| 摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 课题来源 | 第10页 |
| 1.2 课题研究背景及意义 | 第10-11页 |
| 1.3 相关领域的国内外研究现状 | 第11-16页 |
| 1.3.1 三维空间的最优路径建模研究现状 | 第12-14页 |
| 1.3.2 带时间窗路径优化算法的研究现状 | 第14-16页 |
| 1.4 本文的主要研究工作和组织结构 | 第16-18页 |
| 第2章 带时间窗的巡检任务路径优化问题的研究 | 第18-34页 |
| 2.1 带时间窗的巡检任务路径优化问题的描述 | 第18-20页 |
| 2.2 带时间窗的巡检任务路径优化模型的建立及优化 | 第20-26页 |
| 2.2.1 巡检任务路径优化模型的建立 | 第20-22页 |
| 2.2.2 模型中到达巡检房间时间的优化 | 第22-24页 |
| 2.2.3 模型中两个巡检房间之间可行距离d_(ij)的优化 | 第24-26页 |
| 2.3 带时间窗的路径优化问题常见求解算法 | 第26-31页 |
| 2.3.1 精确式算法 | 第27-28页 |
| 2.3.2 启发式算法 | 第28-31页 |
| 2.4 智能化算法的比较与选取 | 第31-33页 |
| 2.5 本章小结 | 第33-34页 |
| 第3章 基于改进蚁群算法的任务路径优化研究 | 第34-49页 |
| 3.1 蚁群算法的基本原理与模型 | 第34-36页 |
| 3.1.1 蚁群算法的基本原理 | 第34页 |
| 3.1.2 蚁群算法的模型 | 第34-36页 |
| 3.2 蚁群算法在带时间窗巡检任务路径优化问题上的实现 | 第36-37页 |
| 3.2.1 蚁群算法与巡检任务路径优化模型的结合 | 第36-37页 |
| 3.2.2 蚁群算法与巡检任务路径优化模型相结合后的讨论 | 第37页 |
| 3.3 改进蚁群算法的策略 | 第37-43页 |
| 3.3.1 基于楼栋楼层聚类的蚁群算法 | 第38-40页 |
| 3.3.2 聚类的具体实现 | 第40-43页 |
| 3.4 遗传算法的基本思想和工作流程 | 第43-44页 |
| 3.5 遗传算法的设计 | 第44-47页 |
| 3.5.1 初始种群采用多种群的方式 | 第44-45页 |
| 3.5.2 适应度函数 | 第45-46页 |
| 3.5.3 选择复制操作采用顺序选择策略 | 第46页 |
| 3.5.4 自适应交叉和变异 | 第46-47页 |
| 3.6 聚类蚁群算法与多种群遗传算法结合后算法模型 | 第47-48页 |
| 3.7 本章小结 | 第48-49页 |
| 第4章 任务路径优化房屋缺陷管理系统设计与实现 | 第49-60页 |
| 4.1 房屋缺陷管理系统的设计 | 第49-51页 |
| 4.2 任务路径优化管理模块设计与实现 | 第51-54页 |
| 4.3 实验结果及分析 | 第54-59页 |
| 4.4 本章小结 | 第59-60页 |
| 第5章 全文总结与展望 | 第60-63页 |
| 5.1 全文的总结 | 第60-61页 |
| 5.2 今后工作的展望 | 第61-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-67页 |
| 附录 A | 第67-70页 |
| 攻读硕士期间的研究成果 | 第70页 |
