| 致谢 | 第4-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 1 绪论 | 第9-16页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 空间优化选址研究进展 | 第10-11页 |
| 1.2.2 粒子群算法的研究进展 | 第11-13页 |
| 1.3 研究内容和技术路线 | 第13-14页 |
| 1.4 论文组织 | 第14-16页 |
| 2 理论基础 | 第16-30页 |
| 2.1 粒子群算法 | 第16-22页 |
| 2.1.1 标准粒子群算法 | 第18-19页 |
| 2.1.2 约束粒子群算法 | 第19-21页 |
| 2.1.3 变异粒子群算法 | 第21-22页 |
| 2.2 k-means聚类算法 | 第22-24页 |
| 2.3 空间优化选址理论和方法 | 第24-30页 |
| 2.3.1 空间优化选址的经典模型 | 第24-26页 |
| 2.3.2 空间优化选址的常用方法 | 第26-30页 |
| 3 基于CKRPSO算法的空间优化选址模型 | 第30-43页 |
| 3.1 空间优化选址建模 | 第30-34页 |
| 3.1.1 选取原则 | 第31页 |
| 3.1.2 空间优化选址影响因子分析 | 第31-34页 |
| 3.2 CKRPSO算法 | 第34-36页 |
| 3.2.1 粒子初始化 | 第34-35页 |
| 3.2.2 适应度函数 | 第35页 |
| 3.2.3 K均值聚类随机粒子群算法 | 第35-36页 |
| 3.2.4 压缩因子 | 第36页 |
| 3.2.5 程序中止判别 | 第36页 |
| 3.2.6 可视化 | 第36页 |
| 3.3 空间优化选址的步骤和流程 | 第36-38页 |
| 3.4 CKRPSO算法与其他改进算法对比实验分析 | 第38-43页 |
| 3.4.1 结果测试 | 第38-41页 |
| 3.4.2 成功概率测试 | 第41页 |
| 3.4.3 运行时间测试 | 第41-43页 |
| 4 应用实例—商场空间优化选址 | 第43-57页 |
| 4.1 研究区概况 | 第43-44页 |
| 4.2 空间数据处理 | 第44-45页 |
| 4.2.1 数据说明 | 第44页 |
| 4.2.2 数据预处理 | 第44-45页 |
| 4.3 研究区商场的区位特征分析 | 第45-48页 |
| 4.3.1 最近邻距离分析 | 第45-46页 |
| 4.3.2 多尺度的空间集聚分析 | 第46-48页 |
| 4.3.3 标准差椭圆分析 | 第48页 |
| 4.4 空间优化选址影响因子分析 | 第48-52页 |
| 4.4.1 定性因子分析 | 第48-51页 |
| 4.4.2 定量因子分析 | 第51-52页 |
| 4.5 算法实现 | 第52-54页 |
| 4.6 结果分析 | 第54-57页 |
| 5 结论与展望 | 第57-59页 |
| 5.1 结论 | 第57-58页 |
| 5.2 展望 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 作者简历 | 第63-65页 |
| 学位论文数据集 | 第65页 |