遗传算法研究及在部队水路输送决策支持系统中的应用
| 0 前言 | 第1-9页 |
| 第1章 遗传算法综述 | 第9-15页 |
| 1．1 遗传算法的基本步骤和研究进展 | 第9-13页 |
| 1．1．1 传统优化算法的不足 | 第9页 |
| 1．1．2 遗传算法的基本步骤 | 第9-10页 |
| 1．1．3 对遗传算法各步骤的主要改进 | 第10-12页 |
| 1．1．4 遗传算法的特点 | 第12-13页 |
| 1．2 遗传算法的理论基础 | 第13-15页 |
| 1．2．1 模式定理 | 第13-14页 |
| 1．2．2 欺骗问题 | 第14-15页 |
| 第2章 遗传算法研究和改进 | 第15-34页 |
| 2．1 一种改进的最优保存的遗传算法 | 第15-22页 |
| 2．1．1 最优保存的遗传算法搜索效率理论分析 | 第15-19页 |
| 2．1．2 IGABP算法描述 | 第19页 |
| 2．1．3 仿真结果 | 第19-22页 |
| 2．2 一种避免局部最优的策略 | 第22-27页 |
| 2．2．1 GA早熟收敛的原因 | 第22-23页 |
| 2．2．2 目前常用的解决方法 | 第23-24页 |
| 2．2．3 避免局部最优的一种策略 | 第24页 |
| 2．2．4 算法设计 | 第24-25页 |
| 2．2．5 与多子群GA的比较 | 第25-26页 |
| 2．2．6 仿真试验 | 第26页 |
| 2．2．7 算法总结 | 第26-27页 |
| 2．3 GA在BP网络权值学习中的应用 | 第27-34页 |
| 2．3．1 使用GA学习BP网络权值 | 第27-29页 |
| 2．3．2 一种多输出BP网的网络结构改进的方法 | 第29-34页 |
| 第3章 决策支持系统概述 | 第34-41页 |
| 3．1 引言 | 第34页 |
| 3．2 DSS的理论基础 | 第34-36页 |
| 3．2．1 信息论 | 第34-35页 |
| 3．2．2 计算机技术 | 第35页 |
| 3．2．3 管理科学和运筹学 | 第35页 |
| 3．2．4 行为科学 | 第35页 |
| 3．2．5 人工智能技术 | 第35-36页 |
| 3．3 DSS的基本结构 | 第36-37页 |
| 3．3．1 人机接口 | 第36页 |
| 3．3．2 数据库系统 | 第36-37页 |
| 3．3．3 模型库系统 | 第37页 |
| 3．3．4 知识库系统 | 第37页 |
| 3．4 决策支持系统的新发展 | 第37-41页 |
| 3．4．1 数据仓库（DW） | 第38页 |
| 3．4．2 在线分析（OLAP） | 第38-39页 |
| 3．4．3 数据挖掘（DM） | 第39-41页 |
| 第4章 系统概述 | 第41-46页 |
| 4．1 项目介绍 | 第41-43页 |
| 4．1．1 项目提出 | 第41页 |
| 4．1．2 依据法规 | 第41-42页 |
| 4．1．3 实现目标 | 第42-43页 |
| 4．2 系统功能 | 第43-44页 |
| 4．3 体系结构设计 | 第44-46页 |
| 第5章 选船问题数学模型的建立和求解 | 第46-58页 |
| 5．1 问题描述 | 第46页 |
| 5．2 普通0-1型整数规划的数学模型和求解方法 | 第46-49页 |
| 5．2．1 0-1规划模型的一般形式 | 第46-47页 |
| 5．2．2 0-1型整数规划的解法 | 第47-49页 |
| 5．3 选船问题的0-1规划数学模型 | 第49-51页 |
| 5．4 一种求解方法 | 第51-54页 |
| 5．4．1 简单隐枚举法效率分析 | 第51页 |
| 5．4．2 一种隐枚举法的改进的实现方法 | 第51-53页 |
| 5．4．3 新算法效率分析 | 第53-54页 |
| 5．4．4 实验结果 | 第54页 |
| 5．5 使用遗传算法求解选船问题 | 第54-58页 |
| 5．5．1 编码方式 | 第54-55页 |
| 5．5．2 适应函数 | 第55页 |
| 5．5．3 选择算子 | 第55-56页 |
| 5．5．4 交叉操作 | 第56页 |
| 5．5．5 变异操作 | 第56页 |
| 5．5．6 局部改进 | 第56页 |
| 5．5．7 解决陷入局部最小问题的策略 | 第56-57页 |
| 5．5．8 仿真结果 | 第57-58页 |
| 展望 | 第58-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-61页 |
