一、简单赋权图最短路问题的一种新解法（论文文献综述）
费威[1]（2010）在《最小调整法的改进及其在经济优化中的应用》文中指出经济优化方法作为优化分析的重要方法,在数量经济学中从不同的侧面丰富和发展了经济问题的计算方法和实践。经济优化理论也可以叫做经济运筹学,作为交叉性学科,它又为数量经济学提供建立模型和分析求解问题的理论方法。在经济飞速发展的现代生活中,对于每个经济个体,大到国家小至个人,无时无刻不在寻找和利用各种方法、技术等实现经济的最优化,因此经济优化问题关系到每个经济个体,也是每个经济个体所关注的焦点。在现代工业、农业、商业及国防建设等领域中,有许许多多追求效益最大化、成本最小化等一类经济优化问题,他们都与运输问题、指派问题、旅行商问题及其相关问题有密切联系。如何实现运输最优,指派最优,“旅行”路线最优往往涉及的因素很多,如费用、时间、资源、运输线路、技术条件等等,这些因素大多相互关联、相互制约,同时在不同的环境和要求下,与运输、指派、旅行商问题等构成各种不同的相关扩展问题。由于各种扩展的运输问题、指派问题、旅行商问题等都有其各自的特殊性,并鉴于算法效率的重要性,一般对运输问题、指派问题、旅行商问题及其相关扩展经济问题需要建立不同的算法,这样无形当中,给实际应用的人们带来一定困难。为了能够更灵活快速地解决这样几类问题,我们注意到经济优化中这三类问题的联系,在前人研究基础上,系统地总结归纳了求解这些问题及其相关扩展问题的通用性算法——最小调整法。最小调整法是以求最短路的经典算法—Dijkstra算法为实现途径,给出的一种多项式算法。最小调整法的初始形式是求解指派问题的标号算法,然后通过求解运输问题的实践,逐渐演进为成熟的最小调整法。文章对其基本思想、实施过程及其有效性证明和复杂性分析等均做了完整阐述。全文正是以介绍该算法为主线,并将其灵活改进应用于运输问题、指派问题、旅行商问题及其相关的经济扩展问题,体现了算法的通用性、实用性和简单可行性。本文共由三部分构成。第一部分是由第1章、第2章构成,阐明了文章选题的背景及意义,并给出了相关文献的评论性综述。第二部分由第3章构成,主要是对最小调整法基本思想及实施过程、实现途径、初始形式和演进过程等进行详细论述。第三部分由第4章、第5章、第6章构成,是对最小调整法应用于运输问题、指派问题、旅行商问题这三大经济优化问题及其相关扩展问题的论述。本文共七章,主要内容如下：第1章绪论。首先对文章研究的背景及意义进行了说明,并对所要研究的问题及其模型进行了介绍。由于本文是一篇介绍经济优化算法及其应用的文章,所以对有关算法体系及算法有效性的内容进行了概述和说明,以便对算法的优劣性有一个总体的评价标准。最后,对本文的写作思路和方法、结构内容做了一个整体的概括,并给出了文章的总体框架。第2章相关文献综述。在占有大量相关文献的基础上,按照运输问题、指派问题、旅行商问题的顺序进行文献分类综述,在综述的同时进行评论。首先对于运输问题的文献综述部分：国外文献综述主要侧重于运输问题算法的研究；国内文献从不同角度进行分类综述,即从算法角度、从目标函数角度和从约束函数角度对运输问题文献进行评论性综述,并对运输问题的文献进行总结评论。然后对于指派问题的文献综述部分：国外文献综述同样是侧重其算法的研究介绍；国内文献根据研究内容的不同分为两类进行评论性综述,一类是对一般指派问题算法的研究,另一类是关于指派问题各种扩展模型的建立及其算法的研究,并对指派问题文献进行总结评论。最后是对旅行商问题的文献综述部分,首先对求解旅行商问题的算法进行综述,其算法一般可以分为两大类：一类是可以求解精确值的基本算法和另一类求解近似值的计算机智能算法,然后对旅行商问题国内外文献进行评论性综述。最后对这三类经济优化问题的联系进行了总结评述。第3章最小调整法介绍。首先阐述了最小调整法的基本思想及实施过程,然后对最小调整法的实现途径—求解最短路问题的Dijkstra算法进行介绍,并给出最小调整法的初始形式—指派问题一种标号算法,其中对算法的具体步骤,算法的有效性及复杂性进行了严格的分析说明,最后给出最小调整法的演进过程。本章是全文的核心主干,以下各章均是建立在这章基础上的。第4章最小调整法在运输问题中的应用。首先将最小调整法应用于一般运输问题求解,对一般运输问题传统算法—表上作业法进行了介绍,并对求解一般运输问题的最小调整法步骤及有效性进行了说明,通过案例验证了最小调整法求解一般运输问题的简便易行,它是一种多项式算法,计算量仅为O（n3）,并与表上作业法进行了比较。