一、教育投资问题的表上作业法（论文文献综述）
刘满凤,徐野,温倩[1]（2021）在《关于运筹学中几个问题的新议》文中研究表明运筹学是一门研究如何最优安排的学科。笔者提出了运筹学中几个问题的新议。一是用数学的语言来描述幸福就是"收入>付出",而运筹学就是不断追求幸福的过程;二是二阶段法或大M法中的寻找初始可行基可用更为简便的方法来实现,即对标准型的增广矩阵实施初等行变换可获得线性规划问题的初始可行基,这样做使计算量大大减少;三是在求解平衡运输问题的表上作业法中,可对单位费用矩阵某行或某列减去一个常数,最优解不变,这样可大大减少计算量。
张雨晨[2]（2020）在《建筑工程项目群材料运输问题研究》文中认为近年来,随着建筑工程项目逐步增大,且复杂程度增高,于是建筑工程项目逐渐向建筑工程项目群的形式靠近,建筑工程项目的管理不再是单一项目,需要多个项目之间的协调合作,呈动态化变化。应运产生的建筑工程项目群为国家的经济增长、文化传承等提供了便捷,例如杭州亚运会项目、上海世博会工程、高速铁路工程等,都是典型的投资额巨大的大型建筑工程项目群。材料运输相关费用作为建筑工程项目群总成本的重要组成部分,因此材料运输相关费用直接关系到整个建筑工程项目群总成本支出。通过对建筑工程项目群管理和材料运输问题的相关理论知识的了解,对比分析求解运输问题的相关算法对建筑工程项目群材料运输问题进行问题假设、模型建立、算法改进。把运输问题的单位运价进行重新定义,结合工程实际在运费的基础上按照一定权重比例把材料供应商提供粗加工费、材料装卸费、材料进场检查费、材料转运存储费和运输过程材料损耗费和单位运价整合定义为名义运费。将运输问题拆分成若干指派问题,重新定义闭回路算法和匈牙利算法,提出了求解建筑工程项目群材料运输问题的解法,其相关的理论进行证明,并具体给出了改进算法的解题步骤。通过对当前几种典型算法的复杂性分析,与改进算法进行对比,改进算法不仅省略了运输问题中计算检验数的过程,还省略了指派问题的划线调整的过程,简单、高效的得到运输问题的最优解。最后通过实际建筑工程项目群中钢筋运输问题的算例,采用提出的改进算法进行求解验证,得出最优运输方案,并有效的证明了改进算法的可行性、简便性和实用性。改进算法可以有效地解决建筑工程项目群中选择材料供应商为项目群中各分项目运输工程材料的问题材料并保证最低的运输成本,有效控制建筑工程项目群材料运输成本,保证建筑工程项目群的相应利润,尽可能实现建筑工程项目群材料运输成本最小化。
李远锋[3]（2020）在《基于遗传算法的WebGIS运输配送系统设计与开发》文中进行了进一步梳理物流业的蓬勃发展为我国经济繁荣提供了稳固的基石,但随着“智慧物流”概念的提出,物流业面向信息化的转型出现巨大挑战。虽然我国物流业运力与投放能力逐年提升,但其面临的资源配置粗放、管理水平低下、成本高居不下等问题掣肘物流行业进一步发展,所以物流业数字化和信息化显得迫在眉睫。而运输业作为“物流闭环”中重要环节之一,对物流行业升级转型,物流方式融合发展非常重要。因此如何利用现有的计算机技术和信息技术,将传统物流行业信息化、规范化、便捷化,并提出可靠、高效的运输配送方案显得刻不容缓。针对物流业中运输问题,本文在分析了国内外研究现状综述的基础上,设计了一种基于蒙特卡洛相似度和遗传算法相结合的平衡/非平衡运输问题求解方法,分别采用了Prüfer数和矩阵两种编码方式,并在此基础上,设计了动态变异率和随机变异策略,引入了蒙特卡洛相似度接收的方式。最后从系统需求的角度出发,设计和开发了基于遗传算法的Web GIS运输配送系统。本文主要工作和成果如下:（1）在国内外研究现状综述的基础上,介绍了物流业中运输问题的研究背景和意义,介绍了遗传算法、蒙特卡洛、相似度等相关理论知识以及系统开发涉及的前端、后端、数据库存储和Web GIS等相关技术;（2）介绍了平衡运输问题和非平衡运输问题的数学模型和转化关系,并针对上述数学模型,提出了一种基于蒙特卡洛相似度的遗传算法。在所提算法基础上,引入了Prüfer数和矩阵两种编码方式;采用了动态变异率和随机变异策略,增强算法搜索能力,加快收敛速度;设计了蒙特卡洛相似度接收的方式,避免陷入局部最优解问题。最后,在杭州市实际路网上进行了算法测试,通过对算法收敛速度、适应度和最优解平均值等参数的比较,结果说明采用矩阵编码方式且引入蒙特卡洛相似度算子的遗传算法对运输问题的求解更有效;（3）对运输配送系统的信息需求、功能需求和性能需求进行分析,给出了系统总体架构、系统技术路线和系统整体结构设计,并对数据库表关系和表字段进行了详细设计。基于Arc GIS平台,结合上述算法,采用Vue.js、Bootstrap等前端框架和SSM等后端框架技术设计并实现了任务列表、任务创建、OD费用、配送方案、任务分析和个人中心六个功能模块的运输配送系统。最后运行测试结果表明系统能有效地降低配送成本,增加企业利润,提升企业效率。
