| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-19页 |
| 1.1 论文的研究背景与意义 | 第9-10页 |
| 1.1.1 论文的研究背景 | 第9页 |
| 1.1.2 论文的研究目的与意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-15页 |
| 1.2.1 城市医院布局的国内外研究现状 | 第10-12页 |
| 1.2.2 人工蜂群算法的国内外研究现状 | 第12-15页 |
| 1.3 论文的主要研究内容 | 第15-16页 |
| 1.4 论文的创新点 | 第16-17页 |
| 1.5 本文的组织结构 | 第17-18页 |
| 1.6 本章小结 | 第18-19页 |
| 第二章 人工蜂群算法简介 | 第19-25页 |
| 2.1 引言 | 第19页 |
| 2.2 蜂群觅食的生物学行为 | 第19-21页 |
| 2.3 人工蜂群算法的基本原理 | 第21-23页 |
| 2.4 人工蜂群算法的基本流程 | 第23-24页 |
| 2.5 人工蜂群算法的特点 | 第24页 |
| 2.6 本章小结 | 第24-25页 |
| 第三章 城市医院布局研究 | 第25-35页 |
| 3.1 引言 | 第25页 |
| 3.2 城市医院布局概述 | 第25-26页 |
| 3.3 城市医院布局的影响因素 | 第26-27页 |
| 3.4 城市医院布局的基本原则 | 第27-28页 |
| 3.5 城市医院布局的相关理论方法 | 第28-31页 |
| 3.5.1 多目标优化理论 | 第28-30页 |
| 3.5.2 引力可达性模型 | 第30页 |
| 3.5.3 消费偏好理论 | 第30-31页 |
| 3.6 城市医院布局的数学模型 | 第31-33页 |
| 3.6.1 问题描述 | 第31-32页 |
| 3.6.2 模型建立 | 第32-33页 |
| 3.7 多目标优化模型求解方法 | 第33-34页 |
| 3.8 本章小结 | 第34-35页 |
| 第四章 改进的多目标人工蜂群算法 | 第35-48页 |
| 4.1 引言 | 第35页 |
| 4.2 基本多目标人工蜂群算法 | 第35-39页 |
| 4.3 改进的多目标人工蜂群算法 | 第39-41页 |
| 4.3.1 问题分析 | 第39-40页 |
| 4.3.2 改进策略 | 第40-41页 |
| 4.4 实验设置与结果 | 第41-47页 |
| 4.4.1 测试函数 | 第41-42页 |
| 4.4.2 实验计算结果 | 第42-44页 |
| 4.4.3 分析评价 | 第44-47页 |
| 4.5 本章小结 | 第47-48页 |
| 第五章 改进人工蜂群算法求解马鞍山市区医院布局问题 | 第48-64页 |
| 5.1 引言 | 第48页 |
| 5.2 马鞍山市区医院布局现状 | 第48-50页 |
| 5.3 马鞍山市区医院布局影响因素分析 | 第50-53页 |
| 5.4 改进人工蜂群算法求解城市医院布局问题 | 第53-57页 |
| 5.4.1 参数设定 | 第53-54页 |
| 5.4.2 问题求解 | 第54-57页 |
| 5.5 灰色关联度法求解Pareto最优解 | 第57-62页 |
| 5.5.1 灰色关联度法的概述 | 第57-59页 |
| 5.5.2 最优城市医院布局方案的求解 | 第59-62页 |
| 5.6 城市医院布局的合理化建议 | 第62页 |
| 5.7 本章小结 | 第62-64页 |
| 第六章 总结与展望 | 第64-66页 |
| 6.1 全文总结 | 第64-65页 |
| 6.2 研究展望 | 第65-66页 |
| 参考文献 | 第66-72页 |
| 致谢 | 第72-73页 |
| 攻读硕士学位期间取得的研究成果 | 第73-74页 |
| 附录 | 第74-77页 |