同时基于最小调整法,对产销量为整数的运输问题整数解进行了理论分析。然后介绍了运输问题的一系列相关扩展模型,给出求解该类运输问题的改进最小调整法,列举案例检验,体现了最小调整法求解运输问题的普遍适用性。最后基于最小调整法的运输问题“悖论”充要条件定理,提出了一个利用运输问题“悖论”的实际问题—最大运量问题即在保持带有“悖论”运输问题最小总运费不增条件下,总运量最多可以增加多少。给出了解决该问题的具体实施步骤,并进行了严格证明,利用案例加以验证。第5章最小调整法在指派问题中的应用。先将最小调整法应用于一般指派问题,对一般指派问题传统算法—匈牙利法进行了介绍,给出求解一般指派问题的最小调整法步骤,通过案例验证了最小调整法求解一般指派问题的有效性,其计算量仅为O（n2）,并与传统算法的求解进行比较。然后利用改进的最小调整法求解最短时限一类指派问题,并对指派问题的其它相关扩展模型—两人一事指派问题、缺省一类指派问题,具有优先级指派问题,利用改进的最小调整法对其进行求解,并通过理论分析和案例验证了其有效性。这些扩展问题体现了实际中指派问题的各种特殊情况。最后基于最小调整法的思想对特殊二维0-1规划的求解进行了具体阐述,充分体现了最小调整法的普遍适用性。第6章最小调整法在旅行商问题中的应用。先对旅行商问题传统算法—动态规划法进行了介绍,然后分析了旅行商问题与指派问题的联系,结合一定的限制条件,利用最小调整法对旅行商问题进行求解,并对算法的有效性进行分析,尽管该算法有时求得的是旅行商问题的近似解,但当该近似值和相应指派问题最优值相差很小时,其不失为一个较好的近似解,且计算量仅为O（n2）。最后提出了求解的一些改进途径。第7章结论与展望。首先总结了本文研究的主要结论和贡献及其创新点。然后对研究的不足进行了说明,最后对进一步的研究工作进行了展望。本文的创新点及其不足如下：在前人已有的研究成果上,对最小调整法进行归纳总结,将其系统化、完整化、成熟化,对其基本思想、实施过程的阐述简单易懂。将最小调整法应用于更多经济优化问题,并加以灵活改进。具体创新点及不足如下：第4章中利用运输问题“悖论”,解决最大运量问题,对充分利用运输资源,具有重要经济意义和价值。第5章中将最小调整法灵活地改进应用于求解最短时限指派问题,并对算法进行理论分析和证明,对该类问题的求解具有现实意义；两人一事指派问题、缺省指派问题和具有优先级指派问题的最小调整法求解和有效性分析,同样具有创新性。对于旅行商问题的求解,给出了一种基于最小调整法的近似解算法,该算法具有简单易行的特点,计算量仅为O（n2）,但如何给出基于最小调整法的精确解是尚待研究的问题。对于运输、指派、旅行商问题的不确定型及较复杂非线性问题的提出和求解还有待补充。文章的大量案例来源于相关文献,案例规模较小通过手工完成求解,以便说明求解原理和过程。如果列举更大规模的案例需借助于计算机实现,给出算法的计算机实现程序,这将是下一步工作的重点之一
杨薇[2]（2010）在《基于遗传算法的双目标设施布置方法研究》文中提出随着制造业竞争的加剧,越来越多的人都意识到物流在企业发展中所起到的重要作用,设施布置作为物流的一部分也逐渐为人们所关注。合理的设施布置可以有效的降低物流搬运成本、提高产品质量、缩短订货提前期、优化布置环境。本文介绍了多种典型设施布置问题的模型、设施布置方法及其求解算法,分析了它们在求解设施布置问题中的优点和不足。在吸收结合这些模型和方法的基础上,针对它们的不足,提出了含墙体及通道的双目标设施布置方法。首先,在传统设施布置模型和SLP方法的基础上,结合企业的实际布置需要,提出了含墙体及通道的双目标设施布置模型;然后,运用改进后的遗传算法对其进行求解,通过多次迭代得出候选方案,供决策者选择。本文所建立的含墙体及通道的双目标设施布置模型有很强的系统性和实用性。首先,模型所要解决的设施面积不等、设施形状不规则的连续型设施布置问题更加符合现实布置要求,加入墙体及通道后更增加了模型的实用性;其次,模型在传统的设施布置模型的基础上加入非物流相关关系的目标,能够使布置在物料搬运成本和非物流相关性两方面都得到优化;所采用的图论中最短路问题的Dijkstra’s方法求解带通道的设施间距离,比直线距离、矩形距离等计算方式更加能够准确、客观的表示设施间的实际距离,从而保证最终优化结果的准确性。在遗传算法的设计上针对不同的染色体及染色体区段运用不同的遗传操作,确保算法的有效性和全局优化性;采用修正操作解决解码过程中空白区域的问题,提高了设施布置面积的利用率。最后在实证研究部分运用C#语言编写遗传算法程序实现算法的设计和运算,得出优化方案,在结果分析的基础上得出该算法的优越性结论。