孙超[4]（2018）在《子网络交通需求估计方法与应用》文中指出对城市道路网络交通起讫点（OD）需求的建模和预测,是实现区域交通规划、交通管控措施设计等工作的基础和先决条件,城市交通路径诱导、限行限速、拥堵控制等措施都离不开准确的OD需求。OD需求不仅为城市路网供需平衡状况和政府建设投资提供决策依据,也可以为城市机动车的发展规模提供数据支持,只有准确估计OD需求,才能把握现状路网的交通特性,才能在交通规划以及城市总体规划过程中更加有针对性和目的性地低缓解交通拥堵。政府部门和交通规划者在做交通分析和设计的时候,往往只对感兴趣的区域作为研究对象。当前城市结构庞大,在网络设计时,直接以整个城市路网作为研究对象显然会增加计算机负荷、浪费资源。本文从实际工程应用角度出发,主要对全网络和子网络交通需求估计理论展开深入研究,具体而言,本文的研究工作主要包括以下几个方面:（1）基于交通流数据的OD估计:拥堵网络下OD需求估计根据观测的路段和路径旅行时间,构建了两个双层规划模型来评估拥堵网络状况下交通OD需求,其中一个模型观测路径旅行时间轨迹已知而另一个模型中部分观测路径旅行时间轨迹未知。提出的模型同时利用路段和路径信息来决定网络OD需求,其中上层模型以最小化历史/观测交通信息（即OD需求、路段旅行时间和路径旅行时间）和估计交通信息之间的距离为目标,下层模型为随机用户均衡（SUE）模型。与此同时,观测路段旅行时间可以捕捉到拥堵网络中流量和费用（出行时间）的关系。运用K-means（硬分类）和高斯混合模型（GMM,软分类）这两种聚类方法来识别观测路径的轨迹。设计了迭代算法来求解建立的OD估计模型,该算法包含最速下降法、相继平均算法和最大期望（EM）算法来分别求解上层模型、下层模型和GMM。数值实验表明在拥堵网络状态下,基于旅行时间预测的OD需求优于基于交通流量预测的OD需求;比仅使用路段信息,同时使用路段和路径信息可以预测出更加准确的OD值;基于GMM聚类方法估计的OD需求显优于基于K-means聚类方法的估计值,尤其当观测一些错误数据时。（2）基于样本数据的OD估计:扩样系数推断基于样本数据的OD需求估计方法即将调查数据或者手机定位数据集计到交通网络中,不可避免地需要将样本估计的需求扩样到整个出行者数量上,因而分别研究了随机性和确定性扩样系数推断模型。提出了两阶段优化模型来决定检测器布局和推断随机性扩样系数,其中第一阶段通过在一定的预算下最小化扩样系数的可变性（即检测器布局模型）来识别最优的检测器布局策略,第二阶段利用扩样系数的先验信息和第一阶段布设检测器路段观测的流量来推断随机性扩样系数（即贝叶斯扩样系数推断模型）。同样根据观测的路段流量,用双层规划方法构建了确定性扩样系数推断模型,该模型的上层目标为最小化观测的和估计的路段流量之间的距离,下层为SUE模型。设计了逐次识别检测器布局位置的策略来求解检测布局模型,该方法可以避免求解矩阵的逆。采用迭代算法来获得贝叶斯扩样系数推断模型和确定性扩样系数推断模型的最优解。数值实验表明在一定的预算下,检测器布局策略可以提供最可靠的检测器位置,从而为随机性扩样系数推断提供观测数据;测试结果也表明同时利用内生信息（即扩样系数的先验信息）和外生因素（即观测路段流量）可以更好地推断扩样系数。（3）基于全网络流量集计（增量均衡分配方法）的子网络OD估计提出了基于用户均衡（UE）和SUE的增量均衡分配方法来对OD需求进行分配,从而分别获取网络的UE解和SUE解。基于UE的增量均衡分配方法将OD矩阵均分成一定的份数,每次将每份OD矩阵加载在当前的最短路上,当所有份数的OD矩阵加载完后,提取出每个OD对非最短路径上的流量集计成新的OD矩阵,从而再次执行OD矩阵的均分和加载,反复迭代直到满足精度。与基于UE的增量均衡分配方法不同的是,基于SUE的增量均衡分配方法在流量加载时,需要运用Logit公式计算路径选择概率,同时计算出当前路径流量占该OD对总需求量的比例,进而将每份OD矩阵加载在每个OD对选择概率与比例差值最大的路径上;同样提取路径集计新OD矩阵时,提取出每条路径多出路径选择概率这部分流量。将建立的基于UE和SUE的增量均衡分配方法获得路径流量解集计到子网络上,从而获得子网络OD需求。数值实验表明基于UE和SUE的增量均衡分配方法保留了所有迭代过程中的路径集;且这两种方法均能稳定收敛到很高精度。（4）基于子网络拓扑分析的子网络OD估计同时考虑到子网络与外部网络联系和交通OD需求一致性,构建了基于网络拓扑的子网络OD需求估计模型,该模型使用OD需求的最大熵原则作为目标函数,使用子网络每个OD点的总交通发生量、吸引量和部分已知的OD需求作为约束条件。通过子网络边界点转换和拓扑结构分析获得这些的总交通发生量、吸引量和部分OD需求。设计了凸组合算法来求解建立的模型,该算法将非线性的原问题转换为经典的线性运输问题,从而使用表上作业法求解该运输问题。运用Sioux Falls和昆山市路网对算法和模型进行了测试,结果表明任意两个不同起点（终点）但是同样终点（起点）交通需求的比值是相等的;设计的算法可以快速收敛到很高精度;且全网络OD和估计的子网络OD分配出来的路段量之间误差比较小,即在可应用范围内。
