粒子群蚁群融合算法在火灾救援路径规划问题的应用研究
| 详细摘要 | 第2-9页 |
| 摘要 | 第9-10页 |
| ABSTRACT | 第10页 |
| 第1章 绪论 | 第13-19页 |
| 1.1 研究背景及意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-17页 |
| 1.2.1 火灾救援研究现状 | 第14-15页 |
| 1.2.2 蚁群算法研究现状 | 第15-16页 |
| 1.2.3 粒子群算法研究现状 | 第16-17页 |
| 1.3 研究内容 | 第17-18页 |
| 1.4 章节安排 | 第18-19页 |
| 第2章 火灾救援及路径规划相关问题概述 | 第19-25页 |
| 2.1 火灾救援路径选择的特点及优化目标 | 第19-20页 |
| 2.2 基于层次分析法的道路权重评定 | 第20-22页 |
| 2.3 模型建立 | 第22-24页 |
| 2.3.1 基本假设 | 第22页 |
| 2.3.2 建立数学模型 | 第22-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第3章 基本粒子群和蚁群算法及其优化 | 第25-41页 |
| 3.1 基本粒子群算法 | 第25-27页 |
| 3.1.1 粒子群算法基本原理 | 第25页 |
| 3.1.2 粒子群算法数学模型及实现步骤 | 第25-27页 |
| 3.2 粒子群算法优化 | 第27-32页 |
| 3.2.1 DP-APSO算法 | 第27-29页 |
| 3.2.2 动态种群策略 | 第29-31页 |
| 3.2.3 仿真实验结果 | 第31-32页 |
| 3.3 基本蚁群算法 | 第32-36页 |
| 3.3.1 蚁群算法基本原理 | 第32-34页 |
| 3.3.2 蚁群算法数学模型及实现步骤 | 第34-36页 |
| 3.4 蚁群算法优化 | 第36-40页 |
| 3.4.1 信息素更新机制 | 第36-37页 |
| 3.4.2 概率选择机制优化策略 | 第37-38页 |
| 3.4.3 仿真实验结果 | 第38-40页 |
| 3.5 本章小结 | 第40-41页 |
| 第4章 改进的粒子群蚁群融合算法实现及仿真 | 第41-53页 |
| 4.1 环境建模 | 第41-43页 |
| 4.2 优化蚁群算法的路径规划实现 | 第43-45页 |
| 4.2.1 问题描述及定义 | 第43-44页 |
| 4.2.2 算法的实现 | 第44-45页 |
| 4.3 融合算法的设计思想 | 第45-47页 |
| 4.4 融合算法的步骤及流程图 | 第47-48页 |
| 4.5 融合算法的路径规划实现 | 第48-50页 |
| 4.6 仿真及结果对比 | 第50-52页 |
| 4.7 本章小结 | 第52-53页 |
| 第5章 融合算法在火灾救援路径规划中的应用 | 第53-65页 |
| 5.1 相关技术 | 第53-55页 |
| 5.2 火灾救援调度系统 | 第55-58页 |
| 5.3 融合算法在火灾救援路径规划中的应用 | 第58-64页 |
| 5.3.1 火灾救援问题概述 | 第58-59页 |
| 5.3.2 问题分析及数据处理 | 第59-61页 |
| 5.3.3 最优路径求解及对比分析 | 第61-64页 |
| 5.4 本章小结 | 第64-65页 |
| 第6章 总结与展望 | 第65-67页 |
| 6.1 总结 | 第65-66页 |
| 6.2 展望 | 第66-67页 |
| 致谢 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 附录 | 第72页 |
