| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 第1章 绪论 | 第7-13页 |
| 1.1 研究背景以及意义 | 第7-9页 |
| 1.1.1 最优化问题的研究背景 | 第7-8页 |
| 1.1.2 选址问题的研究背景及意义 | 第8-9页 |
| 1.2 最优化算法的基本结构 | 第9-10页 |
| 1.3 本文的主要工作 | 第10-13页 |
| 第2章 标准粒子群优化算法 | 第13-21页 |
| 2.1 算法的基本原理 | 第13-15页 |
| 2.2 算法的基本步骤以及流程图 | 第15-16页 |
| 2.3 算法的参数分析 | 第16-18页 |
| 2.4 与其他方法的结合 | 第18-19页 |
| 2.5 算法的应用 | 第19-20页 |
| 2.5.1 求解优化问题 | 第19页 |
| 2.5.2 神经网络上的应用 | 第19-20页 |
| 2.5.3 工程上的应用 | 第20页 |
| 2.5.4 数据挖掘 | 第20页 |
| 2.6 小结 | 第20-21页 |
| 第3章 基于增广Lagrange乘子法的改进粒子群优化算法 | 第21-38页 |
| 3.1 最速下降法 | 第21页 |
| 3.2 针对无约束优化问题的嵌入最速下降法的改进粒子群优化算法 | 第21-24页 |
| 3.2.1 无约束优化问题 | 第21-22页 |
| 3.2.2 针对无约束优化问题的新的改进粒子群优化算法 | 第22-23页 |
| 3.2.3 改进粒子群优化算法的操作步骤以及流程图 | 第23-24页 |
| 3.3 约束优化问题 | 第24页 |
| 3.4 常见的几种约束条件处理方法 | 第24-29页 |
| 3.4.1 外点罚函数法 | 第24-26页 |
| 3.4.2 内点罚函数法 | 第26-27页 |
| 3.4.3 混合罚函数法 | 第27页 |
| 3.4.4 增广Lagrange乘子法 | 第27-29页 |
| 3.5 针对约束优化问题的嵌入最速下降法的改进粒子群优化算法 | 第29-30页 |
| 3.5.1 针对约束优化问题的改进算法处理 | 第29页 |
| 3.5.2 改进粒子群优化算法的具体流程以及流程图 | 第29-30页 |
| 3.6 实验结果与分析 | 第30-35页 |
| 3.7 小结 | 第35-38页 |
| 第4章 物流配送中心的多目标优化问题 | 第38-49页 |
| 4.1 多目标优化模型 | 第38页 |
| 4.2 配送中心选址问题 | 第38-42页 |
| 4.2.1 配送中心的成本组成及假设 | 第40-41页 |
| 4.2.2 物流配送中心服务能力模型 | 第41-42页 |
| 4.3 配送中心选址模型 | 第42-43页 |
| 4.4 模型求解 | 第43-48页 |
| 4.5 小结 | 第48-49页 |
| 第5章 总结与展望 | 第49-51页 |
| 5.1 总结 | 第49-50页 |
| 5.2 展望 | 第50-51页 |
| 参考文献 | 第51-56页 |
| 致谢 | 第56-57页 |
| 研究生学位期间主要研究成果 | 第57页 |
