| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第10-11页 |
| 缩略语对照表 | 第11-14页 |
| 第一章 绪论 | 第14-22页 |
| 1.1 研究背景与意义 | 第14-15页 |
| 1.2 国内外研究现状 | 第15-19页 |
| 1.3 本文的主要工作及创新点 | 第19页 |
| 1.4 论文的结构安排 | 第19-22页 |
| 第二章 护士排班问题的形式化定义 | 第22-30页 |
| 2.1 问题描述 | 第22页 |
| 2.2 问题约束 | 第22-23页 |
| 2.2.1 硬约束 | 第22页 |
| 2.2.2 软约束 | 第22-23页 |
| 2.3 问题约束的形式化表示 | 第23-28页 |
| 2.4 问题模型 | 第28页 |
| 2.5 本章小结 | 第28-30页 |
| 第三章 一种并行的自适应邻域搜索算法PANS | 第30-46页 |
| 3.1 预备知识 | 第30-31页 |
| 3.1.1 变邻域搜索算法(VNS) | 第30-31页 |
| 3.1.2 基本概念与术语 | 第31页 |
| 3.2 PANS算法主要框架 | 第31-33页 |
| 3.3 初始解的生成(initial_solution()) | 第33-34页 |
| 3.4 邻域移动(Neighborhood move)和邻域结构 | 第34-35页 |
| 3.5 邻域移动选择策略 | 第35-37页 |
| 3.5.1 密集搜索(Intensive Search) | 第35页 |
| 3.5.2 过渡搜索(Intermediate Search) | 第35-36页 |
| 3.5.3 多样化搜索(Diversification Search) | 第36-37页 |
| 3.6 多样化水平dl | 第37-38页 |
| 3.7 算法的重启机制 | 第38-39页 |
| 3.8 PANS算法的并行设计 | 第39-40页 |
| 3.9 实验结果与分析 | 第40-45页 |
| 3.9.1 测试数据集 | 第40页 |
| 3.9.2 实验环境 | 第40-41页 |
| 3.9.3 PANS算法的性能分析 | 第41-45页 |
| 3.10 本章小结 | 第45-46页 |
| 第四章 一种求解护士排班问题的两步骤优化算法TSO | 第46-58页 |
| 4.1 预备知识—遗传算法 | 第46-47页 |
| 4.2 TSO算法主要框架 | 第47-48页 |
| 4.3 初始化解 | 第48-49页 |
| 4.4 第一步优化算法—遗传算法 | 第49-51页 |
| 4.5 第二步优化算法—扰动和修复算法 | 第51-52页 |
| 4.6 TSO与ANS算法的对比实验结果及分析 | 第52-54页 |
| 4.7 TSO与串行PANS算法的对比实验结果及分析 | 第54-56页 |
| 4.8 本章小结 | 第56-58页 |
| 第五章 总结与展望 | 第58-60页 |
| 5.1 论文的工作总结 | 第58页 |
| 5.2 研究展望 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 致谢 | 第64-66页 |
| 作者简介 | 第66-67页 |
