首页--经济论文--工业经济论文--中国工业经济论文--工业部门经济论文

煤炭物流物联网智能优化调度模型与算法研究

摘要第1-6页
ABSTRACT第6-15页
第一章 绪论第15-39页
   ·研究背景及意义第15-17页
   ·国内外研究现状第17-34页
     ·煤炭物流物联网第17-21页
     ·煤炭物流优化调度模型第21-28页
     ·随机规划模型及求解算法第28-32页
     ·非线性约束优化问题的粒子群求解算法第32-33页
     ·目前研究存在的问题第33-34页
   ·本文研究内容第34-39页
     ·研究内容第34-35页
     ·论文结构安排第35-36页
     ·本文的创新点第36-39页
第二章 煤炭物流物联网智能感知系统框架第39-65页
   ·煤炭物流概述第39-40页
     ·物流的含义第39-40页
     ·物流与供应链第40页
   ·煤炭供应链第40-43页
   ·煤炭物流体系第43-44页
   ·物联网概述第44-59页
     ·RFID技术与物联网第47-51页
     ·M2M技术与物联网第51-54页
     ·WSN与物联网第54-57页
     ·物联网应用状况第57-59页
   ·物联网技术在煤炭物流供应链中的应用第59-63页
     ·开放的物联网架构第60页
     ·基于物联网的煤炭物流供应链集成框架第60-61页
     ·物联网对煤炭物流供应链的作用第61-63页
   ·本章小结第63-65页
第三章 煤炭物流三层库存与运输联合优化随机规划模型第65-95页
   ·物流优化与策略第65-70页
     ·物流优化第65-66页
     ·多级库存策略第66-67页
     ·库存运输问题第67-70页
   ·煤炭物流三层库存与运输模型第70-92页
     ·问题的提出第70-75页
     ·数学模型第75-92页
   ·煤炭物流三层库存与运输随机规划模型第92-94页
     ·随机期望值规划模型第92-93页
     ·随机机会约束规划模型第93-94页
   ·本章小结第94-95页
第四章 煤炭物流库存与运输联合优化随机规划模型求解算法第95-139页
   ·混合智能算法简介第95-96页
   ·随机模拟第96-98页
   ·BP神经网络拟合随机规划不确定函数第98-112页
     ·BP神经网络第98-99页
     ·改进的粒子群算法第99-103页
     ·IPSO算法优化BP神经网络第103-107页
     ·仿真实验第107-111页
     ·结论第111-112页
   ·复杂约束的处理第112-127页
     ·改进的粒子群优化算法第113-114页
     ·约束处理技术第114-115页
     ·混合粒子群算法第115页
     ·数值实验第115-127页
     ·结论第127页
   ·复杂约束下的随机规划模型求解算法第127-137页
     ·构造乘子罚函数第128-129页
     ·基于乘子法求解随机规划的混合智能算法第129-130页
     ·数值实验第130-137页
     ·结论第137页
   ·本章小结第137-139页
第五章 煤炭物流多层库存与运输联合优化随机规划模型的求解与仿真第139-153页
   ·煤炭物流多层库存与运输联合优化随机规划模型的求解算法第139-142页
     ·煤炭物流多层库存与运输联合优化随机期望值模型求解算法第139-141页
     ·煤炭物流多层库存与运输联合优化随机机会约束规划模型求解算法第141-142页
   ·随机规划模型仿真实验第142-151页
     ·“1-1-1”随机期望值模型仿真实验第142-145页
     ·“1-1-1”随机机会约束规划模型仿真实验第145-146页
     ·“2-1-2”随机期望值模型仿真实验第146-150页
     ·“2-1-2”随机机会约束规划模型仿真实验第150-151页
   ·本章小结第151-153页
第六章 结论与展望第153-157页
   ·主要研究结论第153-154页
   ·研究展望第154-157页
参考文献第157-169页
致谢第169-171页
攻读博士期间发表论文和参加的科研项目第171页

论文共171页,点击 下载论文
上一篇:双尺寸超材料结构的设计及自组装
下一篇:山西中北部古—中生代沉积盆地沉积演化