPUC(Vehicle Routing Problem with Uncertain Customers)问题和鲁棒优化的方法,在分析其理论发展和实际意义的基础上,进行模型和算法方面的研究,建立UVRP模型,分别设计基于强化学习的超启发算法求解。研究工作主要包括以下几个方面:(1)首先总结了不确定性问题上的鲁棒优化方法。研究并综述了鲁棒优化的研究现状,以及车辆路径问题上鲁棒优化的应用。分析了鲁棒优化在车辆路径问题上应用的不足之处。对鲁棒优化的两大类模型——未知分布信息的关于集合的鲁棒优化模型和已知部分分布信息的分布式鲁棒优化模型进行总结,提出利用数据驱动降低鲁棒保守程度的必要性。(2)设计了基于DQN(the Deep Q Network)的强化学习超启发算法,并成功求解CVRP(the Capacitated Vehicle Routing Problem)问题。在超启发算法的高层选择策略中,首次结合DQN的强化学习算法,对底层算子的性能进行奖惩评价;接受准则中利用奖惩值以及模拟退火相结合,采用对优质解建立序列池的方法,引导算法更有效地搜索解空间。利用聚类思想提升初始解的质量。对CVRP的标准算例进行计算,并与其他算法对比。实验结果证明了所提算法在CVRP求解上的有效性和稳定性,总体求解效果优于对比算法,为下文基于强化学习的超启发算法的研究作铺垫。(3)研究了基于数据驱动的多车型VRPUD鲁棒优化。引入客户需求不确定参数,建立不确定模型。将不确定模型转化为具有可调整参数的鲁棒模型,同时利用数据驱动中的最小二乘法结合历史数据样本,设计了与需求最大值、需求范围、所给车型载重量有关的鲁棒可调整参数的函数,优化鲁棒模型。改进适合于FMVRP(the Feet size and Mix Vehicle Routing Problem)基于DQN的强化学习算法,求解鲁棒模型。通过测试实验,证明设计的鲁棒优化模型在该问题上,能有效减少受不确定性影响的客户,极大地提高客户的满意程度,有效减少总成本,改进后的算法也具有较好的效果。(4)研究了基于数据驱动的VRPUC分布式鲁棒优化。引入客户需求服务为随机概率的不确定参数,建立不确定客户的车辆路径模型,同时利用分布式鲁棒优化方法优化不确定模型。结合数据驱动中的核密度估计方法,拟合历史数据样本的分布特征集合,优化鲁棒模型。设计高层基于Q-Learning算法的强化学习算法,求解上述模型。通过实验计算,证明了上述分布式鲁棒模型在该问题上,相较于确定性方法,在保证客户满足度的同时,有效减少了总成本,降低鲁棒保守性。

关键词：不确定车辆路径问题强化学习鲁棒优化超启发算法数据驱动

改进超启发算法及其在电力系统经济负荷分配中的研究与应用

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

改进超启发算法及其在电力系统经济负荷分配中的研究与应用

作者：李波东北大学

学位级别：硕士

超启发式算法是近年来伴随智能计算领域发展而新兴的一类优化方法,其通过引入高层启发式结构管理或操纵一系列底层启发式算法,被广泛应用于求解各类组合优化、连续优化问题,已展现出具有强大的竞争力。电力系统经济排放负荷分配(Economi... 详细信息

超启发式算法是近年来伴随智能计算领域发展而新兴的一类优化方法,其通过引入高层启发式结构管理或操纵一系列底层启发式算法,被广泛应用于求解各类组合优化、连续优化问题,已展现出具有强大的竞争力。电力系统经济排放负荷分配(Economic Emission Dispatch,EED)是电力系统中一种重要的最优化问题,具有NP-hard、非凸等特点。因此,研究超启发式算法以进一步提高其性能,并将其应用到EED问题具有重要的理论与实际意义。本文首先总结了多目标优化相关理论知识,超启发算法及电力系统经济排放负荷分配问题的发展现状。考虑到EED问题特点及其复杂性,本文选用近年来在组合优化与连续优化领域展现强大能力的超启发算法展开研究,并提出改进选择式超启发算法,对算法的两个核心部分底层选择式方法和接受机制进行改进:针对高层策略在评价底层启发式算法时对底层的信息利用不充分的缺陷,提出一种基于解空间测度评价方法,以识别算法产生新解的均匀性;针对高层移动接受机制在接受新解时存在的不足,设计一种移动接受策略,引入扰动机制,以一定的概率保存每次迭代质量相对较差的解,提高父代种群的多样性。将改进算法应用于经典多目标测试函数集、EED问题、电力系统动态经济排放负荷分配(Dynamic Economic Emission Dispatch,DEED)问题以及集成风电、光电、插电式电动车的DEED问题,实验结果验证了算法的有效性和优越性。为提升研究算法对电力系统负荷分配不同具体问题的适应能力,本文对超启发式算法展开进一步的改进研究,针对机组组合(Unit Commitment,UC)问题提出一种改进生成式超启发算法。结合UC问题特点,针对生成式超启发算法底层算法生成机制在运行中个体处理复杂,容易导致代码膨胀等问题,提出一种改进生成式超启发高层算法生成机制:引入基因表达式编程(Gene Expression Programming,GEP)算法,采用多基因GEP算法生成底层启发式算法变异方程。在底层中采用性能较好的差分进化算法框架,其中扰动方程由高层多基因GEP算法迭代优化。为了验证改进算法的有效性,将改进算法首先应用到CEC2014测试函数进行仿真实验,仿真结果验证算法的有效性。然后,将其应用到机组组合问题中,通过仿真计算结果显示,该算法与目前已有算法相比具有一定优势。

关键词：超启发算法移动接受策略基因表达式编程电力系统经济排放负荷分配多目标