| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 课题背景及意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 国内研究现状 | 第12-14页 |
| 1.2.2 国外研究现状 | 第14-15页 |
| 1.3 决策——规划法 | 第15-16页 |
| 1.4 本文主要工作内容 | 第16-17页 |
| 1.5 论文创新点 | 第17-18页 |
| 第二章 决策树算法 | 第18-26页 |
| 2.1 决策树算法概述 | 第18-19页 |
| 2.2 决策树的生成 | 第19-20页 |
| 2.3 决策树的性能指标 | 第20-21页 |
| 2.4 信息增益标准 | 第21-22页 |
| 2.5 决策树的剪枝 | 第22页 |
| 2.6 ID3算法 | 第22-25页 |
| 2.6.1 ID3算法原理 | 第23-24页 |
| 2.6.2 ID3算法构建决策树步骤 | 第24-25页 |
| 2.7 本章小结 | 第25-26页 |
| 第三章 基于ID3算法机场电动特种车辆任务分配模型的构建 | 第26-34页 |
| 3.1 解决方案 | 第26-27页 |
| 3.2 数据采集 | 第27-28页 |
| 3.3 基于ID3算法决策模型的构建 | 第28-33页 |
| 3.3.1 选定训练集 | 第28-29页 |
| 3.3.2 计算信息熵 | 第29-30页 |
| 3.3.3 构建决策树模型 | 第30-32页 |
| 3.3.4 决策树模型验证 | 第32-33页 |
| 3.4 本章小结 | 第33-34页 |
| 第四章 全反馈Hopfield神经网络算法 | 第34-56页 |
| 4.1 Hopfield神经网络介绍 | 第34-38页 |
| 4.1.1 离散型Hopfield神经网络 | 第34-36页 |
| 4.1.2 连续型Hopfield神经网络 | 第36-38页 |
| 4.2 增加自反馈CHNN的能量分析 | 第38-41页 |
| 4.3 增加全反馈Hopfield神经网络 | 第41-46页 |
| 4.4 全反馈Hopfield神经网络求解TSP问题 | 第46-49页 |
| 4.5 FFCHNN求解10个城市TSP问题及仿真结果分析 | 第49-54页 |
| 4.6 FFCHNN求解21个城市TSP问题及仿真结果分析 | 第54-55页 |
| 4.7 本章小结 | 第55-56页 |
| 第五章 机坪电动特种车辆调度实例 | 第56-66页 |
| 5.1 问题描述 | 第56-57页 |
| 5.2 解决方案 | 第57-58页 |
| 5.3 决策层 | 第58-61页 |
| 5.4 路径规划层 | 第61-64页 |
| 5.5 本章小结 | 第64-66页 |
| 第六章 总结与展望 | 第66-68页 |
| 致谢 | 第68-69页 |
| 参考文献 | 第69-73页 |
| 作者简介 | 第73页 |
