摘要 | 第5-7页 |
Abstract | 第7-8页 |
第一章 绪论 | 第12-24页 |
1.1 研究背景及意义 | 第12-15页 |
1.1.1 研究的背景 | 第12-14页 |
1.1.2 研究的意义 | 第14-15页 |
1.2 应急物流路径规划问题研究现状 | 第15-19页 |
1.2.1 国外研究现状 | 第15-17页 |
1.2.2 国内研究现状 | 第17-19页 |
1.3 LRP问题研究现状 | 第19-20页 |
1.3.1 国外研究现状 | 第19页 |
1.3.2 国内研究现状 | 第19-20页 |
1.4 研究现状评述 | 第20-21页 |
1.5 本论文主要研究内容及框架结构 | 第21-24页 |
第二章 应急物流路径规划相关理论基础 | 第24-30页 |
2.1 应急物流 | 第24-26页 |
2.1.1 物流的概念 | 第24页 |
2.1.2 应急物流的概念及特点 | 第24-26页 |
2.2 应急物流与一般商业物流的区别 | 第26页 |
2.3 地震应急物流路径规划中基于灾情的相关特性分析 | 第26-28页 |
2.3.1 应急物资配送的重要性及其遵循原则 | 第27页 |
2.3.2 应急物流物资配送的特征和约束分析 | 第27-28页 |
2.4 本章小结 | 第28-30页 |
第三章 地震应急物流路径规划优化模型 | 第30-42页 |
3.1 LRP的研究 | 第30-36页 |
3.1.1 LRP的含义 | 第30-31页 |
3.1.2 LRP的内容 | 第31-33页 |
3.1.3 LRP的基本模型 | 第33-36页 |
3.2 ELRP优化模型 | 第36-39页 |
3.2.1 ELRP描述及条件假设 | 第37页 |
3.2.2 ELRP模型符号及变量设计 | 第37-38页 |
3.2.3 ELRP模型的构建 | 第38-39页 |
3.3 本章小结 | 第39-42页 |
第四章 ELRP算法设计 | 第42-56页 |
4.1 相关LRP模型求解算法 | 第42-50页 |
4.1.1 遗传算法 | 第42-46页 |
4.1.2 蚁群算法 | 第46-49页 |
4.1.3 模拟退火算法 | 第49-50页 |
4.2 G-SAACO混合启发式算法的基本思路 | 第50-51页 |
4.3 G-SAACO混合启发式算法设计 | 第51-55页 |
4.3.1 编码设计 | 第51页 |
4.3.2 G-SAACO混合算法适应度值改进策略 | 第51页 |
4.3.3 GA策略 | 第51-52页 |
4.3.4 ACO策略 | 第52页 |
4.3.5 SA策略 | 第52-53页 |
4.3.6 算法阶段转换和终止策略 | 第53页 |
4.3.7 算法实施步骤 | 第53-55页 |
4.4 本章小结 | 第55-56页 |
第五章 G-SAACO下的应急物流路径规划问题求解 | 第56-68页 |
5.1 模型与算法可行性验证 | 第56-57页 |
5.2 仿真实例与求解 | 第57-61页 |
5.2.1 仿真实例的选取 | 第57-58页 |
5.2.2 参数的设定 | 第58-61页 |
5.3 运行结果 | 第61-64页 |
5.4 优化结果对比分析 | 第64-66页 |
5.5 本章小结 | 第66-68页 |
第六章 结论与展望 | 第68-70页 |
6.1 结论 | 第68页 |
6.2 展望 | 第68-70页 |
致谢 | 第70-72页 |
参考文献 | 第72-78页 |
附录A 攻读硕士期间科研成果 | 第78-80页 |
附录B SOLOMONS的R101标准测试数据 | 第80-84页 |
附录C 缩略语表 | 第84页 |