一、多层规划的理论与算法研究（论文文献综述）
冯力静,陈丽芳,刘洋[1]（2021）在《二层规划求解的精确罚函数蚁群优化算法》文中研究指明二层规划问题带有约束条件,求解难度较大,针对此问题提出一种基于精确罚函数的改进蚁群优化算法。首先,设计一种新的精确罚函数处理约束条件,避免了经典罚函数不可微、不光滑的问题;其次,采用改进的蚁群优化算法进行上下层组合求解;再次,编程仿真验证算法的有效性;最后,将其应用于实际价格控制二层规划问题决策中。研究结果表明,基于新的精确罚函数的蚁群优化算法,计算结果更加科学合理,为二层规划、多层规划问题求解提供了一种新的研究思路。
孔祥玉,孙裕策,尧静涛,刘茂,崔凯[2]（2021）在《基于数据驱动的配电网规划投资决策方法》文中提出随着电力系统智能化和互动化的发展,配电网规划要素不断增加,以配电网投资效益机理分析为基础的规划投资决策模型构建越发困难。针对这一问题,提出了一种基于数据驱动的配电网规划投资决策方法。首先结合配电网规划目标及区域情况,构建规划投资指标体系。其次以与效益指标相关的各因素指标为输入,利用深度学习构建配电网投资效益模型,并通过迁移学习解决深度学习难以在小样本情况下有效应用的问题。在上述基础上,将投资效益模型替代配电网规划投资模型中的目标函数,并利用遗传算法对规划投资模型进行求解,获取规划投资方案。最后,通过算例分析验证了该方法的可行性与有效性。
陶李曼[3]（2021）在《线性三层规划问题的模糊求解算法》文中认为
李明威[4]（2021）在《基于双层规划的新零售背景下生鲜门店选址研究》文中研究说明
唐佳丞[5]（2021）在《基于图神经网络的图学习算法研究》文中研究指明近年来,图神经网络在社交网络、推荐系统、分子化学和知识图谱等领域取得了显着的成果。一方面,它解决了深度学习方法难以处理非欧式空间数据的问题,另一方面,它提供了一种对非规则数据提取特征的方法。图结构数据是生活中广泛存在的一种数据结构,与欧氏空间的数据不同,图结构可以更好的反映节点之间的联系。随着图神经网络的迅速发展,许多针对图结构数据的研究也如雨后春笋般涌现,这些研究主要包括节点表示、链接预测和图学习等。图学习旨在利用已有的图结构信息以及节点的特征得到一个更好的图的表示,以便于更好的服务于下游分析任务。此外,现实世界中的图常常会夹杂噪声、不完整或是无法获取,图学习可以很好的解决这些问题。本文在图神经网络的基础上对图学习方法进行了研究,主要的工作如下:（1）提出了一种用于解决图学习问题的通用框架,该框架将图学习模型分解为特征表示模型和图优化模型两部分,然后用双层规划问题的优化框架去交替优化这两个子模型,从而简化了在不同任务场景下,图学习模型的设计过程。（2）针对图中存在噪声和图结构不完整的情况,提出了一种基于特征表示与自适应节点邻域的图优化模型。该模型先通过图卷积网络来学习图中节点的隐特征表示,然后基于学习到的隐表示,用自适应节点邻域模型来优化节点的图结构,优化后的图既可以用于节点分类任务,又能在链接预测任务上保持不俗的效果。（3）针对图结构缺失的情况,提出了一种特征表示与注意力机制的图生成模型。该模型通过图的频谱卷积生成节点的全局邻接信息,同时用注意力机制捕捉图的局部结构,由此得到一个有效的邻接矩阵。并通过对节点隐特征表示的可视化,及其在节点分类任务上的表现验证了所提出的图生成模型的有效性。
胡春宇,刘卫东,于天翔,周立尧,冯晨[6]（2021）在《基于无人机实时数据多波次任务规划模型分析》文中指出针对导弹部队多波次作战任务规划问题,依据无人机的实时数据,构建了基于路径的多层规划模型,并设计了模型的算法求解流程。使用遗传算法与禁忌搜索混合算法,得出了任务规划中的最优路径规划,并在此基础上进行了冲突的消除。通过仿真案例表明,用无人机协同配合导弹部队作战,实时传输作战数据,能够解决战场信息模糊不确定的问题;使用多层规划模型能够为导弹多波次规划作战的路径进行科学的决策和选择。利用遗传算法和禁忌搜索混合算法,能够避免局部最优导致无法输出结果的现象。
