| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 研究背景及意义 | 第10-12页 |
| 1.1.1 研究背景 | 第10-11页 |
| 1.1.2 研究意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 应急粮食调度现状 | 第12-14页 |
| 1.2.2 应急粮食调拨车辆路径优化现状 | 第14-15页 |
| 1.2.3 研究中主要存在的问题 | 第15页 |
| 1.3 本文的主要研究内容与章节安排 | 第15-16页 |
| 1.4 创新点 | 第16页 |
| 1.5 技术路线 | 第16-18页 |
| 第二章 蚁群算法相关理论 | 第18-23页 |
| 2.1 蚁群算法概述 | 第18页 |
| 2.2 蚁群算法基本原理 | 第18-20页 |
| 2.3 蚁群算法基本流程 | 第20-21页 |
| 2.4 改进的蚁群优化算法 | 第21-22页 |
| 2.4.1 随机干扰因子的改进 | 第21-22页 |
| 2.4.2 信息素更新的改进 | 第22页 |
| 2.5 本章小结 | 第22-23页 |
| 第三章 基于蚁群算法的应急粮食调度算法研究 | 第23-33页 |
| 3.1 应急粮食调度阐述 | 第23-25页 |
| 3.1.1 应急粮食调度研究内容 | 第23-24页 |
| 3.1.2 应急粮食调度问题分析 | 第24-25页 |
| 3.2 应急粮食调度数学模型 | 第25-27页 |
| 3.2.1 应急粮食调度模型目标 | 第26-27页 |
| 3.2.2 建立模型的限制条件 | 第27页 |
| 3.3 基于蚁群算法的应急粮食调度模型 | 第27-29页 |
| 3.3.1 调度方案最优解的表示 | 第27-28页 |
| 3.3.2 设置启发信息 | 第28-29页 |
| 3.3.3 设定优化算法中的性能指标 | 第29页 |
| 3.4 蚁群算法的实现过程 | 第29-30页 |
| 3.5 仿真实验和结果分析 | 第30-32页 |
| 3.6 本章小结 | 第32-33页 |
| 第四章 应急粮食调拨路径优化模型研究 | 第33-44页 |
| 4.1 应急粮食调拨路径问题描述 | 第33-34页 |
| 4.2 路径优化模型建立 | 第34-36页 |
| 4.2.1 假设条件 | 第34页 |
| 4.2.2 符号表示 | 第34-35页 |
| 4.2.3 模型建立 | 第35-36页 |
| 4.3 求解遗传-蚁群算法路径优化模型 | 第36-39页 |
| 4.3.1 遗传-蚁群算法中参数的设置 | 第37-39页 |
| 4.3.2 遗传-蚁群算法的实现过程 | 第39页 |
| 4.4 遗传、蚁群及遗传-蚁群算法中路径优化对比分析 | 第39-41页 |
| 4.4.1 路径优化结果对比分析 | 第39-41页 |
| 4.4.2 LK优化算法和信息素更新策略对遗传-蚁群算法性能的影响分析 | 第41页 |
| 4.5 仿真实验和结果分析 | 第41-43页 |
| 4.6 本章小结 | 第43-44页 |
| 第五章 基于GIS的路径优化算法对应急粮食调度的实现 | 第44-56页 |
| 5.1 GIS及模型库在应急粮食调拨决策系统中的应用 | 第44-47页 |
| 5.2 总体框架结构和功能模块设计 | 第47-51页 |
| 5.3 基于GIS的路径优化算法实现 | 第51-54页 |
| 5.4 本章小结 | 第54-56页 |
| 第六章 总结和展望 | 第56-58页 |
| 6.1 总结 | 第56页 |
| 6.2 展望 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 致谢 | 第62-63页 |
| 个人简历 | 第63页 |
