基于随机场景数据的运输网络流问题模型与算法
| 致谢 | 第1-6页 |
| 中文摘要 | 第6-7页 |
| ABSTRACT | 第7-9页 |
| 目录 | 第9-11页 |
| 1 绪论 | 第11-16页 |
| ·论文的研究背景 | 第11页 |
| ·论文的研究目的和意义 | 第11-12页 |
| ·国内外研究现状 | 第12-14页 |
| ·国外研究现状 | 第12-13页 |
| ·国内研究现状 | 第13页 |
| ·不确定环境下的运输网络流问题研究现状 | 第13-14页 |
| ·论文的主要内容和结构 | 第14-16页 |
| 2 不确定环境下基于随机场景数据的运输网络流问题 | 第16-27页 |
| ·网络流问题概述 | 第16页 |
| ·基于随机场景数据的运输网络流问题分析 | 第16-17页 |
| ·基于随机场景数据的运输网络流问题的一般模型 | 第17-21页 |
| ·基于随机场景数据的随机运输网络流问题模型 | 第21-23页 |
| ·基于随机场景数据的随机机会约束模型 | 第21-23页 |
| ·基于随机场景数据的模糊运输网络流问题模型 | 第23-26页 |
| ·基于随机场景数据的模糊机会约束模型 | 第23-26页 |
| ·小结 | 第26-27页 |
| 3 拉格朗日松弛算法 | 第27-39页 |
| ·松弛方法 | 第27-29页 |
| ·复杂约束的松弛 | 第29-31页 |
| ·模型分解 | 第31-34页 |
| ·最短路问题 | 第32-34页 |
| ·次梯度算法 | 第34-36页 |
| ·次梯度方向 | 第35-36页 |
| ·拉格朗日乘子的迭代 | 第36页 |
| ·算法过程 | 第36-38页 |
| ·小结 | 第38-39页 |
| 4 遗传算法 | 第39-50页 |
| ·寻找潜在路径 | 第40-41页 |
| ·遗传算法 | 第41-49页 |
| ·遗传算法中解的编码表示 | 第42-43页 |
| ·行性检验 | 第43-45页 |
| ·选择操作 | 第45-46页 |
| ·交叉操作 | 第46-47页 |
| ·变异操作 | 第47-48页 |
| ·终止条件 | 第48页 |
| ·算法过程 | 第48-49页 |
| ·小结 | 第49-50页 |
| 5 算例研究 | 第50-64页 |
| ·简单运输网络流问题算例设计 | 第50-54页 |
| ·一定规模的运输网络流问题算例设计 | 第54-63页 |
| ·小结 | 第63-64页 |
| 6 结论 | 第64-66页 |
| ·论文的主要工作与结论 | 第64-65页 |
| ·进一步研究方向 | 第65-66页 |
| 参考文献 | 第66-70页 |
| 作者简历 | 第70-72页 |
| 学位论文数据集 | 第72页 |
