摘要 | 第5-7页 |
ABSTRACT | 第7-8页 |
第一章 绪论 | 第13-19页 |
1.1 论文选题背景 | 第13页 |
1.2 论文研究意义 | 第13-14页 |
1.3 论文研究问题及文献综述 | 第14-16页 |
1.3.1 金属纳米团簇的最低势能结构的预测 | 第15页 |
1.3.2 危险化学品的车辆路径问题 | 第15-16页 |
1.4 文章主要研究内容和创新点 | 第16-18页 |
1.5 本文章节安排 | 第18-19页 |
第二章 智能优化算法 | 第19-27页 |
2.1 智能优化算法 | 第19-24页 |
2.1.1 粒子群算法 | 第19-20页 |
2.1.2 蚁群算法 | 第20-22页 |
2.1.3 遗传算法 | 第22-23页 |
2.1.4 模拟退火算法 | 第23-24页 |
2.2 多目标优化问题求解方法 | 第24-27页 |
第三章 结合莱维飞行加入随机学习机制的粒子群算法在金属纳米团簇中的应用 | 第27-41页 |
3.1 研究背景 | 第27-28页 |
3.2 算法 | 第28-31页 |
3.2.1 加入随机学习机制的改进PSO算法 | 第28-29页 |
3.2.2 莱维飞行 | 第29页 |
3.2.3 RPSOLF算法 | 第29-31页 |
3.3 关于测试函数的数值结果和讨论 | 第31-37页 |
3.3.1 随机学习机制和莱维飞行的性能 | 第32-33页 |
3.3.2 通过测试函数比较PSOLF算法和RPSOLF算法 | 第33-35页 |
3.3.3 RPSOLF算法和其他改进的PSO算法的比较 | 第35-37页 |
3.4 Lennard-Jones团簇的最低势能构型 | 第37-40页 |
3.5 小结 | 第40-41页 |
第四章 一个新的基于碳排放的危险化学品车辆路径模型及其算法 | 第41-55页 |
4.1 研究背景 | 第41-42页 |
4.2 模型 | 第42-48页 |
4.2.1 符号说明 | 第43-44页 |
4.2.2 模型描述 | 第44-45页 |
4.2.3 EHVRP模型 | 第45-48页 |
4.3 算法 | 第48-51页 |
4.3.1 基本蚁群算法 | 第48页 |
4.3.2 局部搜索策略 | 第48-49页 |
4.3.3 启发式因子更新机制 | 第49-50页 |
4.3.4 信息素更新公式 | 第50页 |
4.3.5 算法 | 第50-51页 |
4.4 数值实验 | 第51-54页 |
4.4.1 三种算法的结果比较 | 第52-53页 |
4.4.2 EHVRP模型的求解 | 第53-54页 |
4.5 小结 | 第54-55页 |
第五章 结论 | 第55-57页 |
参考文献 | 第57-65页 |
致谢 | 第65-67页 |
攻读硕士期间发表的论文 | 第67-69页 |
作者和导师简介 | 第69-70页 |
附表 | 第70-71页 |