张瑜[3]（2010）在《车间多阶段动态设备布局模型及实证研究》文中进行了进一步梳理全球竞争日益激烈,我国经济增长方式从粗放型向集约型转变,产品生命周期愈来愈短,市场需求变化越来越快。这也就要求企业车间的设备布局能根据生产计划的变化而变化,从而增加制造系统的柔性,降低生产成本,提高效益,所以对车间的多阶段动态设备布局问题进行研究显得异常重要。本文通过分析动态环境下的车间设备布局问题,建立以成本为总目标函数的数学模型,并运用不同的算法求解该模型,得到适用于不同情况的求解方法。本文的主要工作如下:1.阐述课题研究的背景和意义,分析国内外研究现状,概述动态设备布局的理论基础。2.分析动态环境下的车间设备布局问题,研究其成本构成,特别是在重布局过程中所应考虑的成本因素,建立以成本为总目标函数的数学模型,总成本包括:物料搬运成本、区域利用成本和重布局成本。其中,重布局成本包括设备的拆装成本和关闭成本。3.介绍遗传算法、模拟退火算法、Dijkstra算法和双向扫视算法,将它们以不同形式综合运用以求解该模型,得到三种不同的求解方法:基于工艺路线问题的求解、基于最短路问题的求解和基于SA算法的求解,它们有各自的适用于情况。4.在实际案例中分别应用基于最短路问题的求解方法和基于SA算法的求解方法,并将实验结果进行比较,验证其优缺点及适用条件。5.总结本文的主要成果,并展望后续的研究工作和未来的研究方向。
邱枫[4]（2007）在《基于单亲遗传算法的设备布局问题研究》文中研究指明机器设备布局问题是制造系统中常见的问题之一,制造系统的设备布局与生产率和生产成本密切相关,布局设计是制造系统设计者面临的关键问题之一。合理的设备布局可以大大提高企业对市场的响应能力,探讨研究制造系统的设备布局具有重要的理论意义和应用价值。本文基于单亲遗传算法的思想,对设备布局问题进行了一系列的研究。主要研究内容包括:第一部分,基于单亲遗传算法的特性,构造了一种针对多行设备静态布局的算法。由于单亲遗传算子操作简单、效率较高,即使初始种群多样性很差也不易落入局部最优,性能优于传统遗传算法的各种交叉算子。所建模型考虑了多行设备布局的一般情况,并且构造不同规模的实例进行模拟计算,进一步和传统遗传算法进行了比较。结果表明,本文提出的算法对大规模多行布局问题具有较强的全局寻优效果和较好的寻优效率。第二部分,针对柔性生产环境下的设备布局问题,提出了一种基于单亲遗传原理的启发式算法。发展了一种新颖的适用于动态设备布局的遗传换位操作算子,并提出在单期布局编码子串上应用换位概率的策略,在保证个体可行性的基础上,增加了种群的多样性。通过大量仿真计算,并提出两个指标对各种算法在时间和优化解质量方面的综合性能进行分析比较,证实了所提出方法的有效性。仿真试验证明提出的算法在问题规模不大时可以迅速而准确的获得优化解,在问题规模较大时也能在较短时间（与其他算法相比）获得满意解,因此具有较好的综合性能。第三部分,作为研究的拓展,分析构造了基于单亲遗传算法求解不等面积设备单行布局的问题。
冯伍[5]（2006）在《基本机车周转图算法及其原理》文中研究表明机车周转是铁路运营的一个重要组成部分。机车周转图是机务部门组织生产的基础。本论文分析机车周转问题特点,给出一种新的解法,重要性原则,重要性原则是按照事件的重要性先后顺序决策的方法,论文根据这一原理建立成对和不成对机车周转图的模型,给出了详细的算法,证明算法的正确性,用算例演示了算法的使用过程,并在解成对机车周转问题时与固定工序解法和重要性原则进行对比,显示算法简便可行。重要性原则是指当要确定解决问题先后顺序或者作出一系列决策时,按照问题的重要性作出相应的安排,它是一种决策方法,它的特点是问题的各决策间是可以比较的,而且任意比较得到的排序是一致的,航空航班匹配、高速列车动车组、客班、轮班等问题都可以看作一类特殊指派问题,这类指派问题的特殊是时间费用的单调性、一维性,文中在详细讨论这类问题的的特点并以机车周转分析作分析的例子论证这类问题是可以用重要性原则解的。文中提出一个关于找更优算法的猜想,并用线性规划为例,提出一种新的简便算法。
