基于多目标的乘务员排班问题的研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第10-13页 |
| 1.1 课题研究背景 | 第10页 |
| 1.2 课题研究现状 | 第10-11页 |
| 1.3 课题研究意义 | 第11-12页 |
| 1.4 本文结构 | 第12-13页 |
| 第二章 乘务员排班问题的研究 | 第13-19页 |
| 2.1 航班计划 | 第13-14页 |
| 2.2 乘务员排班问题 | 第14-16页 |
| 2.2.1 任务配对问题 | 第14-15页 |
| 2.2.2 乘务员指派问题 | 第15-16页 |
| 2.3 机组排班算法的研究 | 第16-18页 |
| 2.4 本章小结 | 第18-19页 |
| 第三章 多目标乘务员排班模型的建立 | 第19-30页 |
| 3.1 乘务员排班概述 | 第19-20页 |
| 3.1.1 乘务员排班过程 | 第19-20页 |
| 3.1.2 乘务员排班规则 | 第20页 |
| 3.2 多目标优化理论 | 第20-24页 |
| 3.2.1 多目标优化问题数学描述 | 第21页 |
| 3.2.2 多目标优化的基本概念 | 第21-22页 |
| 3.2.3 传统的多目标优化方法 | 第22-23页 |
| 3.2.4 多目标进化算法 | 第23-24页 |
| 3.3 乘务员排班模型 | 第24-29页 |
| 3.3.1 周排班模型 | 第25-27页 |
| 3.3.2 约束的处理 | 第27-29页 |
| 3.4 本章小结 | 第29-30页 |
| 第四章 混沌免疫算法的设计 | 第30-47页 |
| 4.1 免疫算法理论 | 第30-33页 |
| 4.1.1 生物免疫原理 | 第30-31页 |
| 4.1.2 免疫算法的运行机理 | 第31页 |
| 4.1.3 免疫算法的工作流程 | 第31-32页 |
| 4.1.4 免疫算法的研究 | 第32-33页 |
| 4.2 混沌免疫算法在乘务员排班中的应用 | 第33-43页 |
| 4.2.1 编码 | 第34-35页 |
| 4.2.2 种群的混沌初始化 | 第35-36页 |
| 4.2.3 适应度的分配 | 第36-37页 |
| 4.2.4 群体多样性 | 第37-38页 |
| 4.2.5 交叉变异操作 | 第38-40页 |
| 4.2.6 疫苗提取与接种 | 第40-41页 |
| 4.2.7 冗余处理 | 第41页 |
| 4.2.8 免疫选择 | 第41-42页 |
| 4.2.9 混沌免疫算法流程 | 第42-43页 |
| 4.3 实验仿真 | 第43-46页 |
| 4.4 本章小结 | 第46-47页 |
| 第五章 免疫粒子群算法的设计 | 第47-59页 |
| 5.1 粒子群算法理论 | 第47-51页 |
| 5.1.1 粒子群算法的运行机理 | 第47页 |
| 5.1.2 粒子群算法的更新机制 | 第47-48页 |
| 5.1.3 粒子群算法的工作流程 | 第48-49页 |
| 5.1.4 粒子群算法的研究 | 第49-51页 |
| 5.2 免疫粒子群算法在乘务员排班中的应用 | 第51-55页 |
| 5.2.1 编码 | 第51页 |
| 5.2.2 种群的初始化 | 第51-52页 |
| 5.2.3 粒子适应度的评价 | 第52-53页 |
| 5.2.4 粒子浓度的评估 | 第53页 |
| 5.2.5 个体极值的更新 | 第53-54页 |
| 5.2.6 全局极值的更新 | 第54页 |
| 5.2.7 免疫粒子群算法流程 | 第54-55页 |
| 5.3 实验仿真 | 第55-58页 |
| 5.4 本章小结 | 第58-59页 |
| 第六章 乘务员排班系统的实现 | 第59-67页 |
| 6.1 需求分析与功能设计 | 第59页 |
| 6.2 数据库的设计 | 第59-62页 |
| 6.3 模块设计与图形界面 | 第62-66页 |
| 6.4 本章小结 | 第66-67页 |
| 第七章 结论与展望 | 第67-69页 |
| 致谢 | 第69-70页 |
| 参考文献 | 第70-73页 |
| 研究生期间发表的论文 | 第73页 |