潘兰蓉[5]（2017）在《铁路空车调整协同优化模型的改进研究》文中认为空车调整作为铁路运输技术计划的重要组成部分,对全路的车辆分布、服务质量、运输工作的均衡性等都具有重要的影响。而"实货制"的提出,对现有的运输组织带来了强烈的冲击和影响,也为铁路空车的优化配置提供了重要的契机。鉴于目前对于铁路空车调整问题的研究已经进入一个瓶颈期,形成了一套较为完整的理论体系,本文希望从空车调整的本质问题出发,对空车调整模型进行适当的改进,完善和丰富车流组织和车流调整理论,简化模型结构,提出更便捷的求解方法。本文在借鉴国内外已有研究成果的基础上,运用最优化理论、铁路运输组织等相关理论,对铁路空车调整协同优化模型进行了改进研究,主要内容如下:（1）通过对国内外铁路空车调整模型的整理与归类,结合空车调整的核心、原则与方法,对比分析每一类空车调整模型的优缺点,确定本文希望改进的对象为铁路空车调整协同优化模型。（2）详细介绍空车调整协同优化模型,以及前人对该模型已经进行过的改进,分析该改进的不足与可取之处,从造成模型复杂的原因出发,整理出一般模型在进行改进时采取的方法与途经,从而确定本文改进的目标是协同优化模型的约束条件。（3）针对协同优化模型的约束条件逐条进行分析,得出结论:节点不对流约束与模型前提条件重复,对模型最优解不起约束作用,可以直接删去。结合实际路网现状,说明模型所针对的路网一般为能力过剩网络,可以不考虑通过能力约束。分析各约束间的联系,发现路段不对流约束与共同径路约束间可能存在矛盾,必须协同考虑进行改进。（4）提出对共同径路约束与路段不对流约束的改进思路,即证明删去某约束后的模型最优解仍然满足该约束。从最简单的路段对流情况开始分析,推广出路段对流的通用形式,对路段不对流约束与共同径路约束进行了改进的证明,最终将模型改进成一个典型的弧路关系模型。（5）继续简化改进后的弧-路关系模型,最终将路网能力过剩情况下的铁路空车调整协同优化模型简化为以最短路费用为价格系数的平衡运输问题。（6）以简化的南宁铁路局路网结构为例,对改进后的模型进行验证,从而表明模型改进的有效性与可取性。
王锟[6]（2016）在《对表上作业法应用问题的进一步探讨》文中进行了进一步梳理本文旨在探讨如何运用表上作业法求解产销不平衡情况下的运输问题,以及表上作业法在除了运输问题以外其他领域的运用。
陈友益[7]（2016）在《福建省木材企业运输方案的决策研究 ——以X林场为例》文中研究指明福建省是我国森林资源大省,森林覆盖率居全国第一位,森林资源在福建省国民经济中具有重要地位,它为维护生态安全、保障农业稳产高产、促进山区经济发展等方面做出了重大贡献。而木材资源是我省森林资源的重要组成部分,更是闽北林区经济发展的重要资源,木材是在林区采育场进行生产的,但是林区采育场本身并不消费木材,林区木材只有通过运输转移到消费者手中,才能将木材资源转化成经济资源,因此木材运输环节是一个核心环节,科学合理地进行木材运输方案的制定对降低物流成本、提高木材物流效率具有直接的影响。基于这样的背景,本文从实际出发,借鉴木材运输相关理论知识,并通过对相关企业的实地调研和有关成功案例分析,描述了福建省木材企业运输现状和存在的问题,建立了木材企业运输线性规划数学模型,使木材运输总费用最小。本文将理论与实际、定性分析与定量研究相结合,构建了木材运输线性规划的数学模型,并对其进行求解和检验,得出运输总费用最小的木材配送方案。首先,结合有关研究背景资料,以物流系统论、物流成本论和运筹学为指导,描述了福建省木材企业的运输现状,从中发现了福建省木材企业运输存在的问题;其次,在简要分析了基本运输问题后,构建了木材运输线性规划的数学模型,结合供材点到需材点之间的距离、运输路线及运输条件的情况,本文主要构建了直达运输、中转运输、混合运输三种基本运输形式的线性数学模型;再次,本文先后运用表上作业法中的最小元素法、位势检验法、闭回路调整法对线性规划的数学模型进行求解和检验;最后,结合闽北林区X林场木材配送方案的设计,通过采集相关实际数据,结合上述模型中直达运输模型的算法,得到了该林场配送方案的最优解,通过实际案例的计算和验证,证明本文的建模方式能够很好处理木材运输过程中费用最小化的问题。为使木材运输总费用最小化,本文在综合考虑木材运输单价、木材供给数量及木材需求数量这三个变量基础上,构建了木材运输线性规划的数学模型,并用表上作业法对模型进行求解和检验,得出木材运输总费用最小化情况下的配送方案,具有一定的创新性。
