複雜約束車輛路徑問題及人工智能方案 劉亞暉 9787560667393 【台灣高等教育出版社】
圖書均為代購，正常情形下，訂後約兩周可抵台。
物品所在地：中國大陸
原出版社：西安電子科技大學
物品所在地：中國大陸
原出版社：西安電子科技大學
NT$432
商品編號:
供貨狀況:
尚有庫存
加入最愛
此商品 「 最高 」可以折抵紅利
0
點
(約等於 NT$0 )
商品介紹
| *完成訂單後正常情形下約兩周可抵台。 *本賣場提供之資訊僅供參考，以到貨標的為正確資訊。 印行年月：202307*若逾兩年請先於私訊洽詢存貨情況，謝謝。 台灣(台北市)在地出版社，每筆交易均開具統一發票，祝您中獎最高1000萬元。 書名：複雜約束車輛路徑問題及人工智能方案 ISBN：9787560667393 出版社：西安電子科技大學 著編譯者：劉亞暉 頁數：213 所在地：中國大陸 *此為代購商品 書號：1556897 可大量預訂，請先連絡。 內容簡介 本書在簡要闡述旅行商問題、車輛路徑問題的基礎上，介紹了複雜約束車輛路徑問題及其研究現狀，並補充了實際物流企業涉及的多種新型約束，完善了實際物流優化調度中的各類約束條件。針對複雜約束車輛路徑問題，作者基於蟻群優化演算法及各組成環節的核心思想，針對多個核心步驟改進了演算法，並且結合相關的演算法研究，建立了一個針對實際物流調度問題的統一應用框架，該應用框架較好地優化了實際物流企業調度。最後，筆者結合蟻群優化演算法和強化學習演算法的優點，並針對它們的缺點和痛點，根據市場經濟自動優化資源配置的機制及反壟斷、風險投資機制，開創性地設計和建立了市場經濟優化演算法。 本書可作為從事智能優化演算法及其應用研究，特別是組合優化問題研究的相關科技工作者、專業技術人員的參考書，也可作為計算機、運籌學等專業本科生及研究生的參考書。作者簡介 劉亞暉 教育簡歷 同濟大學軟體工程碩士及博士； 德國不來梅大學訪問學者，外方導師是tthein HerZog教授(德國工程院院士，中國工程院外籍院士)。 主要科研方向 自研市場經濟優化演算法及其實現： 蟻群優化演算法、強化學習演算法的基礎研究： 複雜車路徑問題、車間調度問題的研究、建模及實現； 電子地圖功能的研究及開發。 工作簡歷 25年軟體開發企業的軟體設計、開發及管理經歷； 8年國內IT業頭部企業及6年 外資500強企業管理經歷； 7年創辦企業經歷。目錄 第1章 緒論1 1 物流行業背景及現狀 1 2 解決車輛路徑問題的意義 1 3 基本的旅行商問題和車輛路徑問題 1 3 1 旅行商問題（TSP） 1 3 2 車輛路徑問題（VRP） 小結 第2章 複雜約束車輛路徑問題（Rich VRP) 2 1 複雜約束車輛路徑問題（Rich VRP）的具體內容 2 2 複雜約束車輛路徑問題（Rich VRP）在實踐中的新增約束 2 3 其他車輛路徑問題的研究現狀 2 4 車輛路徑問題關聯裝載問題概述 小結 第3章 複雜約束車輛路徑問題的演算法現狀 3 1 解決Rich VRP的演算法研究概述 3 2 解決Rich VRP的精確演算法 3 3 解決Rich VRP的近似演算法 3 4 解決Rich VRP的元啟髮式演算法 3 5 解決Rich VRP的機器學習演算法 3 6 解決Rich VRP的強化學習演算法 3 7 單智能體強化學習與多智能體強化學習 3 8 主流強化學習與組合優化問題 3 9 各類演算法的比較小結 第4章 蟻群優化演算法及其改進研究 4 1 蟻群優化演算法（ACO）原理 4 2 選擇蟻群優化演算法（ACO）的原因 4 3 蟻群優化演算法（ACO）研究現狀 4 4 蟻群優化演算法在Rich VRP的研究現狀 4 5 蟻群優化演算法與強化學習演算法的結合小結 第5章 Levy ACO演算法 5 1 萊維分佈和萊維飛行模式概述 5 2 Levy ACO的演算法設計 5 3 實驗環境說明 5 4 實驗結果及其分析 5 5 Levy ACO與其他最新演算法的比較 5 5 1 Levy ACO與ACO相關最新演算法的比較 