张建业[6]（2004）在《简单赋权图最短路问题的一种新解法》文中认为文中提出了一种解决赋权图最短路问题的新方法——层选法,它弥补了Dijkstra算法不能解决存在负权的最短路问题的缺陷,并且这种方法简单易行。
王方伟[7]（2003）在《基于Agent的组播路由算法研究》文中指出随着Internet的迅速普及和爆炸性发展，在网络上产生了许多新的应用，如网络会议、分布式资源发现、分布式数据库开发等，这些应用不再是简单的点对点的文本信息传输，而是一般需要传输大量的音频、视频等多媒体信息，这就对传统的路由选择机制提出了新的挑战。某些特殊的应用，如网络会议、分布式数据库开发等，都是需要把数据从一点同时发送到多点的问题，多点通信（组播）即Multicast是网络支持多媒体业务的关键技术之一，产生于20世纪80年代末，已经迅速发展为一个国际前沿领域，成为研究的一个热点。 本文首先对组播路由算法进行了评述，阐明了什么是组播、为什么要进行组播、如何进行组播、组播技术的原理、组播路由算法的分类问题。接着介绍了一个重要算法——遗传算法，文中对遗传算法的产生与发展、遗传算法的主要理论、遗传算法的并行特性及其广泛应用都进行了简要介绍，并在此基础上介绍了佳点集遗传算法。本文通过对现有组播路由算法的研究与分析，指出了现有的一些算法的缺点及局限性，并且对遗传算法的遗传算子进行了改进，提出了一种新的基于遗传算法的QoS组播路由选择方法，这是本文的一个创新点，试验表明，该算法性能较好，效率较高。 组播路由的研究包括两个内容：收集、更新网络状态信息和根据网络状态计算出合适的传输路径。而路由的确定需要各条链路状态的精确信息，由于网络状态信息是随链路和节点利用不断变化的，所以说网络链路状态信息一般是不精确的。现有的路由算法基本上都是利用静态信息，这样计算出来的组播树不能反映实际情况，具有很大的局限性。针对此问题，本文提出利用Agent技术预先收集、更新网络链路状态信息，使网络状态信息尽量精确，各Agent间协调、合作，以提高精确性为目标，以便能尽量的反映实际情况，这是本文的另一个创新点。
马良[8]（2000）在《旅行推销员问题的算法综述》文中进行了进一步梳理本文综述了旅行推销员问题 （TSP）近几十年来的算法研究进展 ,给出了一些主要算法的求解思想及其时间复杂度
王俊峰[9]（1995）在《M台设备单行布置问题的一种新解法》文中进行了进一步梳理建立了m台设备单行布置问题的数学模型,给出了最大运次和法的步骤,即按设备之间运次之和最大的标准来挑选设备,再按总运矩最小标准来确定设备布置方案、以求得m台设备在生产中产生的运输量最小。
二、简单赋权图最短路问题的一种新解法（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、简单赋权图最短路问题的一种新解法（论文提纲范文）
（1）最小调整法的改进及其在经济优化中的应用（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究的背景及意义 |
| 1.1.1 研究的背景 |
| 1.1.2 研究的意义 |
| 1.2 运输、指派、旅行商问题及其模型介绍 |
| 1.2.1 运输问题及其模型介绍 |
| 1.2.2 指派问题及其模型介绍 |
| 1.2.3 旅行商问题及其模型介绍 |
| 1.3 算法体系及有效性说明 |
| 1.3.1 算法体系 |
| 1.3.2 算法有效性说明 |
| 1.4 论文方法与结构 |
| 1.4.1 论文的方法思路 |
| 1.4.2 论文结构安排 |
| 2 相关文献综述 |
| 2.1 运输问题文献综述 |
| 2.1.1 运输问题相关文献评论性综述 |
| 2.1.2 运输问题文献总结 |
| 2.2 指派问题文献综述 |
| 2.2.1 指派问题相关文献评论性综述 |
| 2.2.2 指派问题文献总结 |
| 2.3 旅行商问题文献综述 |
| 2.3.1 旅行商问题相关文献评论性综述 |
| 2.3.2 旅行商问题文献总结 |
| 2.4 本章小结 |
| 3 最小调整法介绍 |
| 3.1 最小调整法的基本思想及实施过程 |
| 3.1.1 最小调整法的基本思想 |
| 3.1.2 最小调整法的实施过程 |
