| 1. 绪论 | 第1-16页 |
| ·自动化立体仓库概述及其发展趋势 | 第7-11页 |
| ·自动化立体仓库的概念及其发展状况 | 第7-8页 |
| ·自动化立体仓库的特点 | 第8-9页 |
| ·自动化立体仓库的组成 | 第9-11页 |
| ·自动化立体仓库拣选路径优化问题及研究现状 | 第11-14页 |
| ·本论文研究的基本内容 | 第14-16页 |
| 2. 蚁群算法求解立体仓库路径问题 | 第16-34页 |
| ·蚁群算法起源和简介 | 第16-19页 |
| ·群体智能 | 第16-17页 |
| ·蚁群算法简介 | 第17-19页 |
| ·基本蚁群算法的原理和数学模型 | 第19-21页 |
| ·蚁群算法的一些改进算法和各自的特点 | 第21-22页 |
| ·用蚁群算法解决固定货架的最短路径问题 | 第22-27页 |
| ·固定货架的拣选优化问题的提出和解决方案 | 第22-25页 |
| ·基本蚁群算法解决固定货架的拣选优化问题的步骤 | 第25-27页 |
| ·仿真结果分析 | 第27-32页 |
| ·算法中基本参数的确定 | 第27-28页 |
| ·两个评价参数的定义 | 第28-29页 |
| ·蚁群算法的试验仿真及分析 | 第29-32页 |
| ·本章结论总结 | 第32-34页 |
| 3. 遗传算法及其改进算法求解立体仓库路径问题 | 第34-57页 |
| ·遗传算法简介 | 第34-36页 |
| ·生物进化的基本理论和一些概念 | 第34-35页 |
| ·遗传算法简介 | 第35-36页 |
| ·遗传算法处理问题的过程 | 第36-37页 |
| ·基本遗传算法解决自动化立体仓库固定货架路径优化问题 | 第37-42页 |
| ·自动化立体仓库固定货架的模型和路径优化问题的提出 | 第37页 |
| ·基本遗传算法用于自动化立体仓库固定货架路径优化问题的思想 | 第37页 |
| ·编码方式的确定和初始种群的选取 | 第37-38页 |
| ·目标函数、适应值函数的确定 | 第38-39页 |
| ·选择操作和交叉操作 | 第39-40页 |
| ·变异操作 | 第40页 |
| ·基本遗传算法解决固定货架的拣选优化问题的步骤 | 第40-42页 |
| ·对基本遗传算法的改进算法 | 第42-53页 |
| ·近亲系数和其涉及到的一些基本概念 | 第42-43页 |
| ·近亲系数的计算方法 | 第43-49页 |
| ·用近亲系数改进遗传算法的方案 | 第49-51页 |
| ·用改进遗传算法解决自动化立体仓库路径问题 | 第51-52页 |
| ·改进蚁群算法解决固定货架的拣选优化问题的步骤 | 第52-53页 |
| ·仿真结果和结论 | 第53-56页 |
| ·基本遗传算法的参数设定 | 第53页 |
| ·基本遗传算法的试验仿真 | 第53-54页 |
| ·改进遗传算法的试验仿真及其与基本遗传算法的比较 | 第54-56页 |
| ·本章结论总结 | 第56-57页 |
| 4. 蚁群算法结合遗传算法求解立体仓库路径优化问题 | 第57-71页 |
| ·蚁群算法结合遗传算法的理论依据和特点 | 第57页 |
| ·先用蚁群算法,再使用遗传算法的求解方法 | 第57-59页 |
| ·方法介绍 | 第57-58页 |
| ·该算法解决固定货架的拣选优化问题的步骤 | 第58-59页 |
| ·先用遗传算法,再使用蚁群算法的求解方法 | 第59-61页 |
| ·方法介绍 | 第59页 |
| ·初始化蚁群算法各个路径上信息素浓度的方法 | 第59-60页 |
| ·该算法解决固定货架的拣选优化问题的步骤 | 第60-61页 |
| ·并行修正的蚁群算法和遗传算法结合方法 | 第61-67页 |
| ·串行与并行 | 第61页 |
| ·蚁群算法和遗传算法的结合方法描述 | 第61-64页 |
| ·蚁群算法和遗传算法之间的数据转换 | 第64-66页 |
| ·该算法解决固定货架的拣选优化问题的步骤 | 第66-67页 |
| ·计算机仿真和结论 | 第67-70页 |
| ·三种算法结合参数的确定 | 第67页 |
| ·三种算法在仿真中的优化效果比较 | 第67-70页 |
| ·本章结论总结 | 第70-71页 |
| 5. 结论及总结 | 第71-74页 |
| ·论文主要研究工作及结论 | 第71-73页 |
| ·尚待研究的问题 | 第73-74页 |
| 参考文献 | 第74-79页 |
| 摘要 | 第79-83页 |
| Abstract | 第83-87页 |
| 附录 | 第87-90页 |
| 感谢 | 第90页 |