5 5 2 Levy ACO與非ACO最新演算法的比較小結 第6章 Greedy Levy ACO演算法 6 1 Epsilon Greedy機制 6 2 Greedy Levy ACO的演算法設計 6 3 實驗環境說明 6 4 實驗結果及其分析 6 5 Greedy Levy ACO與其他最新演算法的比較 6 5 1 Greedy Levy ACO與ACO相關最新演算法的比較 6 5 2 Greedy Levy ACO與非ACO最新演算法的比較小結 第7章 Contribution-based ACO演算法 7 1 強化學習演算法中的獎勵機制 7 2 管理學激勵理論概述 7 3 經典ACO演算法中的信息素更新邏輯 7 4 Contribution-based ACO的演算法設計 7 5 實驗環境說明 7 6 實驗結果及其分析 7 7 ACO改進演算法的比較、關係和作用小結 第8章 Rich VRP分析及統一應用框架的建模 8 1 Rich VRP統一應用框架分析 8 1 1 車型的定義及意義 8 1 2 Rich VRP約束分析 8 1 3 多車型車隊概念 8 1 4 多車型及多信息素 8 1 5 多信息素下的ACO信息素邏輯 8 1 6 信息素更新改進策略 8 1 7 與車型無關約束的實現 8 2 Rich VRP統一應用框架的ACO演算法邏輯 8 2 1 車輛選擇邏輯 8 2 2 候選節點選擇邏輯 8 3 Rich VRP統一應用框架性能提升的設計 8 4 Rich VRP統一應用框架系統的實現條件 8 4 1 開發語言的選擇 8 4 2 基礎開發庫的選擇 8 4 3 資料庫中間件的選擇 8 4 4 電子地圖的選擇 8 4 5 GPU或CPU等并行機制的選擇 8 5 Rich VRP統一應用框架實驗結果小結 第9章 Rich VRP的實際應用及效果分析 9 1 RichVRP的應用背景 9 2 Rich VRP的應用環境 9 2 1 Rich VRP中的節點信息和訂單信息 9 2 2 Rich VRP中的路網信息 9 2 3 Rich VRP中的車輛信息 9 2 4 RichVRP中的節點、路網、車輛、訂單信息的關係 9 3 Rich VRP應用實例 9 3 1 某銀行ATM機清機運鈔車線路優化項目 9 3 2 某汽車生產供應鏈優化項目 9 3 3 某冷鏈互聯網服務平台運輸優化項目 9 3 4 某倉儲服務企業攬貨線路優化項目 9 3 5 某倉儲服 第10章 市場經濟優化演算法（MEO-Q） 10 1 組合優化問題中的難點 10 2 Q-learning演算法及Ant-Q演算法 10 2 1 Q-learning演算法 10 2 2 Ant-Q演算法及其與Q-Learning演算法的比較 10 2 3 現有演算法的不足和市場經濟優化演算法的改進措施 10 3 市場經濟理論對於組合優化問題的意義 10 4 市場經濟優化演算法的主要內容 10 4 1 市場經濟優化演算法中的價格機制及成本利潤模式 10 4 2 市場經濟優化演算法中的反壟斷機制 10 4 3 市場經濟優化演算法中的風險投資機制 10 4 4 市場經濟優化演算法中的總體演算法結構 10 4 5 市場經濟優化演算法中的其他設計 10 5 市場經濟優化演算法的實驗設置 10 6 市場經濟優化演算法的實驗結果 10 6 1 市場經濟優化演算法實驗總體結果 10 6 2 市場經濟優化演算法實驗中具體數據集的詳細結果 10 6 3 市場經濟優化演算法實驗與最新強化學習演算法性能的對比 10 7 市場經濟優化演算法的後續研究 10 7 1 市場經濟優化演算法後續改進之一——融合LKH演算法 10 7 2 市場經濟優化演算法後續改進之二——解的重複性過濾 10 7 3 將市場經濟優化演算法應用於RichVRP統一應用框架 小結 附錄 英文縮寫說明 參考文獻 詳細資料或其他書籍請至台灣高等教育出版社查詢，查後請於PChome商店街私訊告知ISBN或書號，我們即儘速上架。 |
