| 第1章 前言 | 第1-17页 |
| ·论文的背景 | 第10-13页 |
| ·集装箱运输的发展 | 第10-11页 |
| ·港口集装箱吞吐量的快速增长 | 第11-12页 |
| ·集装箱枢纽港的竞争态势 | 第12-13页 |
| ·集装箱码头堆场优化管理的研究综述 | 第13-15页 |
| ·装卸资源 | 第13-14页 |
| ·堆存空间资源 | 第14-15页 |
| ·本文的主要工作 | 第15-17页 |
| 第2章 集装箱码头堆场管理的现状与问题分析 | 第17-21页 |
| ·国外集装箱码头堆场先进的管理技术 | 第17-18页 |
| ·国内集装箱码头堆场管理现状 | 第18-19页 |
| ·国内外现状比较启示 | 第19-21页 |
| 第3章 集装箱码头堆场资源的优化管理配置 | 第21-29页 |
| ·集装箱码头堆场资源 | 第21-23页 |
| ·集装箱码头堆存空间资源 | 第21-22页 |
| ·集装箱码头堆场装卸资源 | 第22-23页 |
| ·集装箱码头堆场资源优化管理配置的模型 | 第23-29页 |
| ·问题提出 | 第23-24页 |
| ·模型的建立 | 第24-26页 |
| ·案例分析 | 第26-29页 |
| 第4章 集装箱码头堆场装卸机械的优化作业 | 第29-46页 |
| ·集装箱码头堆场机械作业优化的SAM模型 | 第29-32页 |
| ·问题的表述 | 第29-30页 |
| ·动态码头堆场资源分配的SAM模型 | 第30-32页 |
| ·模型的特点 | 第32页 |
| ·遗传算法的基本原理 | 第32-37页 |
| ·遗传算法的优点 | 第33-34页 |
| ·标准遗传算法(SGA)的构成要素 | 第34-35页 |
| ·标准遗传算法描述 | 第35-37页 |
| ·SAM模型基于遗传算法的启发式算法求解 | 第37-45页 |
| ·概述 | 第37-38页 |
| ·遗传算法的应用 | 第38-42页 |
| ·案例分析 | 第42-45页 |
| ·结论和建议 | 第45-46页 |
| 第5章 结论 | 第46-48页 |
| ·本文结论 | 第46-47页 |
| ·下一步的工作 | 第47-48页 |
| 参考文献 | 第48-51页 |
| 附录一 随码头堆场空间成本C_R变化，求解最优解L和n的源程序 | 第51-53页 |
| 附录二 随着集卡成本C_0变化，求解最优解L和n的源程序 | 第53-55页 |
| 附录三 龙门吊作业顺序及采用计划后作业时间求解的源程序 | 第55-61页 |
| 附录四 集装箱在采用计划前所需作业时间求解的源程序 | 第61-63页 |
| 攻读学位期间公开发表论文 | 第63-64页 |
| 致谢 | 第64-65页 |
| 研究生履历 | 第65页 |
