超启发式算法研究及其在低碳LRP中的应用
| 摘要 | 第5-7页 |
| abstract | 第7-8页 |
| 第1章 绪论 | 第11-21页 |
| 1.1 课题研究背景及意义 | 第11-12页 |
| 1.2 国内外的研究现状及趋势 | 第12-18页 |
| 1.2.1 超启发式算法研究现状 | 第12-17页 |
| 1.2.2 LRP问题研究现状 | 第17-18页 |
| 1.3 论文来源与组织结构 | 第18-21页 |
| 1.3.1 课题来源 | 第18页 |
| 1.3.2 论文组织结构 | 第18-21页 |
| 第2章 基于构造的选择式超启发算法 | 第21-33页 |
| 2.1 引言 | 第21页 |
| 2.2 自适应蚁群构造算子 | 第21-26页 |
| 2.2.1 转移规则和信息素更新规则 | 第21-23页 |
| 2.2.2 自适应蚁群算法算子化 | 第23-26页 |
| 2.3 基于离线学习的上层策略 | 第26-28页 |
| 2.3.1 算法复杂度分析 | 第28页 |
| 2.4 数值仿真及结果分析 | 第28-31页 |
| 2.4.1 测试函数及参数设置 | 第28-29页 |
| 2.4.2 实验结果分析 | 第29-31页 |
| 2.5 本章小结 | 第31-33页 |
| 第3章 基于初始解表的超启发式算法 | 第33-45页 |
| 3.1 引言 | 第33页 |
| 3.2 算子的介绍 | 第33-34页 |
| 3.3 基于初始解表的超启发式算法 | 第34-39页 |
| 3.3.1 初始解表 | 第37页 |
| 3.3.2 轮盘法局部最优搜索 | 第37-38页 |
| 3.3.3 解的扰动 | 第38页 |
| 3.3.4 初始解表的插入及终止条件 | 第38-39页 |
| 3.4 数值仿真与分析 | 第39-43页 |
| 3.4.1 参数设置 | 第39-41页 |
| 3.4.2 实验设计介绍及其结果分析 | 第41-43页 |
| 3.5 本章小结 | 第43-45页 |
| 第4章 基于元启发的超启发式算法 | 第45-59页 |
| 4.1 引言 | 第45页 |
| 4.2 算子的介绍 | 第45-46页 |
| 4.3 基于蛙跳算法的选择策略 | 第46-49页 |
| 4.3.1 算法流程 | 第47-48页 |
| 4.3.2 算法参数和编码解码 | 第48-49页 |
| 4.3.3 更新策略 | 第49页 |
| 4.4 改进的个体相似度计算方法 | 第49-52页 |
| 4.5 数值仿真与分析 | 第52-57页 |
| 4.5.1 实验设计和参数分析 | 第52-53页 |
| 4.5.2 不同相似度计算方法比较 | 第53-57页 |
| 4.6 本章小结 | 第57-59页 |
| 第5章 超启发式算法在低碳LRP问题上的应用 | 第59-69页 |
| 5.1 前言 | 第59页 |
| 5.2 问题与模型 | 第59-60页 |
| 5.3 数值仿真与分析 | 第60-63页 |
| 5.3.1 实验结果对比与分析 | 第61-62页 |
| 5.3.2 收敛性分析 | 第62-63页 |
| 5.4 案例分析 | 第63-67页 |
| 5.5 本章小结 | 第67-69页 |
| 第6章 超启发式算法原型系统设计开发 | 第69-77页 |
| 6.1 前言 | 第69页 |
| 6.2 系统分析与设计 | 第69-70页 |
| 6.2.1 系统设计要求 | 第69页 |
| 6.2.2 系统开发框架 | 第69-70页 |
| 6.2.3 系统运行环境 | 第70页 |
| 6.3 系统功能模块 | 第70-72页 |
| 6.3.1 模型样例模块 | 第70-71页 |
| 6.3.2 上层选择策略模块 | 第71页 |
| 6.3.3 低层算子模块 | 第71-72页 |
| 6.4 系统实现界面 | 第72-76页 |
| 6.4.1 系统登录界面 | 第72-73页 |
| 6.4.2 系统主界面 | 第73-74页 |
| 6.4.3 算法决策界面 | 第74-75页 |
| 6.4.4 算子管理界面 | 第75页 |
| 6.4.5 计算结果界面 | 第75-76页 |
| 6.5 本章小结 | 第76-77页 |
| 第7章 总结与展望 | 第77-79页 |
| 7.1 总结 | 第77-78页 |
| 7.2 展望 | 第78-79页 |
| 参考文献 | 第79-85页 |
| 致谢 | 第85-87页 |
| 攻读学位期间参加的科研项目和成果 | 第87页 |