沈爱凤[8]（2015）在《基于区间数/贝叶斯的不确定性改进表上作业法与运用》文中研究指明决策过程中的不确定性已经当代经济管理过程愈发关注的问题。文章针对线性规划问题中的单纯型简化算法——表上作业法,在考虑了运价和销量不确定的情况下,使用区间数和贝叶斯后验概率方法对这些不确定性因素进行控制,提出了一种改进表上作业法并进行实例分析。
魏巍[9]（2013）在《带有预警时间的农产品运输问题研究》文中研究表明随着我国经济的迅猛发展，农产品生产现代化水平不断提升，农产品运输需求及运输量在逐年攀升，其中鲜活农产品运输在农产品运输中占有比例是相当大的，但由于我国的农产品运输还很落后，已经远远不能适应国际农业的高效发展。如何把丰富的农产品通过先进高效的运输模型，推向市场，产生其应有的价值在农产品运输方面是一项有待进一步的发展研究。由于多数鲜活农产品在运输过程中存在25—30%左右的损失率，造成的巨大经济损失，所以农产品能否及时运到指定销售地直接关系到整个农产品产业链的利益和国家的经济效益。本文通过分析农产品运输问题的相关理论知识，确定带有预警时间的距离最短和带有预警时间的总运费最低的两类农产品运输问题变量与目标函数，并且分别对两类农产品运输问题建立了数学模型。对求解农产品运输问题的相关解法如表上作业法、带时间约束运输问题的简便解法和变量闭回路法的分析，对农产品运输问题中两类带有预警时间的运输问题进行问题描述、假设分析、建立模型，并进行了求解。其次，对带有预警时间的距离最短以及带有预警时间的总运费最低的这两类农产品运输问题的影响因素及其权重进行分析。最后通过对分别能代表两类带有预警时间的运输问题的苹果、螃蟹的案例的分析，分别采用三种算法进行了求解，得出最佳了的运输方案，并有效的证明了变量闭回路法的正确性和简便性。
田慧竹[10]（2013）在《随机环境下物流配送方法的研究》文中研究指明配送作为现代物流的核心职能部分，是商贸流通的主要渠道。由于现实生活中我们所处的环境随时都在发生着变化，供应、需求及运输环境也都在随时变化着，致使物流配送中的供应量、需求量及配送费用也呈现出随机性，因而，如何构建具有可操作性的随机规划方法，具有重要的理论和实用价值。本文针对随机环境下的物流配送问题，重要做了以下工作：根据物资的供需情况规划设计出相应的配送模式，决策出最优配送方案。首先针对供需确定的物流配送问题，通过实例论证落实了三种简便、实用的规划方法——图上作业法、表上作业法和Lingo12.0软件编程法，属本文研究的基础部分。之后针对物流配送问题中信息参数不确定的随机性，介绍期望值模型、区间规划模型和概率区间型决策方案期望值模型；并在此基础上把期望值模型与机会约束规划模型相结合，通过对目标函数和约束函数的期望与方差引入可靠度，建立了基于可靠系数的随机配送问题规划模型，最后结合从蔬菜配送中心调研采集的数据，实例验证了所构建的随机模型的有效性与可操作性。理论分析和实例计算表明，本文所建立的随机决策模型具有良好的结构特征和可解释性，对于构建复杂环境下的决策方法具有一定的指导意义，丰富了现有的随机规划的理论和方法。
二、教育投资问题的表上作业法（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、教育投资问题的表上作业法（论文提纲范文）
（1）关于运筹学中几个问题的新议（论文提纲范文）
| 付出”'>一、运筹学中蕴含的幸福不等式“收入>付出” |
| 二、用初等行变换确定初始可行基的方法 |
| 三、求解平衡运输问题的一种简化方法 |
（2）建筑工程项目群材料运输问题研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 关于建筑工程项目群管理的研究 |
| 1.2.2 关于材料运输问题算法的研究 |
| 1.2.3 问题提出 |
| 1.3 研究内容与方法 |
| 1.3.1 主要内容 |
| 1.3.2 研究方法 |
| 1.4 本文创新点与特色 |
| 第2章 建筑工程项目群材料运输问题相关理论研究 |
| 2.1 建筑工程项目群的概念特点及内容 |
| 2.1.1 建筑工程项目群的概念 |
| 2.1.2 建筑工程项目群的特点 |
| 2.1.3 建筑工程项目群的分类 |
| 2.2 建筑工程项目群材料运输问题的概念、特点及内容 |
| 2.2.1 工程材料的概念 |
| 2.2.2 建筑工程项目群材料运输问题的概念 |
| 2.2.3 建筑工程项目群材料运输问题特点 |
| 2.3 建筑工程项目群材料运输问题的基本解法研究 |
| 2.3.1 表上作业法 |
| 2.3.2 回溯算法改进闭回路算法 |
| 2.3.3 运输问题的快捷算法 |
| 2.3.4 运输问题的算法分析 |
| 第3章 建筑工程项目群材料运输问题解决方案 |
| 3.1 运输成本最低的建筑工程项目群材料运输问题研究 |
| 3.1.1 运输问题的问题描述 |
| 3.1.2 运输问题模型假设 |
| 3.1.3 运输问题的目标函数与约束条件 |
| 3.2 建筑工程项目群材料运输问题全过程费用研究 |