| 3.2 最小调整法的实现途径 |
| 3.2.1 求解最短路问题的Dijkstra算法 |
| 3.2.2 具有负权图的最短路算法 |
| 3.3 最小调整法的初始形式——指派问题一种标号算法 |
| 3.3.1 算法步骤 |
| 3.3.2 算法的有效性分析 |
| 3.3.3 算法的复杂性分析 |
| 3.4 最小调整法的演进过程 |
| 3.5 本章小结 |
| 4 最小调整法在运输问题中的应用 |
| 4.1 最小调整法解决一般运输问题 |
| 4.1.1 一般运输问题传统算法介绍 |
| 4.1.2 利用最小调整法解决一般运输问题 |
| 4.1.3 产销量为整数的运输问题整数解理论分析 |
| 4.2 最小调整法解决运输问题相关扩展模型 |
| 4.2.1 最短时限运输问题及其求解 |
| 4.2.2 运输问题其它相关扩展模型及求解比较 |
| 4.3 最小调整法在运输问题“悖论”中的应用 |
| 4.3.1 运输问题“悖论”的解释及其相关说明 |
| 4.3.2 基于运输问题“悖论”的最大运量问题分析 |
| 4.3.3 实例检验 |
| 4.4 本章小结 |
| 5 最小调整法在指派问题中的应用 |
| 5.1 最小调整法解决一般指派问题 |
| 5.1.1 一般指派问题传统算法介绍 |
| 5.1.2 利用最小调整法求解一般指派问题 |
| 5.2 利用最小调整法求解最短时限一类指派问题 |
| 5.2.1 最短时限指派问题的最小调整法求解 |
| 5.2.2 最短时限指派问题的相关扩展模型 |
| 5.2.3 最短时限指派问题分类及其最小调整法求解 |
| 5.3 最小调整法在指派问题其它扩展模型中的应用 |
| 5.3.1 利用最小调整法求解两人一事指派问题 |
| 5.3.2 利用最小调整法求解缺省一类指派问题 |
| 5.3.3 利用最小调整法求解具有优先级指派问题 |
| 5.4 最小调整法在特殊二维0-1规划中的应用 |
| 5.4.1 具有特殊约束的二维0-1规划问题 |
| 5.4.2 利用最小调整法求解该类问题 |
| 5.4.3 相关推广模型的求解 |
| 5.5 本章小结 |
| 6 最小调整法在旅行商问题中的应用 |
| 6.1 旅行商问题传统算法介绍 |
| 6.2 利用最小调整法求解旅行商问题 |
| 6.2.1 最小调整法求解旅行商问题的思想和步骤 |
| 6.2.2 最小调整法求解旅行商问题的有效性分析 |
| 6.3 本章小结 |
| 7 结论与展望 |
| 7.1 本文的主要结论和贡献 |
| 7.2 本文的主要创新点 |
| 7.3 研究不足及展望 |
| 7.3.1 研究不足 |
| 7.3.2 研究展望 |
| 在学期间发表的科研成果 |
| 参考文献 |
| 后记 |
（2）基于遗传算法的双目标设施布置方法研究（论文提纲范文）
| 中文摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 本文的研究背景 |
| 1.2 本文的研究意义 |
| 1.3 本文的技术路线与研究内容 |
| 1.4 本文的创新点 |
| 第二章 文献综述 |
| 2.1 设施布置问题 |
| 2.1.1 设施布置国内外研究现状 |
| 2.1.2 设施布置的发展趋势 |
| 2.2 设施布置的模型及算法概述 |
| 2.2.1 设施布置模型 |
| 2.2.2 设施布置的相关算法 |
| 2.3 遗传算法概述 |
| 2.3.1 遗传算法的国内外研究现状 |
| 2.3.2 遗传算法的特点 |
| 第三章 设施布置模型和方法分析 |
| 3.1 设施布置模型 |
| 3.2 系统化设施布置SLP及改进 |
| 3.2.1 传统SLP理论 |
| 3.2.2 SLP的局限性和改进 |
| 3.3 设施布置的图论算法 |
| 3.3.1 图的基本概念 |
| 3.3.2 图论方法解决设施布置问题 |
| 3.4 设施布置的遗传算法 |
| 3.4.1 遗传算法的基本概念 |
| 3.4.2 遗传算法的流程 |
| 3.4.3 遗传算法在设施布置中的应用 |
| 第四章 含墙体和通道的双目标设施布置模型设计 |
| 4.1 问题描述 |
| 4.2 设施布置模型构建 |
| 4.2.1 参数说明 |
| 4.2.2 单目标的数学模型描述 |
