基于改进阿奎拉鹰算法的预制构件供应链优化

摘要

针对装配式建筑预制构件(PC构件)供应链成本高、抗风险水平低、服务质量不高的现状，提出一种改进阿奎拉鹰优化算法(IAO)求解PC构件供应链成本-风险-质量多目标综合优化问题。IAO在原始阿奎拉鹰优化算法(AO)的基础上，通过引入反向学习策略进行阿奎拉鹰种群的初始化，保证了初始种群在解空间中的分布更为均匀；通过引入柯西变异实现扰动以产生变化的新解，保证了算法前后期搜索能力的平衡。选取12组基准测试函数和某工程项目实例对算法的有效性和可行性进行验证，结果表明，相比于遗传算法(GA)、多目标粒子群算法(MOPSO)和AO,IAO求解精度更高，且计算稳定性更强。

关键词

预制构件供应链 / 多目标优化 / 阿奎拉鹰算法 / 反向学习 / 柯西变异