| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 引言 | 第9-12页 |
| 1 预备知识 | 第12-24页 |
| 1.1 三次分配问题 | 第12-16页 |
| 1.1.1 线性分配问题 | 第12-14页 |
| 1.1.2 三次分配问题 | 第14-16页 |
| 1.2 组合优化与计算复杂性 | 第16-17页 |
| 1.2.1 组合优化问题 | 第16页 |
| 1.2.2 计算复杂性 | 第16页 |
| 1.2.3 NP完备理论 | 第16-17页 |
| 1.3 启发式算法介绍 | 第17-20页 |
| 1.3.1 传统启发式算法 | 第17页 |
| 1.3.2 元启发式算法 | 第17-18页 |
| 1.3.3 超启发式算法 | 第18-20页 |
| 1.4 现有算法介绍 | 第20-24页 |
| 1.4.1 LSGA | 第20-22页 |
| 1.4.2 AMGO | 第22-24页 |
| 2 基于近似“肌肉”的束搜索算法 | 第24-37页 |
| 2.1 相关概念介绍 | 第24-26页 |
| 2.1.1 肌肉(Muscle) | 第24-25页 |
| 2.1.2 束搜索 | 第25-26页 |
| 2.2 算法介绍 | 第26-31页 |
| 2.2.1 算法框架 | 第26-27页 |
| 2.2.2 近似“肌肉”的生成 | 第27-29页 |
| 2.2.3 三次分配问题的束搜索算法 | 第29-31页 |
| 2.3 实验及分析 | 第31-36页 |
| 2.3.1 参数调整 | 第32-33页 |
| 2.3.2 Balas & Saltzman数据集 | 第33-34页 |
| 2.3.3 Crama & Spieksma数据集 | 第34-36页 |
| 2.4 小结 | 第36-37页 |
| 3 基于数学规划求解器的超启发式算法 | 第37-55页 |
| 3.1 问题意义 | 第37-38页 |
| 3.2 Gurobi介绍 | 第38页 |
| 3.3 算法设计 | 第38-46页 |
| 3.3.1 算法框架 | 第39-41页 |
| 3.3.2 数学规划求解器 | 第41-42页 |
| 3.3.3 子问题生成策略 | 第42-44页 |
| 3.3.4 扰动策略 | 第44-45页 |
| 3.3.5 调度策略 | 第45-46页 |
| 3.4 实验结果 | 第46-53页 |
| 3.4.1 类Balas & Saltzman数据集 | 第46-51页 |
| 3.4.2 类Crama & Spieksma数据集 | 第51-53页 |
| 3.5 小结 | 第53-55页 |
| 结论 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 攻读硕士学位期间发表学术论文情况 | 第59-60页 |
| 致谢 | 第60-61页 |