| 4.2.3 加入非物流相关关系的双目标布置模型设计 |
| 4.3 设施距离计算方法 |
| 4.3.1 图论的Dijkstra’s算法 |
| 4.3.2 带墙体及通道的设施距离计算 |
| 第五章 含墙体和通道的双目标设施布置的遗传算法设计 |
| 5.1 算法设计流程 |
| 5.2 编码设计 |
| 5.2.1 编码原则 |
| 5.2.2 编码方法 |
| 5.3 适应度函数设计 |
| 5.4 遗传操作 |
| 5.4.1 选择操作 |
| 5.4.2 交叉操作 |
| 5.4.3 倒置操作 |
| 5.4.4 变异操作 |
| 5.4.5 修正操作 |
| 第六章 实证研究 |
| 6.1 A车间设施布置现状 |
| 6.2 A车间设施布置优化 |
| 6.2.1 算法参数设置 |
| 6.2.2 迭代结果对比 |
| 6.2.3 布置效果分析 |
| 结束语 |
| 参考文献 |
| 发表论文和科研情况说明 |
| 致谢 |
（3）车间多阶段动态设备布局模型及实证研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题研究的背景和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 静态设备布局研究现状 |
| 1.2.2 动态设备布局研究现状 |
| 1.3 主要研究内容及论文结构 |
| 1.4 本章小结 |
| 第2章 车间设备布局的理论基础 |
| 2.1 车间设备布局的相关概念 |
| 2.1.1 布局和设备布局 |
| 2.1.2 车间设备布局的原则 |
| 2.1.3 车间设备布局的形式 |
| 2.2 车间设备布局问题描述 |
| 2.2.1 车间设备布局问题分类 |
| 2.2.2 车间设备布局问题的求解算法 |
| 2.3 车间设备布局的评价 |
| 2.4 本章小结 |
| 第3章 多阶段动态设备布局模型构建 |
| 3.1 车间设备布局模型综述 |
| 3.1.1 静态设备布局模型 |
| 3.1.2 典型动态设备布局模型 |
| 3.2 多阶段动态设备布局问题概述 |
| 3.3 多阶段动态设备布局问题模型构建 |
| 3.3.1 多阶段动态设备布局问题的基本假设 |
| 3.3.2 多阶段动态设备布局问题的目标函数 |
| 3.3.3 多阶段动态设备布局问题的约束条件 |
| 3.4 本章小结 |
| 第4章 多阶段动态设备布局模型求解 |
| 4.1 基于工艺路线问题的求解 |
| 4.2 基于最短路问题的模型求解 |
| 4.2.1 引言 |
| 4.2.2 遗传算法 |
| 4.2.3 双向扫视算法 |
| 4.2.4 基于最短路问题的求解方法 |
| 4.3 基于SA算法的模型求解 |
| 4.3.1 引言 |
| 4.3.2 最短路算法 |
| 4.3.3 模拟退火算法 |
| 4.3.4 基于SA算法的求解方法 |
| 4.4 本章小结 |
| 第5章 案例分析 |
| 5.1 公司背景 |
| 5.2 资料收集与分析 |
| 5.2.1 现有设备与布局情况 |
| 5.2.2 数据收集 |
| 5.3 实验计算 |
| 5.3.1 基于最短路方法的求解 |
| 5.3.2 基于SA算法的求解 |
| 5.4 实验结果分析与评价 |
| 5.5 本章小结 |
| 第6章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表的学术论文 |
（4）基于单亲遗传算法的设备布局问题研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 国内外研究现状 |
| 1.2.1 静态设备布局研究现状 |
| 1.2.2 动态设备布局研究现状 |
| 1.3 本文的研究思路 |
| 1.3.1 研究对象 |
| 1.3.2 采用方法及研究思路 |
| 1.3.3 研究方法与已有方法的比较 |
| 1.4 本文的主要工作 |
| 第二章 单亲遗传算法及设备布局问题的理论基础 |
| 2.1 单亲遗传算法理论基础 |
| 2.1.1 单亲遗传算法运行机理 |
| 2.1.2 单亲遗传算法的遗传算子 |
| 2.1.3 单亲遗传算法的运行步骤 |
| 2.2 设备布局相关理论基础 |