| 3.2.1 建筑工程项目群材料运输问题全过程费用组成 |
| 3.2.2 运输问题全过程费用计算模型基本方法 |
| 3.2.3 运输问题全过程费用计算模型基本原理与步骤 |
| 第4章 闭回路匈牙利法求解建筑工程项目群材料运输问题 |
| 4.1 闭回路匈牙利法的定义及原理证明 |
| 4.1.1 闭回路匈牙利法的定义 |
| 4.1.2 闭回路匈牙利法原理证明 |
| 4.2 闭回路匈牙利法求解建筑工程项目群材料运输问题的步骤 |
| 4.3 闭回路匈牙利法与传统算法的对比分析 |
| 4.3.1 闭回路匈牙利法与闭回路调整法的对比分析 |
| 4.3.2 闭回路匈牙利法与匈牙利法的对比分析 |
| 4.4 算法复杂性分析 |
| 第5章 体育场馆项目群中钢筋运输问题的解法应用 |
| 5.1 体育场馆项目群钢筋运输问题背景 |
| 5.2 建筑工程项目群材料运输总费用确定 |
| 5.2.1 建筑工程项目群材料运输费用影响因素权重确定 |
| 5.2.2 建筑工程项目群材料运输总运费确定 |
| 5.3 体育场馆项目群钢筋运输问题求解过程 |
| 5.3.1 表上作业法求解体育场馆项目群钢筋运输问题求解过程 |
| 5.3.2 匈牙利法求解体育场馆项目群钢筋运输问题求解过程 |
| 5.3.3 闭回路匈牙利法求解体育场馆项目群钢筋运输问题求解过程 |
| 5.4 结果分析 |
| 第6章 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 在学研究成果 |
| 致谢 |
（3）基于遗传算法的WebGIS运输配送系统设计与开发（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 运输问题研究现状 |
| 1.2.2 Web GIS国内外研究现状 |
| 1.3 论文主要内容 |
| 1.4 结构安排 |
| 第二章 理论基础及系统开发关键技术 |
| 2.1 遗传算法 |
| 2.1.1 遗传算法基本思想 |
| 2.1.2 遗传算法基本步骤 |
| 2.1.3 遗传算法优缺点 |
| 2.2 蒙特卡洛 |
| 2.3 相似度算法 |
| 2.4 系统开发相关技术 |
| 2.4.1 前端架构 |
| 2.4.2 后端架构 |
| 2.4.3 数据库存储技术 |
| 2.4.4 Web GIS |
| 2.5 本章小结 |
| 第三章 基于遗传算法的运输问题模型及求解 |
| 3.1 运输问题模型 |
| 3.1.1 平衡运输问题模型 |
| 3.1.2 不平衡运输问题模型 |
| 3.2 基于Prüfer数编码的GA算法求解 |
| 3.2.1 编码 |
| 3.2.2 解码 |
| 3.2.3 适应度函数设计 |
| 3.2.4 种群初始化 |
| 3.2.5 交叉操作 |
| 3.2.6 变异操作 |
| 3.2.7 更新操作 |
| 3.3 基于矩阵编码的GA算法求解 |
| 3.3.1 编码 |
| 3.3.2 适应度函数设计 |
| 3.3.3 种群初始化 |
| 3.3.4 交叉操作 |
| 3.3.5 变异操作 |
| 3.3.6 更新操作 |
| 3.4 求解运输问题的流程 |
| 3.5 算法实验结果与分析 |
| 3.5.1 实验设置 |
| 3.5.2 算法性能分析 |
| 3.6 本章小结 |
| 第四章 Web GIS运输配送系统设计 |
| 4.1 系统需求分析 |
| 4.1.1 信息需求 |
| 4.1.2 功能需求 |
| 4.1.3 性能需求 |
| 4.2 系统技术路线 |
| 4.3 系统整体结构设计 |
| 4.4 系统数据库设计 |
| 4.4.1 数据库设计原则 |
| 4.4.2 系统数据库设计 |
| 4.4.3 数据库表详细设计 |
| 4.5 系统功能模块设计 |
| 4.5.1 任务列表模块 |
| 4.5.2 任务创建模块 |
| 4.5.3 OD费用模块 |
| 4.5.4 配送方案模块 |
| 4.5.5 任务分析模块 |
| 4.5.6 个人中心模块 |
| 4.6 本章小结 |
| 第五章 基于遗传算法的Web GIS运输配送系统功能实现 |
| 5.1 系统开发平台 |
| 5.2 GIS地图服务构建 |
| 5.2.1 创建地理数据库 |
| 5.2.2 构建道路网络数据集 |
| 5.2.3 OD费用获取 |
| 5.3 系统实现和测试 |
| 5.3.1 系统简介界面 |
| 5.3.2 任务列表模块 |
| 5.3.3 任务创建模块 |
| 5.3.4 OD费用模块 |
| 5.3.5 配送方案模块 |
| 5.3.6 任务分析模块 |
| 5.3.7 个人中心模块 |
| 5.4 本章小结 |
