| 【中文题名】 | 基于蚁群算法的海上消防系统航线优选研究 |
| 【英文题名】 | Sea Route Optimal Selection of Fire System Based on Ant Colony Algorithm |
| 【学科专业】 | 管理科学与工程 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2007-6-4 |
| 【中关键词】 | 模拟技术,路径问题,智能搜索,蚁群算法,海上消防规划, |
| 【英关键词】 | Simulate Technology,Route Problem,Intelligence Searches,Ant Algorithm,Sea Fire Plan, |
| 【分类导航】 | 交通运输>水路运输>水路运输技术管理>安全技术>防火安全> |
| 【论文摘要】 | 系统模拟技术是以系统管理思想为指导，通过一定的方法分析、研究系统的实验运行过程，为系统管理决策方案制定提供依据的、一种以定量分析为主的科学方法。在企业经营管理决策中以及社会生活各个领域的管理活动中，系统模拟技术可以发挥重要作用。系统模拟作为一种辅助管理决策和系统设计的现代化管理技术，可以对现有系统在拟定的工作条件下的性能做出分析与评价，并预测其未来发展，提出改进方案；可以不必花费大量的投资，采用计算机模拟，对新系统的可行性和经济效益做出正确的评价：可以按照既定的目标函数对不同的决策方案进行分析比较，从中选择最优方案，辅助最优管理决策。系统模拟正向着智能性、逼真性的智能模拟方向发展。
在海上消防规划模拟系统的开发中，为了模拟消防基地站对任意起火点实施救援的过程，直观地表述救援行驶的航线，本文针对路径问题和智能搜索进行了较深入的研究。本文采用了智能建模的手段，在模拟系统的开发中引入了知识建模和规则库的概念，探索基于知识的智能模拟理论和方法，有效的建立了海上消防救援规划的知识模型。
在解决规划模拟系统的路径问题上，本文采用了先进的启发式算法—蚁群算法，其动态性、适应性的特点在解决路径问题... |
| 【论文题纲】 |
|
摘要 |
5-6 |
|
Abstract |
6-10 |
|
第1章 绪论 |
10-17 |
|
1.1 项目背景 |
10-13 |
|
1.1.1 海上消防规划的重要性 |
10-11 |
|
1.1.2 海上消防规划模拟系统的任务 |
11-12 |
|
1.1.3 海上消防规划中的路径问题 |
12-13 |
|
1.2 海上消防规划模拟概述 |
13-15 |
|
1.3 本文研究的主要问题和论文结构 |
15-17 |
|
1.3.1 研究的主要问题 |
15-16 |
|
1.3.2 论文的结构 |
16-17 |
|
第2章 路径优化问题研究 |
17-26 |
|
2.1 图论及相关内容 |
17-19 |
|
2.2 对路径规划问题的描述 |
19-20 |
|
2.3 路径规划问题的研究 |
20-26 |
|
2.3.1 路径规划问题研究现状 |
20-22 |
|
2.3.2 Dijkstra算法 |
22-24 |
|
2.3.2 蚁群算法 |
24-26 |
|
第3章 蚁群算法 |
26-35 |
|
3.1 引言 |
26-27 |
|
3.2 蚁群算法的提出 |
27-29 |
|
3.3 蚁群算法的基本思想和原理 |
29-31 |
|
3.4 传统蚁群算法理论研究 |
31-33 |
|
3.4.1 最大最小蚁群算法 |
31-32 |
|
3.4.2 自适应蚁群算法 |
32 |
|
3.4.3 动态蚁群算法 |
32-33 |
|
3.5 蚁群算法的应用 |
33-34 |
|
3.6 本章小结 |
34-35 |
|
第4章 消防模拟系统中的知识建模 |
35-53 |
|
4.1 相关理论 |
35-40 |
|
4.1.1 知识工程概述 |
35 |
|
4.1.2 知识库 |
35-37 |
|
4.1.3 知识表示 |
37-40 |
|
4.2 海上消防规划模拟系统的知识表示 |
40-43 |
|
4.2.1 知识表示方法的要求 |
40-41 |
|
4.2.2 路径智能搜索中陈述型知识的树状表示法 |
41-43 |
|
4.3 海上消防规划模拟系统的知识建模 |
43-47 |
|
4.3.1 起火点的知识建模 |
43-45 |
|
4.3.2 消防基地站的知识建模 |
45-47 |
|
4.4 海上消防规划模拟系统规则库的设计 |
47-51 |
|
4.4.1 智能搜索中过程性知识的产生式规则表示法 |
47-49 |
|
4.4.2 产生式规则库的关系数据库实现 |
49-51 |
|
4.5 智能搜索推理机制的设计 |
51-52 |
|
4.6 本章小结 |
52-53 |
|
第5章 基于蚁群算法的航线优选解决方案 |
53-65 |
|
5.1 蚁群算法在航线优选问题中的应用 |
53-55 |
|
5.1.1 蚁群算法对航线优选问题的描述 |
53-54 |
|
5.1.2 蚁群算法的求解过程 |
54-55 |
|
5.2 程序实现 |
55-58 |
|
5.2.1 蚁群算法主流程 |
55-58 |
|
5.2.2 蚂蚁个体寻食流程 |
58 |
|
5.3 蚁群算法的优化 |
58-64 |
|
5.3.1 最大最小蚁群系统模型 |
58-59 |
|
5.3.2 有关信息素模型的研究与改进 |
59-60 |
|
5.3.3 信息素释放函数的改进 |
60-64 |
|
5.4 本章小结 |
64-65 |
|
第6章 总结与展望 |
65-67 |
|
6.1 论文总结 |
65 |
|
6.2 研究展望 |
65-67 |
|
参考文献 |
67-71 |
|
攻读学位期间公开发表论文 |
71-72 |
|
致谢 |
72-73 |
|
研究生履历 |
73 |
|
| 【DOI】 | LunWen.ID:2.2008.81146 |
