位置:成果数据库 > 期刊 > 期刊详情页
基于遗传社会认知算法的物流Web服务优化组合研究
  • ISSN号:1001-3695
  • 期刊名称:计算机应用研究
  • 时间:2014
  • 页码:1752-1755
  • 分类:TP391[自动化与计算机技术—计算机应用技术;自动化与计算机技术—计算机科学与技术]
  • 作者机构:[1]河南理工大学计算机科学与技术学院,河南焦作454000
  • 相关基金:国家自然科学基金资助项目(61175066,60905041,61300124);河南省高校科技创新人才基金资助项目(2012HASTIT013);河南省高校青年骨干教师资助项目(2011GGJS-056);河南理工大学创新型科研团队支持项目(T2013-3)
  • 相关项目:基于“反馈进化”的集群式供应链服务系统设计方法研究
中文摘要:

第四方物流服务是新经济形式下的新型物流产业形态,它能够在区域范围内最大限度地整合具有互补性的资源,过滤出高服务水平的服务组合方案,为客户提供高水准、高服务质量、低经济成本的专业化服务.然而,如何高效地、动态地构建和组合出客户满意的、及时可靠的一体化服务,提高服务发现与组合的满意度是第四方物流产业运作模式具有挑战性的问题.针对该问题,基于遗传算法中的交叉变异思想,通过对社会认知算法中模仿学习和观察学习过程改进,使其可以用于求解离散型的物流Web服务优化组合问题.实验结果显示,该算法与遗传算法、最大最小蚁群算法相比,具有更高的寻优能力和收敛速度,能够为现代物流服务提供有效的支撑.

英文摘要:

The fourth party logistics service is a new kind of logistics industry under the new economic form,it can maximize the integration of complementary service resources within the region,filter out the high level of service composition plans,provide clients with professional services which have high standard,high quality and low economic cost.However,how to efficiently and dynamically build,integrate and compose the integrated services which is timely,reliable and keep the customers satisfied,improve the satisfaction of service discovery and composition is a challenging problem under the operation mode of the fourth party logistics industry.Based on the crossover and mutation thought of genetic algorithm,this paper improved imitation learning and observational learning of the social cognitive optimization,so that it could be used to solve the discrete logistics Web service composition problem.The experimental results show that the algorithm has higher search ability and convergence speed which is compared with genetic algorithm and the maximum minimum ant colony algorithm,it really can provide effective support for the modern logistics service.

同期刊论文项目
期刊论文 64 会议论文 11 获奖 1 著作 1
同项目期刊论文
期刊信息
  • 《计算机应用研究》
  • 北大核心期刊(2011版)
  • 主管单位:四川省科学技术厅
  • 主办单位:四川省计算机研究院
  • 主编:刘营
  • 地址:成都市成科西路3号
  • 邮编:610041
  • 邮箱:arocmag@163.com
  • 电话:028-85210177 85249567
  • 国际标准刊号:ISSN:1001-3695
  • 国内统一刊号:ISSN:51-1196/TP
  • 邮发代号:62-68
  • 获奖情况:
  • 第二届国家期刊奖百种重点科技期刊,国内计算技术类重点核心期刊,国内外著名数据库收录期刊
  • 国内外数据库收录:
  • 俄罗斯文摘杂志,波兰哥白尼索引,英国科学文摘数据库,日本日本科学技术振兴机构数据库,中国中国科技核心期刊,中国北大核心期刊(2004版),中国北大核心期刊(2008版),中国北大核心期刊(2011版),中国北大核心期刊(2014版),中国北大核心期刊(2000版)
  • 被引量:60049