| 第六章 结论与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
| 1 作者简历 |
| 2 攻读硕士学位期间发表的学术论文 |
| 3 参与科研项目及获奖情况 |
| 4 发明专利 |
| 5 软件着作权 |
| 6 获奖情况 |
| 学位论文数据集 |
（4）子网络交通需求估计方法与应用（论文提纲范文）
| 中文摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义与应用前景 |
| 1.2 研究现状 |
| 1.2.1 OD需求估计研究进展 |
| 1.2.2 OD需求估计子问题检测器布局研究进展 |
| 1.2.3 交通网络均衡模型研究进展 |
| 1.3 研究目标及方法 |
| 1.3.1 研究内容与目标 |
| 1.3.2 重难点与解决方法 |
| 1.4 技术路线及论文结构 |
| 第二章 拥堵网络下OD需求估计 |
| 2.1 引言 |
| 2.2 交通网络均衡理论概述 |
| 2.2.1 用户均衡(UE)模型 |
| 2.2.2 随机用户均衡(SUE)模型及其求解算法 |
| 2.2.3 双层规划模型 |
| 2.3 拥堵网络下基于观测的路段和路径旅行时间的OD需求估计模型 |
| 2.3.1 模型Ⅰ：观测路径轨迹已知 |
| 2.3.2 模型Ⅱ：观测路径轨迹部分未知 |
| 2.3.2.2 K-Means聚类方法识别路径轨迹 |
| 2.3.2.3 GMM聚类方法识别路径轨迹 |
| 2.4 迭代算法 |
| 2.5 算例分析 |
| 2.6 本章小结 |
| 第三章 样本数据OD需求估计下扩样系数推断 |
| 3.1 引言 |
| 3.2 贝叶斯统计 |
| 3.3 样本数据OD需求估计下随机扩样系数推断 |
| 3.3.1 扩样系数、OD需求和路段流量之间关系分析 |
| 3.3.2 检测器布局模型 |
| 3.3.3 贝叶斯扩样系数推断模型 |
| 3.4 确定性扩样系数推断 |
| 3.5 求解算法 |
| 3.6 算例分析 |
| 3.6.1 Nguyen-Dupuis网络 |
| 3.6.2 SiouxFalls网络 |
| 3.7 本章小结 |
| 第四章 增量均衡分配方法下的子网络OD估计 |
| 4.1 引言 |
| 4.2 交通分配方法 |
| 4.2.1 非均衡分配方法 |
| 4.2.2 平衡分配方法 |
| 4.3 增量均衡分配方法 |
| 4.3.1 基于UE的增量均衡分配方法 |
| 4.3.2 基于SUE的增量均衡分配方法 |
| 4.4 增量均衡分配方法下子网络OD估计 |
| 4.5 算例分析 |
| 4.5.1 基于UE的增量均衡分配算法测试 |
| 4.5.2 基于SUE的增量均衡分配算法测试 |
| 4.5.3 子网络OD估计应用 |
| 4.6 本章小结 |
| 第五章 基于网络拓扑的子网络OD需求估计 |
| 5.1 引言 |
| 5.2 子网络OD需求估计模型 |
| 5.2.1 子网络拓扑与OD需求分析 |
| 5.2.2 模型建立 |
| 5.3 凸组合算法 |
| 5.4 算例分析 |
| 5.4.1 模型比较 |
| 5.4.2 昆山路网测试 |
| 5.5 本章小结 |
| 第六章 结论与展望 |
| 6.1 论文主要研究成果 |
| 6.2 论文创新点 |
| 6.3 未来研究展望 |
| 致谢 |
| 参考文献 |
| 个人简介及科研成果 |
| 附录 论文思路简图 |
（5）铁路空车调整协同优化模型的改进研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 选题背景及研究意义 |
| 1.1.1 选题背景 |
| 1.1.2 研究意义 |
| 1.2 铁路空车调整问题研究现状概述 |
| 1.2.1 国外研究现状分析 |
| 1.2.2 国内研究现状分析 |
| 1.3 研究方案 |
| 1.3.1 研究目标及方法 |
| 1.3.2 主要研究内容及技术路线 |
| 第2章 空车调整协同优化模型概述 |
| 2.1 空车调整相关问题 |
| 2.1.1 空车调整的核心 |
| 2.1.2 铁路空车调整的原则 |
| 2.1.3 铁路空车调整的方法 |
| 2.2 各类空车调整模型对比分析 |
| 2.3 空车调整协同优化模型介绍 |
| 2.3.1 模型假设 |
| 2.3.2 路网的构成 |
| 2.3.3 相关参数定义 |
| 2.3.4 协同优化模型 |
| 2.4 模型改进的概述 |
| 2.5 本章小结 |
| 第3章 空车调整协同优化模型分析 |
| 3.1 节点不对流约束分析 |
| 3.2 共同径路约束分析 |
| 3.3 路段不对流约束分析 |
| 3.3.1 路段对流的含义 |
| 3.3.2 路段对流情况分类 |
| 3.4 各约束间关系分析 |
| 3.5 本章小结 |
