求解物流路径优化的改进遗传算法研究
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 选题背景及意义 | 第9-10页 |
| 1.2 本课题研究内容及意义 | 第10-11页 |
| 1.3 论文组织架构 | 第11-13页 |
| 第2章 TSP问题概述 | 第13-25页 |
| 2.1 TSP问题的基本概念 | 第13-14页 |
| 2.1.1 TSP问题的定义 | 第13页 |
| 2.1.2 TSP问题的数学模型 | 第13-14页 |
| 2.2 TSP问题分类 | 第14-15页 |
| 2.3 TSP问题基本应用 | 第15-16页 |
| 2.4 TSP问题计算方法 | 第16-24页 |
| 2.4.1 传统经典算法 | 第17-21页 |
| 2.4.2 近似求解算法 | 第21-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第3章 遗传算法简介 | 第25-37页 |
| 3.1 遗传算法概述 | 第25-29页 |
| 3.1.1 遗传算法与生物进化理论 | 第25-26页 |
| 3.1.2 遗传算法发展趋势 | 第26-27页 |
| 3.1.3 遗传算法的特点 | 第27-28页 |
| 3.1.4 遗传算法的研究方向及应用 | 第28-29页 |
| 3.2 遗传算法理论基础 | 第29-31页 |
| 3.2.1 模式定理 | 第30页 |
| 3.2.2 积木块假说 | 第30-31页 |
| 3.2.3 欺骗问题 | 第31页 |
| 3.3 遗传算法基本步骤 | 第31-33页 |
| 3.4 遗传算法关键技术 | 第33-35页 |
| 3.4.1 编码 | 第33-34页 |
| 3.4.2 适应度函数 | 第34页 |
| 3.4.3 遗传算子 | 第34-35页 |
| 3.4.4 算法终止条件 | 第35页 |
| 3.5 本章小结 | 第35-37页 |
| 第4章 求解TSP问题的GBLSA算法 | 第37-54页 |
| 4.1 基于遗传算法求解TSP问题的基本方法 | 第37-42页 |
| 4.1.1 编码方式 | 第37-38页 |
| 4.1.2 种群初始化 | 第38页 |
| 4.1.3 适应度函数 | 第38-39页 |
| 4.1.4 遗传算子 | 第39-42页 |
| 4.2 GBLSA算法设计 | 第42-50页 |
| 4.2.1 编码 | 第43页 |
| 4.2.2 种群的选择 | 第43页 |
| 4.2.3 适应度函数 | 第43-44页 |
| 4.2.4 选择算子 | 第44页 |
| 4.2.5 交叉算子 | 第44-46页 |
| 4.2.6 变异算子 | 第46页 |
| 4.2.7 自适应概率的设定 | 第46-47页 |
| 4.2.8 模拟退火算法设定 | 第47-48页 |
| 4.2.9 GBLSA算法的基本步骤和算法流程图 | 第48-50页 |
| 4.3 实验结果分析 | 第50-53页 |
| 4.3.1 实验一 | 第50-53页 |
| 4.3.2 实验二 | 第53页 |
| 4.4 本章小结 | 第53-54页 |
| 第5章 总结和展望 | 第54-56页 |
| 5.1 总结 | 第54页 |
| 5.2 展望 | 第54-56页 |
| 参考文献 | 第56-58页 |
| 致谢 | 第58-59页 |
| 附录1 攻读硕士学位期间发表的论文 | 第59页 |