陶李曼,洪云飞,吕一兵[7]（2020）在《线性三层规划问题的模糊求解算法》文中研究指明研究了线性三层规划问题:■的模糊求解算法。其中:ci1∈Rn;ci2∈Rm;ci3∈Rp;bi∈Rqi;Ai∈Rqi×n;Bi∈Rqi×m;Ci∈Rqi×p;i=1,2,3;x,y,z分别为上层、中层和下层问题的决策变量;x∈Rn,y∈Rm,z∈Rp;f1,f2,f3:Rn×Rm×Rp→R分别是上层、中层和下层问题的目标函数。首先采用优化问题的K-K-T条件将线性三层规划问题转化为下层含互补约束的二层规划问题,然后采用模糊优化算法求解得到的二层规划问题。数值试验验证了模糊优化算法的可行性和有效性。
赵威瑞[8]（2020）在《基于不确定理论的配电网规划》文中研究表明电力系统中的配电网规划是一个具有多目标性、不确定性等特点的复杂系统问题。电力系统中存在着多种不确定因素,例如设备故障的不确定性、分布式电源的接入、和负荷预测的不确定性等。对不确定因素给配电网规划的可靠性、配电网规划的安全性、配电网规划的稳定性以及可靠性等带来的影响如何解决是非常重要的。故本文立足于不确定性理论深入研究配电网规划问题,此次研究的具体完成工作包括以下几个方面:（1）阐述不确定规划理论。分析模糊集以及模糊期望值的概念,并模糊模拟这两个概念;阐述随机变量以及随机期望值的概念,阐述随机规划中的随机机会约束数学原理。（2）研究不确定潮流计算,优化相关算法。考虑到负荷功率以及分布式电源发电本身的特性,所以分别运用模糊规划进行模糊潮流计算,运用随机规划进行随机潮流计算。对状态变量的模糊增量主要以牛-拉法为基础,利用泰勒级数进行模糊潮流计算;运用随机潮流,基于半不变量方法求出各支路以及待求变量各节点功率概率分布情况。然后对自适应遗传算法进行了重点介绍、总结和比较了相关算法各自的应用特点。（3）基于不确定理论建立了配电网规划模型。对配电网规划中的不确定量进行了建模,包括负荷不确定、风力发电、光伏发电,建立了相应的机会约束规划模型以及模糊期望规划模型。在这两个模型中,模糊期望规划模型中,最小目标函数是投资建设费用的模糊期望值,采用模糊模拟梯形模糊数对负荷的不确定;而另外一个模型,机会约束规划主要考虑支路公约以及节点电压约束条件的置信水平。（4）通过分析验证某节点系统的方式来对上述两个模型的有效性进行验证,并采用基于自适应遗传算法行对求解进行优化。依据建设投资费用以及网损费用最小原则,通过研究表明,不确定性因素对配电网的影响可通过采用不确定规划理论来有效降低,采用不确定规划理论也能够减少网络规划费用,有效促进经济效益的提升。
宋悦[9]（2020）在《空港枢纽陆侧交通运力匹配与换乘仿真优化研究》文中提出空港枢纽是连接地面与空中运输的重要节点,交通功能包括对外的客流输入与输出和对内的客流分流与合流,其中对内交通功能的实现与陆侧多方式交通密切相关。近年来,航空运输服务稳步发展带来的快速增长的旅客出行量,不断对空港枢纽陆侧交通组织提出更高要求。然而,目前我国大多数空港枢纽陆侧交通普遍存在着公共交通利用率低、运力资源配置不合理以及换乘流线复杂交织的问题。因此,本文从优化空港枢纽陆侧交通出行结构,改善乘客换乘体验,提高陆侧交通整体运营效率角度出发,研究了空港枢纽陆侧多方式交通运力配置与换乘仿真优化问题。研究按宏观和微观两个层面展开,首先通过宏观的数学建模方法,构建了空港枢纽陆侧多方式交通运力匹配优化模型,模型用于求解最优运力配置方案;其次利用微观的仿真模拟方法,模拟空港枢纽内选择不同陆侧交通方式旅客的换乘过程,仿真模型不仅可用于呈现运力配置优化前后换乘旅客的运行轨迹和状态变化,验证理论模型的可行性,还可用于优化陆侧换乘客流组织,理论模型为仿真模型提供运力配置优化后的运力配置方案和客流分配结果。