| 第4章 空车调整协同优化模型的改进 |
| 4.1 路段对流与共同径路约束间的矛盾 |
| 4.2 路段对流的通用形式 |
| 4.3 路段对流通用形式的分析 |
| 4.4 模型的改进 |
| 4.5 本章小结 |
| 第5章 模型的算法及算例 |
| 5.1 网络流算法及表上作业法 |
| 5.2 算例求解分析 |
| 5.2.1 路网的归并 |
| 5.2.2 计算求解 |
| 5.3 本章小结 |
| 结论 |
| 致谢 |
| 参考文献 |
| 附录 |
| 攻读学位期间的研究成果 |
（7）福建省木材企业运输方案的决策研究 ——以X林场为例（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.2.3 国内外研究现状述评 |
| 1.3 研究意义 |
| 1.3.1 理论意义 |
| 1.3.2 实际意义 |
| 1.4 研究内容、方法和创新之处 |
| 1.4.1 研究内容 |
| 1.4.2 研究方法 |
| 1.4.3 创新之处 |
| 第二章 木材企业运输决策的理论基础 |
| 2.1 木材物流的概念及特点 |
| 2.1.1 木材物流的概念 |
| 2.1.2 木材物流的特点 |
| 2.1.3 木材物流系统的概述 |
| 2.2 木材物流的理论基础 |
| 2.2.1 物流系统论 |
| 2.2.2 物流成本论 |
| 2.3 木材运输决策的有关方法 |
| 2.3.1 线性规划法的原理 |
| 2.3.2 线性规划法的求解过程 |
| 第三章 木材企业运输方案的相关要素分析 |
| 3.1 木材企业运输需求相关分析 |
| 3.1.1 宏观影响 |
| 3.1.2 微观影响 |
| 3.2 木材企业运输方式相关分析 |
| 3.2.1 木材运输方式的类型 |
| 3.2.2 木材运输合理化分析 |
| 3.2.3 木材运输管理分析 |
| 3.3 木材企业运输路径模型的分析 |
| 3.4 木材企业运输方案的策划分析 |
| 第四章 福建省木材企业运输现状与存在的问题 |
| 4.1 福建省木材企业运输的现状 |
| 4.1.1 福建省木材企业产销量情况 |
| 4.1.2 福建省木材产区主要分布情况 |
| 4.1.3 福建省木材企业主销区分布情况 |
| 4.2 福建省木材企业运输存在的问题 |
| 4.2.1 木材运输方式不合理 |
| 4.2.2 木材运输设施设备落后 |
| 4.2.3 木材运输集散中心功能混乱 |
| 4.2.4 木材附加值处理能力不高 |
| 4.2.5 木材运输专业人才短缺 |
| 第五章 福建省木材企业运输决策模型的构建 |
| 5.1 基本运输问题的分析 |
| 5.1.1 供求平衡的运输问题分析 |
| 5.1.2 供求不平衡的运输问题分析 |
| 5.1.3 木材运输问题中的特殊条件约束分析 |
| 5.2 福建省木材企业运输决策模型的构建 |
| 5.2.1 木材企业直达运输优化模型的构建 |
| 5.2.2 木材企业中转运输优化模型的构建 |
| 5.2.3 木材企业混合运输优化模型的构建 |
| 第六章 福建省木材企业运输方案决策的应用分析—以X林场为例 |
| 6.1 案例基本信息 |
| 6.2 实际优化过程 |
| 6.2.1 确定初始基本可行解 |
| 6.2.2 最优解的判别 |
| 结论与展望 |
| 参考文献 |
| 致谢 |
| 个人简历 |
（9）带有预警时间的农产品运输问题研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外运输问题研究现状 |
| 1.2.1 国外相关研究现状 |
| 1.2.2 国内相关研究现状 |
| 1.3 研究内容与方法 |
| 1.4 本文研究创新点 |
| 第二章 农产品运输问题相关研究 |
| 2.1 农产品的概念和特点 |
| 2.1.1 农产品的概念 |
| 2.1.2 农产品的特点 |
| 2.2 农产品运输问题 |
| 2.2.1 农产品运输问题的描述 |
| 2.2.2 农产品运输问题变量与目标函数的确定 |
| 2.2.3 农产品运输问题的数学模型 |
| 第三章 两类带有预警时间的农产品运输问题模型建立 |
| 3.1 农产品的分类 |
| 3.1.1 农产品分类的基础 |
| 3.1.2 我国农业部对农产品的分类 |
| 3.1.3 带有预警时间的农产品运输问题的分类 |
| 3.2 带有预警时间的距离最短的农产品运输问题数学模型建立 |
| 3.2.1 带有预警时间的距离最短的农产品运输问题描述 |
| 3.2.2 带有预警时间的距离最短的农产品运输问题模型假设 |
| 3.2.3 带有预警时间的距离最短的农产品运输问题变量确定 |
| 3.2.4 带有预警时间的距离最短的农产品运输问题的目标函数与约束条件 |