| 2.2.1 设备布局相关概念 |
| 2.2.1.1 布局和设备布局 |
| 2.2.1.2 设备布局的分类 |
| 2.2.2 设备布局模型 |
| 2.2.3 设备布局问题的算法回顾 |
| 2.2.3.1 最优算法（optimal algorithms） |
| 2.2.3.2 次优算法（suboptimal algorithms） |
| 2.3 本章小结 |
| 第三章 基于单亲遗传算法的多行设备布局方法 |
| 3.1 多行设备布局模型 |
| 3.1.1 问题描述 |
| 3.1.2 多行设备布局问题模型 |
| 3.2 基于单亲遗传算法的多行布置方法 |
| 3.2.1 编码方案 |
| 3.2.2 评价函数 |
| 3.2.3 基因换位操作 |
| 3.2.4 选择操作 |
| 3.2.5 迭代终止条件 |
| 3.3 仿真试验 |
| 3.3.1 数据情况 |
| 3.3.2 运行设计 |
| 3.3.3 试验结果比较 |
| 3.4 本章小结 |
| 第四章 动态设备布局问题研究 |
| 4.1 介绍 |
| 4.2 多行DPLP |
| 4.2.1 问题描述及假设条件 |
| 4.2.2 多行DPLP 模型 |
| 4.3 已有成果的简要描述 |
| 4.3.1 CVGA 算法 |
| 4.3.2 NLGA 算法 |
| 4.3.3 HGA 算法 |
| 4.3.4 SA 算法 |
| 4.4 基于PGA 的动态设备布局方法及其与其它方法的比较 |
| 4.4.1 编码方案 |
| 4.4.2 评价函数 |
| 4.4.3 搜索操作策略 |
| 4.4.4 选择操作 |
| 4.4.5 初始解的产生 |
| 4.4.6 变异操作 |
| 4.4.7 终止条件 |
| 4.5 仿真性能分析 |
| 4.5.1 试验1 |
| 4.5.2 试验2 |
| 4.5.3 试验3 |
| 4.5.3.1 参数设计 |
| 4.5.3.2 试验设计 |
| 4.5.3.3 PGA 试验结果 |
| 4.5.3.4 各种方法的性能比较及分析评价指标 |
| 4.6 本章小结 |
| 第五章 不等面积设备布局问题研究 |
| 5.1 不等面积设备单行布局问题 |
| 5.1.1 单行布局问题(Single-row Facility Layout Problem)模型 |
| 5.1.2 不等面积设备单行布局的算法 |
| 5.1.3 基于单亲遗传算法求解不等面积设备单行布局问题 |
| 5.1.3.1 算法构造 |
| 5.1.3.2 仿真试验 |
| 5.2 不等面积多行设备布局问题 |
| 5.2.1 模型描述 |
| 5.2.2 罚函数算法 |
| 5.3 本章小结 |
| 第六章 结束语 |
| 附录 |
| 参考文献 |
| 发表论文和参加科研情况说明 |
| 致谢 |
（5）基本机车周转图算法及其原理（论文提纲范文）
| 第1章 绪论 |
| 1.1 问题的提出 |
| 1.2 国内外研究现状 |
| 1.3 机车周转图的一些主要参数和指标 |
| 1.4 机车周转图建模思路 |
| 1.5 主要研究内容、目标与方法 |
| 第2章 基本机车周转图算法原理 |
| 2.1 重要性原则 |
| 2.1.1 重要性原则定义和性质 |
| 2.1.2 重要性原则的应用及注意事项 |
| 2.2 一类特殊的指派问题 |
| 2.3 重要性原则在解特殊指派问题中应用 |
| 2.3.1 特殊匈牙利法分析一类特殊指派问题 |
| 2.3.2 线形规划理论分析一类特殊的指派问题 |
| 2.4 算法思想来源的进一步探讨 |
| 2.4.1 方程组法求线性规划算法及过程 |
| 2.4.2 方程组法求线性规划算例 |
| 2.5 本章小结 |
| 第3章 成对机车周转图 |
| 3.1 排序法解成对机车周转问题 |
| 3.1.1 排序法建立成对机车周转模型 |
| 3.1.2 先入先出算法求解不成对机车周转问题 |
| 3.1.3 算例 |
| 3.2 重要性原则求解成对机车周转问题 |
| 3.2.1 重要性原则初步提出及建立成对机车周转模型 |
| 3.2.2 重要性原则解成对机车周转的算法及过程 |
| 3.2.3 算法正确性推导 |
| 3.2.4 重要性原则解成对机车周转算例 |
| 3.3 本章小结 |
