自适应遗传蜂群算法在集装箱码头集卡路径优化中的应用
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第11-18页 |
| 1.1 研究背景及意义 | 第11-13页 |
| 1.1.1 研究背景 | 第11-12页 |
| 1.1.2 研究意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.2.1 国外研究现状 | 第13-14页 |
| 1.2.2 国内研究现状 | 第14-15页 |
| 1.2.3 目前研究中存在的问题 | 第15页 |
| 1.3 研究内容与研究方法 | 第15-18页 |
| 1.3.1 研究方法 | 第15-16页 |
| 1.3.2 研究内容 | 第16-18页 |
| 第2章 集装箱码头作业系统分析 | 第18-24页 |
| 2.1 集装箱码头简介 | 第18-20页 |
| 2.1.1 集装箱码头概述 | 第18页 |
| 2.1.2 集装箱码头的布局 | 第18-20页 |
| 2.1.3 集装箱码头主要作业设备 | 第20页 |
| 2.2 集装箱码头装卸工艺及作业流程 | 第20-23页 |
| 2.2.1 集装箱码头装卸工艺 | 第20-23页 |
| 2.2.2 集装箱码头的作业流程 | 第23页 |
| 2.3 本章小结 | 第23-24页 |
| 第3章 集装箱码头集卡路径优化模型的建立 | 第24-32页 |
| 3.1 集装箱码头集卡作业模式分析 | 第24-26页 |
| 3.1.1 面向"作业线"的集卡作业模式 | 第24-25页 |
| 3.1.2 面向"作业面"的集卡作业模式 | 第25-26页 |
| 3.2 已提出的集卡路径优化模型分析 | 第26-28页 |
| 3.2.1 基于行驶路径最短的优化模型 | 第26-27页 |
| 3.2.2 基于最小等待时间的集卡路径优化模型 | 第27-28页 |
| 3.3 码头集卡成本优化模型的建立 | 第28-31页 |
| 3.3.1 码头集卡成本分析 | 第28-29页 |
| 3.3.2 模型的假设条件 | 第29页 |
| 3.3.3 模型的建立 | 第29-31页 |
| 3.4 本章小结 | 第31-32页 |
| 第4章 自适应遗传蜂群算法 | 第32-52页 |
| 4.1 人工蜂群算法 | 第32-35页 |
| 4.1.1 人工蜂群算法的基础理论 | 第32-33页 |
| 4.1.2 人工蜂群算法的实现步骤 | 第33-35页 |
| 4.2 自适应遗传蜂群算法 | 第35-40页 |
| 4.2.1 遗传算法简介 | 第35-36页 |
| 4.2.2 遗传算法与人工蜂群算法的融合 | 第36-37页 |
| 4.2.3 自适应思想的引入 | 第37-38页 |
| 4.2.4 自适应遗传蜂群算法的实现 | 第38-40页 |
| 4.3 TSP算例测试分析 | 第40-51页 |
| 4.3.1 TSP问题 | 第40页 |
| 4.3.2 算例测试与优化 | 第40-51页 |
| 4.4 本章小结 | 第51-52页 |
| 第5章 优化算法在集卡路径规划问题中的应用 | 第52-63页 |
| 5.1 算法的相关设计 | 第52-53页 |
| 5.1.1 路径编码 | 第52页 |
| 5.1.2 适应度函数的确定与参数设置 | 第52-53页 |
| 5.2 基于进口、出口双船舶的集卡路径优化问题 | 第53-56页 |
| 5.2.1 问题描述 | 第53-54页 |
| 5.2.2 测试与优化 | 第54页 |
| 5.2.3 优化结果对比分析 | 第54-56页 |
| 5.3 基于进出口单船舶的集卡路径优化问题 | 第56-62页 |
| 5.3.1 问题描述 | 第56-57页 |
| 5.3.2 测试与优化 | 第57-58页 |
| 5.3.3 优化结果对比分析 | 第58-62页 |
| 5.4 本章小结 | 第62-63页 |
| 第6章 结论与展望 | 第63-65页 |
| 6.1 结论 | 第63页 |
| 6.2 展望 | 第63-65页 |
| 参考文献 | 第65-68页 |
| 致谢 | 第68-69页 |
| 作者简介 | 第69页 |
