声明
第1章 绪论
1.1 课题来源
1.2 研究背景和课题意义
1.3 课题研究内容
1.4 论文组织结构
第2章 物流优化及粒子群优化算法概述
2.1 物流系统的优化
2.1.1 物流系统及其优化
2.1.2 物流优化的发展趋势和需求
2.2 粒子群优化算法
2.2.1 粒子群优化算法概述
2.2.2 粒子群优化算法的理论研究
2.2.3 粒子群优化算法的应用研究
2.3 当前研究的挑战
2.4 本章小结
第3章 基于网络拓扑的粒子群优化算法
3.1 引言
3.2 基于网络拓扑的粒子群优化算法
3.2.1 链路预测的原理和指标
3.2.2 基于链路预测的拓扑更新
3.2.3 个体学习策略
3.3 算法流程
3.4 实验分析和讨论
3.4.1 Benchmark函数和实验设计
3.4.2 算法收敛精度分析
3.4.3 参数敏感性分析
3.4.4 算法对高维问题的性能测试
3.4.5 与其他PSO算法对比分析
3.4.6 与其他群智能算法对比分析
3.5 本章小结
第4章 基于拟熵的自适应混合粒子群优化算法
4.1 引言
4.2 局部搜索方法及其局部收敛速度
4.2.1 局部搜索方法
4.2.2 局部收敛速度对比
4.3 基于拟熵的自适应混合粒子群优化算法
4.3.1 自适应启动LS的必要性
4.3.2 LS的自适应启动策略
4.3.3 拟熵指标
4.3.4 拟熵指标性能的理论分析
4.3.5 拟熵指标性能的数值测试
4.4 算法流程
4.5 数值实验
4.5.1 标准测试函数
4.5.2 实验设计
4.5.3 ALS-NTPSO算法性能分析
4.5.4 参数敏感性分析
4.5.5 算法对高维问题的性能分析
4.5.6 与其他算法的对比分析
4.6 本章小结
第5章 绿色多式联运物流优化问题研究
5.1 引言
5.2 多式联运模型
5.2.1 基本多式联运模型
5.2.3 碳监管政策下的多式联运模型
5.3 案例描述
5.3.1 某多式联运物流网络
5.3.2 数据来源和参数设置
5.4 多式联运问题的优化方法
5.4.1 编码方案
5.4.2 算法求解流程
5.4 实验分析和讨论
5.4.1 实验设计
5.4.2 基本多式联运模型的实验结果分析
5.4.3 基于碳税的多式联运模型的实验结果分析
5.4.4 基于强制碳排放的多式联运模型的实验结果分析
5.5 本章小结
第6章 不确定条件下多配送中心选址问题的建模与优化
6.1 引言
6.2 多配送中心选址问题的特点
6.2.1 广泛性和重要性
6.2.2 选址区域的复杂性
6.2.3 需求量的不确定性
6.2.4 网络结构的抗毁性
6.3 选址模型的数学描述
6.3.1 不确定条件下的多配送中心选址鲁棒优化模型
6.3.2 考虑不确定性和抗毁性的多配送中心选址优化模型
6.3.3 选址模型的数学性质分析
6.3.4 编码方案
6.4 实验分析和讨论
6.4.1 实验设计
6.4.2 模型Ⅰ的结果分析
6.4.3 模型Ⅱ的结果分析
6.5 本章小结
第7章 总结与展望
7.1 主要研究成果和结论
7.2 主要创新点
7.3 未来研究工作
致谢
参考文献
攻读博士学位期间发表的论文和参与的科研项目
一、发表论文
二、参与的科研项目
三、参与编著
四、软件著作权
五、获得奖励
武汉理工大学;