本文的主要工作可归纳如下:（1）利用首都机场客运量及其陆侧各交通方式客运分担量数据,分析了不同交通方式的客流特征,在此基础上,考虑出行时间、出行费用、舒适度和便捷度感知四种因素,给出了空港枢纽进港旅客陆侧多方式交通选择效用函数的计算方法。（2）考虑多种交通方式间竞争与合作关系、旅客选择与交通服务水平间互动关系,建立了空港枢纽陆侧多方式交通运力配置优化双层规划模型,并结合遗传算法和MSA算法设计了可行的求解算法。上层模型最小化运营成本和候车成本之和,求解最优公共交通线路发车间隔和出租车单位时间可服务数量需求;下层模型基于SUE-Logit模型,求解上层模型需要的各交通方式客流分配结果。（3）建立了空港枢纽内选择不同陆侧交通方式旅客换乘过程仿真模型,并给出了换乘不同方式仿真的具体实现方法。（4）以首都机场2号航站楼为例,对其陆侧多方式交通运力配置和换乘仿真优化问题进行研究,研究结果验证了理论模型和仿真模型的有效性。图59幅,表19个,参考文献86篇。
黄蛟[10]（2020）在《融合先验知识的多智能体任务规划方法研究》文中指出侦查与搜索是一种重要的多智能体协作应用,相比于单个智能体,多智能体系统能够极大的提高搜索功效,搜索的范围和效率要远好于单智能体,特别是在搜索区域广阔、复杂且包含多个目标的情况。然而,现有关于多智能体协作的研究中,能处理的智能体数量极其有限,当智能体数量增加到几十个甚至上百个时,算法效率大幅降低。因此,如何合理地为每个智能体分配任务以高效的完成任务,是多智能体协作领域一个具有前景的研究课题。对于多智能体任务分配问题,其研究主要存在两个挑战。1)对于智能体任务规划问题,全局任务规划要考虑单个智能体的任务完成效率;同时单个智能体的任务完成效率取决于任务的分配。两者相互影响。2)如何解决智能体数量增多,问题解空间增大的问题。针对上述问题,本文提出了一种融入目标出现概率先验知识的基于贝叶斯优化和遗传算法的双层优化算法。首先,针对大规模智能体的搜索任务区域分配问题,将搜索区域根据智能体的搜索半径划分为正六边形。上层算法将所有的正六边形作为任务分配给每个智能体。下层使用遗传算法,对单智能体的搜索路径进行变异,从而得到最佳路径。同时,最佳路径传到上层,修正上层任务分配的评估函数。然后,为了加快模型的求解速度,算法在上层使用贝叶斯优化对每个智能体完成所分配任务的最短时间进行评估,从而提高算法的收敛速度。本文通过理论推导证明了算法的优化本质,并在模拟实验中对上百个智能体的协作能力进行了验证。最终实验结果表明,相较于启发式算法,本文算法最高可将完成目标的期望路径缩短2.66倍。除了理论推导和实验验证,本文设计并实现了多智能体任务规划可视化工具,将整体搜索过程形式化表现出来,便于判断算法收敛趋势以及进行成果展示。
二、多层规划的理论与算法研究（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、多层规划的理论与算法研究（论文提纲范文）
（1）二层规划求解的精确罚函数蚁群优化算法（论文提纲范文）
| 1 二层规划（BLP）的描述形式 |
| 2 优化算法设计 |
| 2.1 精确罚函数 |
| 2.2 改进蚁群算法 |
| 2.3 优化处理步骤 |
| 3 仿真实验 |
| 4 实际应用 |
| 4.1 价格控制问题描述 |
| 4.2 模型构建及方案优化 |
| 5 结论 |
（2）基于数据驱动的配电网规划投资决策方法（论文提纲范文）
| 0 引言 |
| 1 配电网规划投资指标体系及关联度分析 |