| 3.3 带有预警时间的总运费最低的农产品运输问题数学模型建立 |
| 3.3.1 带有预警时间的总运费最低的农产品运输问题描述 |
| 3.3.2 带有预警时间的总运费最低的农产品运输问题模型假设 |
| 3.3.3 带有预警时间的总运费最低的农产品运输问题变量确定 |
| 3.3.4 带有预警时间的总运费最低的农产品运输问题的目标函数与约束条件 |
| 第四章 表上作业法、简便算法、变量闭回路法求解带有预警时间的农产品运输问题 |
| 4.1 确定农产品运输影响因素及其权重 |
| 4.1.1 带有预警时间的距离最短的农产品运输问题影响因素及其权重 |
| 4.1.2 带有预警时间的总运费最低的农产品运输问题影响因素及其权重 |
| 4.2 农产品运输问题的解法 |
| 4.2.1 表上作业法 |
| 4.2.2 带时间约束的运输问题简便解法 |
| 4.2.3 变量闭回路法 |
| 4.3 算法复杂性分析 |
| 第五章 带有预警时间的农产品运输问题算例 |
| 5.1 国内带有预警时间的农产品运输问题背景 |
| 5.2 两类带有预警时间的农产品运输问题权重计算 |
| 5.2.1 带有预警时间的国内苹果运输问题权重计算 |
| 5.2.2 带有预警时间的国内螃蟹运输问题权重计算 |
| 5.3 带有预警时间的国内苹果运输问题求解过程 |
| 5.3.1 表上作业法解带有预警时间的国内苹果运输问题 |
| 5.3.2 简便解法求解带有预警时间的国内苹果运输问题 |
| 5.3.3 变量闭回路法解带有预警时间的国内苹果运输问题 |
| 5.4 带有预警时间的国内螃蟹运输问题求解过程 |
| 5.4.1 表上作业法解带有预警时间的国内螃蟹运输问题 |
| 5.4.2 简便解法求解带有预警时间的国内螃蟹运输问题 |
| 5.4.3 变量闭回路法解带有预警时间的国内螃蟹运输问题 |
| 5.5 结果分析 |
| 第六章 结论 |
| 参考文献 |
| 致谢 |
（10）随机环境下物流配送方法的研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 物流及物流活动的构成 |
| 1.2 物流配送 |
| 1.2.1 物流配送的定义 |
| 1.2.2 物流配送的作用 |
| 1.2.3 物流配送线路路径问题 |
| 1.3 配送运输 |
| 1.4 论文概况 |
| 1.4.1 基本内容 |
| 1.4.2 研究方法 |
| 第2章 供需确定的物流配送规划 |
| 2.1 图上作业法 |
| 2.2 表上作业法 |
| 2.2.1 配送问题的数学模型 |
| 2.2.2 表上作业法求解配送问题 |
| 2.3 Lingo12.0 软件求解配送问题 |
| 2.4 本章小结 |
| 第3章 随机规划模型 |
| 3.1 随机规划 |
| 3.1.1 随机变量 |
| 3.1.2 随机规划概述 |
| 3.2 期望值模型 |
| 3.3 区间规划模型 |
| 3.4 概率区间型决策方案期望值模型 |
| 3.5 本章小结 |
| 第4章 基于可靠系数的随机配送规划模型 |
| 4.1 机会约束规划模型 |
| 4.2 基于可靠系数的随机配送规划模型 |
| 4.3 模型分析 |
| 4.4 本章小结 |
| 第5章 基于可靠系数随机配送模型在蔬菜配送中应用 |
| 5.1 案例描述 |
| 5.2 模型构建 |
| 5.3 求解分析 |
| 5.4 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间所发表的论文 |
| 致谢 |
| 个人简历 |
四、教育投资问题的表上作业法（论文参考文献）
- [1]关于运筹学中几个问题的新议[J]. 刘满凤,徐野,温倩. 大学教育, 2021(05)
- [2]建筑工程项目群材料运输问题研究[D]. 张雨晨. 沈阳工业大学, 2020(01)
- [3]基于遗传算法的WebGIS运输配送系统设计与开发[D]. 李远锋. 浙江工业大学, 2020(02)
- [4]子网络交通需求估计方法与应用[D]. 孙超. 东南大学, 2018(05)
- [5]铁路空车调整协同优化模型的改进研究[D]. 潘兰蓉. 西南交通大学, 2017(07)
- [6]对表上作业法应用问题的进一步探讨[J]. 王锟. 延安职业技术学院学报, 2016(03)
- [7]福建省木材企业运输方案的决策研究 ——以X林场为例[D]. 陈友益. 福州大学, 2016(05)
- [8]基于区间数/贝叶斯的不确定性改进表上作业法与运用[J]. 沈爱凤. 统计与决策, 2015(10)
- [9]带有预警时间的农产品运输问题研究[D]. 魏巍. 沈阳工业大学, 2013(01)
- [10]随机环境下物流配送方法的研究[D]. 田慧竹. 河北科技大学, 2013(05)