基于群体智能算法的集装箱码头集卡调度研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-15页 |
| ·论文选题背景 | 第10-11页 |
| ·研究的目的和意义 | 第11-12页 |
| ·文献综述 | 第12-13页 |
| ·本文研究的主要内容及方法 | 第13-15页 |
| 第2章 集装箱码头资源配置问题 | 第15-20页 |
| ·集装箱码头功能、布局 | 第15-17页 |
| ·集装箱码头业务流程 | 第17-18页 |
| ·作业资源及其配置 | 第18-20页 |
| 第3章 集卡调度数学模型 | 第20-36页 |
| ·面向“作业面”的集卡路径优化模型 | 第20-27页 |
| ·基于作业时间最小的集卡调度模型 | 第27-33页 |
| ·协调岸桥的集卡调度模型 | 第33-36页 |
| 第4章 集卡调度模型混合群体智能算法 | 第36-68页 |
| ·群体智能及其算法简介 | 第36-38页 |
| ·粒子群算法 | 第38-49页 |
| ·算法简介 | 第38-39页 |
| ·粒子群算法基本原理 | 第39-41页 |
| ·粒子群算法流程 | 第41-42页 |
| ·粒子群算法的变化与改进 | 第42-44页 |
| ·调度问题算法设计关键 | 第44-45页 |
| ·求解离散型问题的粒子群算法 | 第45-46页 |
| ·求解集卡调度问题的粒子表示方式 | 第46-49页 |
| ·蚁群算法 | 第49-54页 |
| ·算法简介 | 第49-50页 |
| ·蚁群算法基本原理 | 第50-52页 |
| ·蚁群系统 | 第52-53页 |
| ·蚁群系统算法流程 | 第53-54页 |
| ·基于群体智能的集卡调度算法设计 | 第54-68页 |
| ·基于作业时间的集卡调度问题特点 | 第54-55页 |
| ·基于作业时间集卡调度的群体智能混合算法构造 | 第55-64页 |
| ·协调岸桥集卡调度模型的群体智能混合算法 | 第64-68页 |
| 第5章 数值模拟 | 第68-74页 |
| ·案例设计 | 第68-69页 |
| ·模型求解 | 第69-74页 |
| 第6章 总结 | 第74-76页 |
| 参考文献 | 第76-80页 |
| 附录A 岸桥及各箱区之间的距离矩阵 | 第80-84页 |
| 附录B 粗略路径优化粒子群算法 | 第84-91页 |
| 附录C 粗略路径优化结果 | 第91-92页 |
| 附录D 蚁群算法路径优化结果 | 第92-93页 |
| 附录E 混合群体智能算法源程序 | 第93-98页 |
| 附录F 车辆任务分配及顺序矩阵 | 第98-101页 |
| 致谢 | 第101-102页 |
| 研究生履历 | 第102页 |