| 1.1 配电网规划投资指标体系 |
| 1.2 关联度分析及主因素的提取 |
| 2 基于数据驱动的配电网规划投资决策方法 |
| 2.1 配电网规划投资模型 |
| 2.2 基于深度迁移学习的配电网投资效益模型 |
| 2.3 基于无监督与误差约束结合的模型预训练 |
| 2.4 基于深度迁移学习的配电网规划投资决策流程 |
| 3 算例分析 |
| 3.1 数据预处理 |
| 3.2 深度迁移学习效果对比 |
| 3.3 决策方案及方案评估 |
| 4 结语 |
（5）基于图神经网络的图学习算法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 图神经网络 |
| 1.2.2 图学习 |
| 1.3 本文的主要贡献与创新 |
| 1.4 论文的结构安排 |
| 第二章 相关理论与算法 |
| 2.1 图论基础 |
| 2.2 卷积图神经网络 |
| 2.2.1 基于频谱卷积的图神经网络 |
| 2.2.2 基于空间卷积的图神经网络 |
| 2.3 图学习 |
| 2.3.1 基于自表示的图学习方法 |
| 2.3.2 基于自适应邻域的图学习方法 |
| 2.3.3 基于全图参数化图学习方法 |
| 2.3.4 基于图自编码器的图学习方法 |
| 2.4 双层规划问题 |
| 2.5 本章小结 |
| 第三章 利用双层规划模型解决图学习问题的通用框架 |
| 3.1 问题定义 |
| 3.2 基于双层规划的参数优化方法 |
| 3.3 本章小结 |
| 第四章 针对图中含有噪声或缺失边的图优化算法 |
| 4.1 图中噪声的优化 |
| 4.2 图中缺失边的添加 |
| 4.3 基于自适应邻域和特征表示的图中噪声与缺失边优化 |
| 4.3.1 图优化模型 |
| 4.3.2 特征表示模型 |
| 4.3.3 利用双层规划对两个模型进行迭代优化 |
| 4.4 实验结果与分析 |
| 4.4.1 实验数据集 |
| 4.4.2 实验设置与对比方法 |
| 4.4.3 实验结果 |
| 4.5 本章小结 |
| 第五章 针对图结构无法获取的图构建算法 |
| 5.1 基于节点特征距离的邻接矩阵构建 |
| 5.2 图注意力学习网络模型 |
| 5.2.1 基于图卷积网络的节点隐藏特征表示 |
| 5.2.2 基于注意力机制的局部结构生成 |
| 5.2.3 利用双层规划对两个模型同时训练 |
| 5.3 实验结果与分析 |
| 5.3.1 实验数据集 |
| 5.3.2 实验设置与对比方法 |
| 5.3.3 实验结果 |
| 5.4 本章小结 |
| 第六章 全文总结与展望 |
| 6.1 全文总结 |
| 6.2 未来工作展望 |
| 致谢 |
| 参考文献 |
（6）基于无人机实时数据多波次任务规划模型分析（论文提纲范文）
| 0 引言 |
| 1 导弹旅作战对无人机实时数据的需求性分析 |
| 2 模型构建 |
| 2.1 模型建立 |
| 2.2 约束分析 |
| 2.2.1“会车”冲突 |
| 2.2.2“超车”冲突 |
| 2.2.3阵地和路径节点约束 |
| 3 基于遗传算法和禁忌搜索算法的混合算法 |
| 4 案例分析 |
| 4.1 初始路径选配方案 |
| 4.2 冲突消除及仿真结果分析 |
| 5 结论 |
（7）线性三层规划问题的模糊求解算法（论文提纲范文）
| 1 线性三层规划问题的数学模型 |
| 2 二层规划问题的交互式模糊规划方法 |
| 2.1 二层规划问题模糊算法交互过程的终止条件 |
| 2.2 二层规划问题的模糊规划算法 |
| 3 数值试验 |
| 4 结语 |
