| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 1.绪论 | 第10-17页 |
| 1.1 研究背景 | 第10页 |
| 1.2 研究目的和意义 | 第10-11页 |
| 1.3 国内外研究现状 | 第11-14页 |
| 1.3.1 设施布置问题在国外的研究现状 | 第11-12页 |
| 1.3.2 设施布置问题在国内的研究现状 | 第12-14页 |
| 1.4 存在的问题 | 第14页 |
| 1.5 研究内容和技术路线 | 第14-17页 |
| 2.设施布置相关理论 | 第17-38页 |
| 2.1 设施规划的理论 | 第17-22页 |
| 2.1.1 设施规划的含义 | 第17-18页 |
| 2.1.2 设施规划的目标 | 第18-19页 |
| 2.1.3 设施规划的范围和流程 | 第19-21页 |
| 2.1.4 设施规划的发展趋势 | 第21-22页 |
| 2.2 设施布置的理论基础 | 第22-30页 |
| 2.2.1 设施布置的定义和层次 | 第22页 |
| 2.2.2 设施布置设计的基本要素 | 第22-24页 |
| 2.2.3 设施布置的作用和目标 | 第24-25页 |
| 2.2.4 设施布置的原则 | 第25-28页 |
| 2.2.5 设施布置设计的方法 | 第28-29页 |
| 2.2.6 设施布置设计的要求 | 第29-30页 |
| 2.3 系统设施布置的定义和发展 | 第30页 |
| 2.4 传统系统设施的步骤 | 第30-35页 |
| 2.5 传统系统设施的问题和优化 | 第35-38页 |
| 3.多目标优化理论及进化算法 | 第38-47页 |
| 3.1 多目标优化理论 | 第38-40页 |
| 3.1.1 多目标优化的数学描述 | 第38页 |
| 3.1.2 多目标优化问题的解 | 第38-40页 |
| 3.1.3 传统多目标优化的劣势 | 第40页 |
| 3.2 设施布置优化目标的依据 | 第40-41页 |
| 3.3 多目标进化算法 | 第41-46页 |
| 3.3.1 遗传算法 | 第42-44页 |
| 3.3.2 蚁群算法 | 第44-45页 |
| 3.3.3 粒子群算法 | 第45-46页 |
| 3.4 设施布置优化方法选择 | 第46-47页 |
| 4.粒子群算法对多目标问题的求解 | 第47-57页 |
| 4.1 粒子群算法概述 | 第47-53页 |
| 4.1.1 复杂适应系统系统理论（CAS） | 第47-48页 |
| 4.1.2 粒子群算法（PSO）概述 | 第48-49页 |
| 4.1.3 基本粒子群算法 | 第49-51页 |
| 4.1.4 粒子群算法的参数和流程 | 第51-53页 |
| 4.2 多目标粒子群算法(MOCLPSO)实现 | 第53-57页 |
| 4.2.1 CLPSO | 第53-54页 |
| 4.2.2 多目标全面学习粒子群算法（MOCLPSO） | 第54-57页 |
| 5.企业应用 | 第57-78页 |
| 5.1 系统设施布置方案设计 | 第57-67页 |
| 5.1.1 作业单位物流关系分析 | 第57-61页 |
| 5.1.3 作业单位非物流相互关系分析 | 第61-62页 |
| 5.1.4 作业单位综合相互关系分析 | 第62-65页 |
| 5.1.5 绘制布置关系图 | 第65-67页 |
| 5.2 基于粒子群算法对方案优化 | 第67-75页 |
| 5.2.1 建立双目标优化模型 | 第67-69页 |
| 5.2.2 应用MOCLPSO求解设施优化模型 | 第69-71页 |
| 5.2.3 MOCLPSO运算结果分析 | 第71-73页 |
| 5.2.4 应用MOGAS求解设施优化模型 | 第73-75页 |
| 5.3 方案对比 | 第75-78页 |
| 6.结论与展望 | 第78-80页 |
| 6.1 结论 | 第78页 |
| 6.2 展望 | 第78-80页 |
| 参考文献 | 第80-83页 |
| 致谢 | 第83-84页 |
| 附录一 | 第84-94页 |
| 附录二 | 第94-103页 |
| 附录三 | 第103-107页 |