| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第13-19页 |
| 1.1 研究背景 | 第13-14页 |
| 1.2 研究目的和意义 | 第14-15页 |
| 1.2.1 研究目的 | 第14页 |
| 1.2.2 研究意义 | 第14-15页 |
| 1.3 研究内容 | 第15-16页 |
| 1.4 论文技术路线 | 第16-17页 |
| 1.5 论文的组织结构 | 第17-19页 |
| 第二章 应急物资调度问题相关理论综述及智能优化算法研究现状 | 第19-27页 |
| 2.1 大规模自然灾害 | 第19页 |
| 2.2 应急物资调度问题相关理论 | 第19-21页 |
| 2.2.1 应急物资调度的特点 | 第19-20页 |
| 2.2.2 应急管理相关理论 | 第20-21页 |
| 2.3 应急物资调度文献综述与问题分析 | 第21-24页 |
| 2.3.1 国内外研究现状 | 第21-24页 |
| 2.3.2 应急物资调度过程中存在问题的分析 | 第24页 |
| 2.4 应急物资调度过程模型 | 第24-25页 |
| 2.5 智能优化算法研究现状 | 第25-26页 |
| 2.6 本章小结 | 第26-27页 |
| 第三章 非线性连续供给与消耗双层应急物资调度模型 | 第27-41页 |
| 3.1 应急物资调度模型分析 | 第27页 |
| 3.2 问题描述 | 第27-28页 |
| 3.3 模型变量符号说明 | 第28-29页 |
| 3.4 模型建立 | 第29-30页 |
| 3.5 模型分析 | 第30-39页 |
| 3.5.1 类型c模型分析 | 第31-33页 |
| 3.5.1.1 类型c第Ⅰ阶段 | 第31-32页 |
| 3.5.1.2 类型c第Ⅱ阶段 | 第32-33页 |
| 3.5.1.3 类型c第Ⅲ段 | 第33页 |
| 3.5.2 类型e模型分析 | 第33-35页 |
| 3.5.2.1 类型e第Ⅰ阶段 | 第33-34页 |
| 3.5.2.2 类型e第Ⅱ阶段 | 第34-35页 |
| 3.5.2.3 类型e第Ⅲ阶段 | 第35页 |
| 3.5.3 类型g模型分析 | 第35-39页 |
| 3.5.3.1 类型g第Ⅰ阶段 | 第35-36页 |
| 3.5.3.2 类型g第Ⅱ阶段 | 第36-37页 |
| 3.5.3.3 类型g第Ⅲ阶段 | 第37-39页 |
| 3.6 本章小结 | 第39-41页 |
| 第四章 多目标人工蜂群算法 | 第41-49页 |
| 4.1 多目标优化的相关概念 | 第41-43页 |
| 4.2 标准人工蜂群算法思想 | 第43页 |
| 4.3 多目标人工蜂群算法思想 | 第43页 |
| 4.4 多目标人工蜂群算法及其改进 | 第43-47页 |
| 4.4.1 外部档案的更新 | 第43-44页 |
| 4.4.2 广泛学习策略 | 第44-45页 |
| 4.4.3 反向学习策略 | 第45页 |
| 4.4.4 拥挤距离的计算 | 第45-46页 |
| 4.4.5 算法步骤 | 第46-47页 |
| 4.5 本章小结 | 第47-49页 |
| 第五章 实验与分析 | 第49-63页 |
| 5.1 算例1: 较小规模应急物资调度模型 | 第49-55页 |
| 5.1.1 与标准人工蜂群算法对比 | 第50-51页 |
| 5.1.2 反向学习概率 | 第51-52页 |
| 5.1.3 广泛学习概率 | 第52-54页 |
| 5.1.4 种群大小 | 第54-55页 |
| 5.2 算例2: 较大规模应急物资调度模型 | 第55-60页 |
| 5.2.1 与标准人工蜂群算法对比 | 第56-57页 |
| 5.2.2 反向学习概率 | 第57-58页 |
| 5.2.3 广泛学习概率 | 第58-59页 |
| 5.2.4 种群大小 | 第59-60页 |
| 5.3 性能评价 | 第60-62页 |
| 5.3.1 Pareto前沿解数量 | 第60-61页 |
| 5.3.2 Pareto前沿解解均匀性测度 | 第61-62页 |
| 5.4 本章总结 | 第62-63页 |
| 第六章 结论 | 第63-65页 |
| 6.1 结论 | 第63-64页 |
| 6.2 展望 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 作者简介 | 第69页 |
| 作者在攻读硕士学位期间发表的学术论文 | 第69-71页 |
| 致谢 | 第71页 |