基于模拟退火的混合差分进化算法：性能提升与联合补货配送优化应用

本文主要探讨了一种创新的优化算法——基于模拟退火的混合差分进化算法（SAHDE），针对差分进化（DE）算法在搜索过程中存在的效率较低和容易陷入局部最优的问题。DE算法是种广泛应用的全局优化算法，但其性能受到这些问题的限制。为了解决这些缺陷，研究者设计了SAHDE，该算法结合了DE的自适应变异算子和交叉算子，同时引入了模拟退火（SA）算法的Metropolis准则，以增强全局寻优能力。 在理论验证阶段，研究者通过标准测试函数对SAHDE进行了性能评估，结果显示，与DE、自适应混合DE（AHDE）以及遗传算法（GA）相比，SAHDE在搜索效率和避免局部最优方面具有显著优势。这表明SAHDE在优化问题解决中展现出更强的适应性和稳定性。 接下来，SAHDE被应用到了联合补货—配送集成优化问题中，这是一个典型的NP-hard问题，涉及到供应链管理中的复杂决策。大规模的算例分析进一步证实了SAHDE在解决这类问题时的优越性，相比于DE、AHDE和GA，SAHDE能够更有效地降低补货成本、减少配送时间，并提升整体供应链的效率。 此外，本文还包含了研究团队的构成，包括四位作者，他们的专业背景涵盖了智能优化算法、管理系统工程和物流工程等多个领域，为算法的设计和应用提供了多学科的视角。其中，SAHDE的提出者曾宇容副教授、张金隆教授等都为这一领域的研究做出了贡献。 总结来说，本文不仅提出了一个有效的算法改进，而且将其成功地应用于实际问题中，展现了其在复杂优化问题上的实用价值。这对于提升供应链管理的决策效率，特别是在联合补货与配送领域的应用，具有重要的理论和实践意义。