|
|
|
|
时空变换与关联规则启发的车辆路径优化蚁群算法研究 |
| |
| 论文目录 |
| |
| 摘要 | 第1-9页 | | ABSTRACT | 第9-16页 | | 第1章 绪论 | 第16-35页 | | ·引言 | 第16页 | | ·研究背景与意义 | 第16-18页 | | ·国内外研究现状 | 第18-31页 | | ·车辆路径优化问题国内外研究综述 | 第18-27页 | | ·车辆路径问题的分类 | 第19-20页 | | ·精确算法 | 第20-22页 | | ·经典启发式算法 | 第22-23页 | | ·人工智能算法 | 第23-26页 | | ·车辆路径优化在GIS商业软件中的应用与发展 | 第26-27页 | | ·蚁群优化算法研究进展 | 第27-31页 | | ·蚂蚁系统及其扩展算法 | 第27-29页 | | ·车辆路径蚁群优化的研究进展和趋势 | 第29-30页 | | ·车辆路径蚁群优化的商业应用与发展 | 第30-31页 | | ·存在的问题 | 第31-32页 | | ·主要研究内容 | 第32-33页 | | ·论文组织结构 | 第33-35页 | | 第2章 时空变换启发的TSP蚁群算法研究 | 第35-69页 | | ·引言 | 第35-36页 | | ·时空变换的概念和模型 | 第36-43页 | | ·交通系统中的时间地理框架 | 第36-39页 | | ·MDS时空变换模型 | 第39-43页 | | ·MDS技术 | 第39-41页 | | ·交通网络中的MDS时空变换模型 | 第41-43页 | | ·TSP蚁群优化算法 | 第43-48页 | | ·TSP数学模型 | 第43-45页 | | ·TSP蚁群优化模型 | 第45-48页 | | ·时空变换启发的蚁群优化算法 | 第48-59页 | | ·ACO-MTS算法 | 第48-55页 | | ·算法概述 | 第48-49页 | | ·改进原理与方法 | 第49-51页 | | ·算法步骤与流程图 | 第51-55页 | | ·ACO-HTS算法 | 第55-59页 | | ·原理与方法 | 第55-56页 | | ·算法步骤与流程图 | 第56-59页 | | ·实验与分析 | 第59-68页 | | ·MDS时空变换模型实验与分析 | 第59-62页 | | ·ACO-MTS算法实验与分析 | 第62-65页 | | ·ACO-HTS算法实验与分析 | 第65-68页 | | ·本章小结 | 第68-69页 | | 第3章 基于时空变换与分割的分区配送研究 | 第69-84页 | | ·引言 | 第69-70页 | | ·人工神经网络与车辆路径优化 | 第70-71页 | | ·人工神经网络 | 第70页 | | ·人工神经网络在TSP和VRP中的应用 | 第70-71页 | | ·时空变换与分割模型 | 第71-76页 | | ·自组织映射SOM | 第71-73页 | | ·MDS-SOM时空变换与分割模型 | 第73-76页 | | ·基于时空变换与分割的蚁群优化算法 | 第76-79页 | | ·ACO-TSTS算法原理 | 第76页 | | ·ACO-TSTS算法步骤和流程图 | 第76-79页 | | ·实验与分析 | 第79-83页 | | ·本章小结 | 第83-84页 | | 第4章 时空变换启发的VRP多蚁群算法研究 | 第84-99页 | | ·引言 | 第84-85页 | | ·VRP蚁群优化算法 | 第85-89页 | | ·VRP数学模型 | 第85-87页 | | ·VRP蚁群优化模型 | 第87-89页 | | ·时空变换启发的VRP多蚁群优化算法 | 第89-94页 | | ·算法概述 | 第89页 | | ·原理和方法 | 第89-91页 | | ·步骤与流程图 | 第91-94页 | | ·实验与分析 | 第94-98页 | | ·本章小结 | 第98-99页 | | 第5章 关联规则启发的蚁群算法研究 | 第99-125页 | | ·引言 | 第99-100页 | | ·关联规则数据挖掘 | 第100-102页 | | ·Apriori算法 | 第100-101页 | | ·垂直挖掘算法 | 第101-102页 | | ·关联规则挖掘的改进算法 | 第102-117页 | | ·基于支持度矩阵的改进Apriori算法 | 第102-109页 | | ·算法概述 | 第102-103页 | | ·改进原理和方法 | 第103-105页 | | ·步骤与流程图 | 第105-108页 | | ·性能分析 | 第108-109页 | | ·基于垂直挖掘的长模式关联规则快速算法 | 第109-117页 | | ·算法概述 | 第109-110页 | | ·改进原理和方法 | 第110-113页 | | ·步骤 | 第113-114页 | | ·性能分析 | 第114-117页 | | ·关联规则启发的蚁群优化算法 | 第117-121页 | | ·ACO-ARM算法原理 | 第117-118页 | | ·ACO-ARM算法步骤 | 第118-121页 | | ·实验与分析 | 第121-124页 | | ·本章小结 | 第124-125页 | | 第6章 结论与展望 | 第125-129页 | | ·论文总结 | 第125-127页 | | ·主要创新点 | 第127页 | | ·研究展望 | 第127-129页 | | 参考文献 | 第129-143页 | | 图索引 | 第143-145页 | | 表索引 | 第145-146页 | | 攻读博士学位期间发表的论文与科研情况 | 第146-147页 | | 致谢 | 第147-148页 |
|
|
|
|
论文编号BS2223965，这篇论文共148页
会员购买按0.35元/页下载，共需支付51.8元。 直接购买按0.5元/页下载，共需要支付74元 。 |
 |
 |
我还不是会员，注册会员！
会员下载更优惠!充值送钱！ |
我只需要这篇，无需注册！
直接网上支付，方便快捷！ |
|
|
|
版权申明：本目录由www.jylw.com网站制作，本站并未收录原文，如果您是作者，需要删除本篇论文目录请通过QQ或其它联系方式告知我们，我们承诺24小时内删除。 |
|
|
广告服务