【摘要】：从理论基础部分可以看出，粒子群算法已经得到了广泛应用，尤其在各类优化问题求解方面，其效率及有效性均获得了普遍认可。相较于其他智能算法，粒子群算法由于没有编码和解码的过程，其程序编写相对简单。目前，很多研究者在使用粒子群算法解决NP 困难问题以及Stackelberg 均衡问题方面已经取得了一定的研究成果[75，202]。然而，经过测试观察发现，基本的粒子群算法存在一定的缺陷。
从理论基础部分可以看出，粒子群算法已经得到了广泛应用，尤其在各类优化问题求解方面，其效率及有效性均获得了普遍认可。相较于其他智能算法，粒子群算法由于没有编码和解码的过程，其程序编写相对简单。目前，很多研究者在使用粒子群算法解决NP 困难问题以及Stackelberg 均衡问题方面已经取得了一定的研究成果[75，202]。然而，经过测试观察发现，基本的粒子群算法存在一定的缺陷。这是因为，一个种群中的粒子易向全局最优粒子附近聚集，这将导致该种群易频繁陷入局部最优解并且不再更新。为了处理这种过早收敛于局部最优解的缺陷，重新启动或引导除当前全局最优粒子外的部分或全部粒子继续更新是一种比较受欢迎的方式。Veeramachaneni 等提出了一种将一个种群分解成几个子群的方法以解决此问题[203]。随后，Kachitvichyanukul 在粒子群分组基础上对基本的粒子群算法进行了改进，提出了全局-局部-邻域粒子群算法，并且证明了用该算法处理此缺陷的有效性[204]。为了解决带模糊随机变量的主从物流配送车辆路径问题，本书提出了基于CCP 模糊随机模拟的全局-局部-邻域粒子群算法。在本章最后，将提出的模型及算法应用到二滩水电站运输配送实例中，以验证该模型的实用性，并通过算法对比证明该算法的有效性。(www.zuozong.com)
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