（8）基于不确定理论的配电网规划（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 课题研究的目的及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 配电网规划模型 |
| 1.2.2 电网规划模型求解算法 |
| 1.3 课题主要研究内容 |
| 第二章 不确定规划理论 |
| 2.1 不确定规划概述 |
| 2.1.1 不确定理论基本概念 |
| 2.1.2 可信性理论 |
| 2.2 模糊规划理论 |
| 2.2.1 模糊集 |
| 2.2.2 模糊期望值 |
| 2.3 随机规划理论 |
| 2.3.1 随机变量 |
| 2.3.2 随机期望值 |
| 2.3.3 随机机会约束规划 |
| 2.4 本章小结 |
| 第三章 不确定潮流计算及遗传算法 |
| 3.1 潮流计算 |
| 3.1.1 模糊潮流 |
| 3.1.2 随机潮流 |
| 3.2 遗传算法 |
| 3.2.1 自适应遗传算法 |
| 3.2.2 单亲遗传算法 |
| 3.2.3 树形结构编码遗传算法(TGA) |
| 3.3 本章小结 |
| 第四章 基于不确定理论的配电网规划模型 |
| 4.1 不确定量建模 |
| 4.1.1 负荷不确定数学模型 |
| 4.1.2 风力发电的不确定数学模型 |
| 4.1.3 光伏发电的不确定数学模型 |
| 4.2 基于不确定理论的配电网规划模型 |
| 4.2.1 基于模糊期望值的配电网规划 |
| 4.2.2 基于随机机会约束的配电网规划 |
| 4.2.3 计算求解过程 |
| 4.3 本章小结 |
| 第五章 某配电网规划算例分析 |
| 5.1 某配电系统算例 |
| 5.2 算例结果及分析 |
| 5.2.1 风力和光伏发电量和负荷模糊模拟 |
| 5.2.2 模糊期望规划结果 |
| 5.2.3 随机机会约束规划结果 |
| 5.2.4 不同规划结果分析 |
| 5.3 本章小结 |
| 第六章 结论与展望 |
| 6.1 主要研究成果与结论 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 攻读学位期间参加的科研情况及获得的学术成果 |
（9）空港枢纽陆侧交通运力匹配与换乘仿真优化研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究对象 |
| 1.1.3 研究意义 |
| 1.2 国内外研究综述 |
| 1.2.1 交通方式间运力资源配置研究 |
| 1.2.2 系统运力资源的整体配置研究 |
| 1.2.3 仿真模型在交通枢纽中的应用 |
| 1.2.4 研究现状总结 |
| 1.3 研究思路与内容 |
| 1.4 本章小结 |
| 2 空港枢纽陆侧多方式交通特征分析 |
| 2.1 首都机场陆侧多方式交通客流分析 |
| 2.1.1 机场进港客流量 |
| 2.1.2 轨道交通客运量 |
| 2.1.3 出租车客运量 |
| 2.1.4 自驾车客运量 |
| 2.1.5 机场大巴客运量 |
| 2.1.6 首都机场陆侧交通出行特征 |
| 2.2 陆侧多方式交通选择影响因素分析 |
| 2.3 陆侧多方式交通选择效用函数的确定 |
| 2.3.1 交通选择模型 |
| 2.3.2 基本假设 |
| 2.3.3 效用函数构建 |
| 2.4 本章小结 |
| 3 空港枢纽陆侧多方式交通运力配置优化建模 |
| 3.1 陆侧多方式交通运力配置优化双层规划模型 |
| 3.1.1 上层运力配置优化模型 |
| 3.1.2 下层客流分配模型 |
| 3.2 陆侧多方式交通运力配置优化模型求解 |
| 3.2.1 求解算法概述 |
| 3.2.2 求解算法设计 |