| 第4章 不成对机车周转图 |
| 4.1 不成对机车周转图特征分析 |
| 4.2 不成对机车周转图建模和求解 |
| 4.2.1 建立不成对机车周转模型 |
| 4.2.2 模型的算法实现 |
| 4.3 算法正确性的阐述 |
| 4.3.1 重要性原则解不成对机车周转的证明 |
| 4.3.2 算法分析及复杂度描述 |
| 4.4 算例及分析 |
| 4.4.1 不成对机车周转算例 |
| 4.4.2 算例分析 |
| 4.5 本章小结 |
| 第5章 基本机车周转图算法的进一步讨论 |
| 结论 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间发表的论文及科研成果 |
（7）基于Agent的组播路由算法研究（论文提纲范文）
| 第一章 绪论 |
| §1-1 问题的提出（研究背景和课题来源） |
| §1-2 网络层的路由选择及拥塞控制 |
| 1-2-1 路由选择 |
| 1-2-2 拥塞控制 |
| §1-3 组播路由算法及存在的问题 |
| 1-3-1 研究现状 |
| 1-3-2 组播路由协议的分类 |
| 1-3-3 存在的问题 |
| §1-4 本文的主要研究内容 |
| 第二章 Internet路由技术研究 |
| §2-1 引言 |
| §2-2 路由技术的简单分类 |
| §2-3 多个目的节点路由选择 |
| §2-4 基本的路由算法 |
| 2-4-1 距离矢量路由算法 |
| 2-4-2 链路状态路由算法 |
| §2-5 路由协议的分类 |
| §2-6 小结 |
| 第三章 基于度约束的组播路由算法 |
| §3-1 基于度约束的组播路由问题描述 |
| §3-2 基于度约束的组播路由问题研究现状 |
| §3-3 基于度约束的组播路由算法 |
| §3-4 实验研究及模拟结果 |
| §3-5 本章小结 |
| 第四章 基于佳点集遗传算法的QoS组播路由问题求解 |
| §4-1 问题定义和网络模型 |
| §4-2 遗传算法（GA）的基本理论与实现技术 |
| 4-2-1 遗传算法的基本理论 |
| 4-2-2 遗传算法的特点 |
| 4-2-3 遗传算法的实现技术 |
| §4-3 求解QOS组播路由的遗传算法 |
| 4-3-1 问题编码 |
| 4-3-2 初始种群的选择 |
| 4-3-3 适应度函数 |
| 4-3-4 遗传算子（部分二元变异、佳点集交叉、选择） |
| 4-3-5 群体的更新 |
| 4-3-6 算法结束的条件 |
| 4-3-7 算法的控制参数 |
| §4-4 算法实现与分析 |
| §4-5 组播树的动态维护 |
| 4-5-1 节点的增加 |
| 4-5-2 节点的删除 |
| §4-6 本章小结 |
| 第五章 基于Agent的组播路由算法 |
| §5-1 Agent技术和其应用 |
| §5-2 多Agent系统（MAS） |
| §5-3 用JAFMAS来收集网络信息 |
| 5-3-1 JAFMAS框架结构 |
| 5-3-2 构造领域Agent |
| 5-3-3 实验分析 |
| 5-3-4 触发机制 |
| 第六章 结束语 |
| 参考文献 |
| 致谢 |
| 攻读学位期间所取得的相关科研成果 |
四、简单赋权图最短路问题的一种新解法（论文参考文献）
- [1]最小调整法的改进及其在经济优化中的应用[D]. 费威. 东北财经大学, 2010(07)
- [2]基于遗传算法的双目标设施布置方法研究[D]. 杨薇. 天津大学, 2010(03)
- [3]车间多阶段动态设备布局模型及实证研究[D]. 张瑜. 浙江工业大学, 2010(05)
- [4]基于单亲遗传算法的设备布局问题研究[D]. 邱枫. 天津大学, 2007(04)
- [5]基本机车周转图算法及其原理[D]. 冯伍. 西南交通大学, 2006(09)
- [6]简单赋权图最短路问题的一种新解法[J]. 张建业. 河北工程技术高等专科学校学报, 2004(04)
- [7]基于Agent的组播路由算法研究[D]. 王方伟. 河北工业大学, 2003(01)
- [8]旅行推销员问题的算法综述[J]. 马良. 数学的实践与认识, 2000(02)
- [9]M台设备单行布置问题的一种新解法[J]. 王俊峰. 安徽工学院学报, 1995(03)