基于改进蚁群算法的物流配送路径研究
| 致谢 | 第1-6页 |
| 摘要 | 第6-7页 |
| Abstract | 第7-11页 |
| 1 绪论 | 第11-19页 |
| ·选题的背景及意义 | 第11-13页 |
| ·选题背景 | 第11-12页 |
| ·选题意义 | 第12-13页 |
| ·国内外研究现状 | 第13-17页 |
| ·VRPTW 国内外研究现状 | 第13-15页 |
| ·蚁群算法的国内外研究现状 | 第15页 |
| ·蚁群算法求解VRPTW 的国内外研究现状 | 第15-17页 |
| ·论文研究的思路及技术路线 | 第17-19页 |
| ·论文研究的思路 | 第17页 |
| ·论文研究的技术路线 | 第17-19页 |
| 2 理论基础 | 第19-34页 |
| ·物流配送理论 | 第19-22页 |
| ·物流配送概述 | 第19-20页 |
| ·物流配送模式 | 第20-22页 |
| ·车辆路径问题 | 第22-26页 |
| ·车辆路径问题概述 | 第22-24页 |
| ·车辆路径问题的数学模型 | 第24-26页 |
| ·蚁群优化算法 | 第26-34页 |
| ·基本蚁群算法 | 第26-32页 |
| ·现有的改进蚁群算法 | 第32-34页 |
| 3 VRPTW 模型的分析与构建 | 第34-42页 |
| ·求解 VRPTW 的分析 | 第34-36页 |
| ·组合优化问题及其复杂性分析 | 第34-35页 |
| ·求解VRPTW 存在的问题 | 第35页 |
| ·求解VRPTW 的有效途径 | 第35-36页 |
| ·VRPTW 模型的构建 | 第36-42页 |
| ·VRPTW 的界定 | 第36-38页 |
| ·基本假设及符号说明 | 第38页 |
| ·VRPTW 模型的构建 | 第38-39页 |
| ·几种智能优化算法求解VRPTW 的比较与分析 | 第39-42页 |
| 4 蚁群算法的分析与改进 | 第42-51页 |
| ·蚁群算法的局限性及影响因素分析 | 第42-44页 |
| ·蚁群算法的局限性分析 | 第42页 |
| ·蚁群算法的影响因素分析 | 第42-44页 |
| ·蚁群算法的复杂度分析 | 第44-45页 |
| ·时间复杂度分析 | 第44页 |
| ·空间复杂度分析 | 第44-45页 |
| ·蚁群算法的改进 | 第45-49页 |
| ·最近邻域算法求初始解 | 第45页 |
| ·动态的状态转移概率 | 第45-46页 |
| ·信息素的更新策略 | 第46-47页 |
| ·局部最优搜索策略 | 第47-48页 |
| ·q0 的动态调整策略 | 第48-49页 |
| ·改进蚁群算法的实现步骤 | 第49页 |
| ·改进蚁群算法的复杂度分析 | 第49-51页 |
| 5 改进的蚁群算法求解VRPTW 的实现研究 | 第51-64页 |
| ·改进的蚁群算法求解 VRPTW 的算法程序设计 | 第51-56页 |
| ·求解思路 | 第51页 |
| ·算法设计 | 第51-53页 |
| ·算法实现的具体步骤及流程 | 第53-55页 |
| ·程序的实现 | 第55-56页 |
| ·算法的仿真实验 | 第56-64页 |
| ·仿真平台的搭建 | 第56-58页 |
| ·仿真与结果分析 | 第58-64页 |
| 6 结论与展望 | 第64-66页 |
| ·结论 | 第64-65页 |
| ·展望 | 第65-66页 |
| 参考文献 | 第66-69页 |
| 作者简历 | 第69-70页 |
| 学位论文数据集 | 第70-71页 |