| 3.3 陆侧多方式交通运力配置优化测试算例 |
| 3.4 本章小结 |
| 4 空港枢纽内选择不同陆侧交通方式旅客换乘过程仿真 |
| 4.1 仿真平台的选择 |
| 4.2 选择不同陆侧交通方式客流组织仿真优化步骤 |
| 4.2.1 仿真模型的构建 |
| 4.2.2 仿真结果的输出及分析 |
| 4.2.3 仿真优化 |
| 4.3 选择不同陆侧交通方式旅客换乘过程仿真实现方法 |
| 4.3.1 旅客换乘陆侧机场大巴过程仿真 |
| 4.3.2 旅客换乘陆侧轨道交通过程仿真 |
| 4.3.3 旅客换乘陆侧出租车过程仿真 |
| 4.3.4 旅客换乘陆侧自驾车过程仿真 |
| 4.4 选择不同陆侧交通方式旅客换乘过程仿真示例 |
| 4.5 本章小结 |
| 5 实证分析 |
| 5.1 首都机场调查概述 |
| 5.2 陆侧多方式交通运力配置优化 |
| 5.2.1 参数设置 |
| 5.2.2 优化结果分析 |
| 5.3 选择不同陆侧交通方式旅客换乘过程仿真 |
| 5.3.1 环境建模 |
| 5.3.2 流程建模 |
| 5.3.3 参数设置 |
| 5.3.4 仿真结果分析 |
| 5.4 选择不同陆侧交通方式客流组织仿真优化 |
| 5.4.1 换乘陆侧机场大巴客流组织仿真优化 |
| 5.4.2 换乘陆侧轨道交通客流组织仿真优化 |
| 5.5 本章小结 |
| 6 总结与展望 |
| 6.1 主要结论 |
| 6.2 研究展望 |
| 参考文献 |
| 作者简历及攻读硕士学位期间取得的研究成果 |
| 学位论文数据集 |
（10）融合先验知识的多智能体任务规划方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究意义 |
| 1.2 研究现状 |
| 1.3 研究内容 |
| 1.4 本文结构 |
| 第2章 相关工作及知识介绍 |
| 2.1 集群智能任务规划 |
| 2.2 贝叶斯优化 |
| 2.3 双层优化 |
| 第3章 结合遗传算法与贝叶斯优化的双层模型 |
| 3.1 任务场景构建 |
| 3.2 任务规划 |
| 第4章 实验验证与分析 |
| 4.1 理论证明 |
| 4.2 实验验证 |
| 4.3 可视化 |
| 第5章 总结与展望 |
| 5.1 工作总结 |
| 5.2 工作展望 |
| 参考文献 |
| 作者简介及科研成果 |
| 致谢 |
四、多层规划的理论与算法研究（论文参考文献）
- [1]二层规划求解的精确罚函数蚁群优化算法[J]. 冯力静,陈丽芳,刘洋. 华北理工大学学报(自然科学版), 2021(04)
- [2]基于数据驱动的配电网规划投资决策方法[J]. 孔祥玉,孙裕策,尧静涛,刘茂,崔凯. 供用电, 2021(10)
- [3]线性三层规划问题的模糊求解算法[D]. 陶李曼. 长江大学, 2021
- [4]基于双层规划的新零售背景下生鲜门店选址研究[D]. 李明威. 北京邮电大学, 2021
- [5]基于图神经网络的图学习算法研究[D]. 唐佳丞. 电子科技大学, 2021(01)
- [6]基于无人机实时数据多波次任务规划模型分析[J]. 胡春宇,刘卫东,于天翔,周立尧,冯晨. 系统工程与电子技术, 2021(03)
- [7]线性三层规划问题的模糊求解算法[J]. 陶李曼,洪云飞,吕一兵. 长江大学学报(自然科学版), 2020(05)
- [8]基于不确定理论的配电网规划[D]. 赵威瑞. 西安石油大学, 2020(10)
- [9]空港枢纽陆侧交通运力匹配与换乘仿真优化研究[D]. 宋悦. 北京交通大学, 2020
- [10]融合先验知识的多智能体任务规划方法研究[D]. 黄蛟. 吉林大学, 2020(08)