首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--一般性问题论文--理论、方法论文--算法理论论文

不确定环境下的多式联运时间—费用模型优化研究

摘要第3-4页
ABSTRACT第4-5页
1 绪论第9-17页
    1.1 研究背景及意义第9-11页
        1.1.1 论文的研究背景第9-10页
        1.1.2 论文的研究意义第10-11页
    1.2 不确定环境下多式联运的研究现状第11-14页
        1.2.1 多式联运的基础性研究现状第11-12页
        1.2.2 多式联运的最优路径研究现状第12-14页
    1.3 论文的主要研究内容和框架第14-16页
        1.3.1 论文的研究内容第14-15页
        1.3.2 论文的框架结构第15-16页
    1.4 本章小结第16-17页
2 多式联运的组织过程第17-25页
    2.1 主要交通运输方式及其特点第17-18页
    2.2 多式联运的过程及其特点第18-21页
        2.2.1 多式联运的过程第18-20页
        2.2.2 多式联运的特点第20-21页
    2.3 多式联运的运输组织方法第21-23页
        2.3.1 协作式多式联运的运输组织方法第21-22页
        2.3.2 衔接式多式联运的运输组织方法第22-23页
    2.4 多式联运对运输时间与费用的要求第23-24页
        2.4.1 多式联运的运输时间要求第23页
        2.4.2 多式联运的运输费用要求第23-24页
    2.5 本章小结第24-25页
3 不确定环境下多式联运时间-费用模型的构建第25-39页
    3.1 多式联运中不确定因素分析第25-29页
        3.1.1 多式联运运输过程的因素分析第25-27页
        3.1.2 影响多式联运运输时间的不确定因素分类第27-29页
    3.2 多式联运过程中不确定因素的表达第29-31页
    3.3 多式联运路网图的构建第31-32页
        3.3.1 多式联运问题的描述第31页
        3.3.2 多式联运网络图的构造第31-32页
    3.4 不确定环境下多式联运的时间-费用模型的建立第32-34页
        3.4.1 多式联运问题的基本假设第32-33页
        3.4.2 模型的构建与说明第33-34页
    3.5 时间-费用模糊模型的清晰转换第34-38页
        3.5.1 模糊机会约束规划第34-36页
        3.5.2 时间-费用模型的转换第36-38页
    3.6 本章小结第38-39页
4 基于 NSGAⅡ遗传算法的多式联运时间-费用模型的求解第39-49页
    4.1 多目标数学规划第39-40页
        4.1.1 多式联运时间-费用多目标优化问题第39页
        4.1.2 多目标优化问题的 Pareto 最优解第39-40页
    4.2 多式联运时间-费用多目标优化问题的求解算法第40-42页
        4.2.1 多目标优化传统算法的局限性第40-41页
        4.2.2 基于 NSGAⅡ算法的多目标优化运算过程第41-42页
    4.3 多式联运时间-费用模型的 NSGAⅡ算法设计第42-47页
        4.3.1 多式联运时间-费用模型解的编码第42-43页
        4.3.2 多式联运时间-费用模型初始解的生成第43-44页
        4.3.3 多式联运时间-费用模型的适应度评估第44页
        4.3.4 NSGAⅡ算法基本算子的设计第44-47页
    4.4 多式联运时间-费用模型的运算流程第47-48页
    4.5 本章小结第48-49页
5 实例仿真第49-57页
    5.1 案例描述第49页
    5.2 基础数据统计第49-52页
    5.3 算法求解第52-54页
        5.3.1 虚拟网络图的构造第52-53页
        5.3.2 遗传算法的实现第53-54页
    5.4 运行结果分析第54-56页
    5.5 本章小结第56-57页
6 结论与展望第57-59页
    6.1 论文的总结第57-58页
    6.2 论文的工作展望第58-59页
致谢第59-60页
参考文献第60-64页
附录第64页
    A. 作者在攻读学位期间发表的论文目录第64页
    B. 作者在攻读学位期间取得的科研成果目录第64页

论文共64页,点击 下载论文
上一篇:软件缺陷预测技术研究
下一篇:面向垂直搜索引擎的主题爬虫方法研究