| 摘要 | 第9-10页 |
| ABSTRACT | 第10页 |
| 第一章 绪论 | 第11-20页 |
| 1.1 论文研究背景及意义 | 第11-13页 |
| 1.1.1 研究背景 | 第11-12页 |
| 1.1.2 研究意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-17页 |
| 1.2.1 一般车辆调度相关研究 | 第13-16页 |
| 1.2.2 武警车辆调度相关研究 | 第16-17页 |
| 1.3 本文研究内容 | 第17-18页 |
| 1.4 论文的组织结构 | 第18-20页 |
| 第二章 面向多点突发事件AVRP求解的基本研究框架 | 第20-31页 |
| 2.1 突发事件的定义及特征 | 第20-22页 |
| 2.1.1 突发事件、灾害、灾难的定义 | 第20页 |
| 2.1.2 突发事件的定义及特征 | 第20-22页 |
| 2.1.3 多点突发事件的定义及特征 | 第22页 |
| 2.2 多点突发事件武警AVRP问题剖析 | 第22-29页 |
| 2.2.1 武警机动师车辆种类 | 第22-23页 |
| 2.2.2 武警当前车辆调度流程分析 | 第23-26页 |
| 2.2.3 AVRP与普通VRP问题区别分析 | 第26-29页 |
| 2.3 多点突发事件AVRP方法研究框架 | 第29-30页 |
| 2.4 本章小结 | 第30-31页 |
| 第三章 基于蚁群算法的机动师车辆初始调度方法研究 | 第31-46页 |
| 3.1 AVRP初始调度分析 | 第31-36页 |
| 3.1.1 初始调度基本概念 | 第31-32页 |
| 3.1.2 多点突发事件下时间窗特性说明 | 第32-33页 |
| 3.1.3 带时间窗口的初始调度问题分析 | 第33-36页 |
| 3.2 优化算法选择分析 | 第36-39页 |
| 3.2.1 蚁群算法基本概念 | 第36-37页 |
| 3.2.2 蚁群算法特点分析 | 第37-38页 |
| 3.2.3 问题适应性分析 | 第38-39页 |
| 3.3 基于蚁群算法的初始调度模型及求解 | 第39-45页 |
| 3.3.1 模型的假设 | 第39-40页 |
| 3.3.2 模型建立 | 第40-43页 |
| 3.3.3 求解算法流程 | 第43-45页 |
| 3.4 本章小结 | 第45-46页 |
| 第四章 基于启发算法的机动师车辆后续调度方法研究 | 第46-56页 |
| 4.1 AVRP后续调度分析 | 第46-48页 |
| 4.1.1 后续调度基本概念 | 第46-47页 |
| 4.1.2 后续调度不确定性分析 | 第47-48页 |
| 4.1.3 不确定性处理方法探讨 | 第48页 |
| 4.2 优化算法选择分析 | 第48-52页 |
| 4.2.1 启发式算法基本概念 | 第48-49页 |
| 4.2.2 启发式算法特点分析 | 第49-50页 |
| 4.2.3 启发式算法的分析步骤 | 第50-52页 |
| 4.3 基于不确定条件下启发式算法后续调度流程 | 第52-55页 |
| 4.3.1 不确定条件下VRP问题优化 | 第52-53页 |
| 4.3.2 问题描述及模型 | 第53-54页 |
| 4.3.3 禁忌搜索算法求解流程 | 第54-55页 |
| 4.4 本章小结 | 第55-56页 |
| 第五章 新疆武警部队处置突发事件的车辆调度方案研究示例 | 第56-65页 |
| 5.1 案例背景概述 | 第56-58页 |
| 5.2 基于蚁群算法AVRP初始调度研究 | 第58-61页 |
| 5.2.1 车辆调度初步决策方案 | 第58-59页 |
| 5.2.2 基于蚁群算法的车辆调度计算 | 第59页 |
| 5.2.3 方案生成与对照分析 | 第59-61页 |
| 5.3 基于启发算法的AVRP后续调度研究 | 第61-64页 |
| 5.3.1 背景及车辆调度初步决策方案 | 第61页 |
| 5.3.2 基于启发算法的机动师车辆增派计算 | 第61-62页 |
| 5.3.3 方案生成与对照分析 | 第62-64页 |
| 5.4 本章小结 | 第64-65页 |
| 第六章 结论与展望 | 第65-67页 |
| 6.1 研究结论 | 第65-66页 |
| 6.2 未来展望 | 第66-67页 |
| 致谢 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 作者在学期间取得的学术成果 | 第72-73页 |
| 附录A 第三章 核心代码源程序 | 第73-77页 |
| 附录B 第四章 核心代码源程序 | 第77-84页 |