| 致谢 | 第9-10页 |
| 摘要 | 第10-12页 |
| ABSTRACT | 第12-14页 |
| 主要符号说明 | 第22-24页 |
| 1 绪论 | 第24-32页 |
| 1.1 研究背景及意义 | 第24-27页 |
| 1.1.1 研究背景 | 第24-26页 |
| 1.1.2 研究意义 | 第26-27页 |
| 1.2 主要研究内容与论文组织结构 | 第27-32页 |
| 1.2.1 主要研究内容 | 第27-28页 |
| 1.2.2 论文组织结构 | 第28-32页 |
| 2 车辆路径问题研究现状及相关理论 | 第32-44页 |
| 2.1 车辆路径问题研究现状 | 第32-39页 |
| 2.1.1 多配送中心的车辆路径问题 | 第33-34页 |
| 2.1.2 开放式车辆路径问题 | 第34-35页 |
| 2.1.3 时间窗口约束的车辆路径问题 | 第35-36页 |
| 2.1.4 动态需求车辆路径问题 | 第36-38页 |
| 2.1.5 带集货送货需求的车辆路径问题 | 第38-39页 |
| 2.2 最优化理论 | 第39-40页 |
| 2.3 蚁群优化原理 | 第40-41页 |
| 2.4 最大最小蚂蚁系统 | 第41-42页 |
| 2.5 动态混合蚁群优化 | 第42-43页 |
| 2.6 本章小结 | 第43-44页 |
| 3 求解最小最大车辆路径问题的蚁群优化算法 | 第44-62页 |
| 3.1 问题的提出 | 第44页 |
| 3.2 问题的建模 | 第44-45页 |
| 3.3 动态最大最小蚂蚁系统的构建 | 第45-49页 |
| 3.3.1 路径的选择 | 第46页 |
| 3.3.2 信息素的更新 | 第46-47页 |
| 3.3.3 参数的设定 | 第47-48页 |
| 3.3.4 局部搜素 | 第48-49页 |
| 3.4 信息素动态自适应调控 | 第49-52页 |
| 3.4.1 信息素自适应限界 | 第49-51页 |
| 3.4.2 信息素关联累积 | 第51-52页 |
| 3.5 DMMAS-MMVRP算法的设计 | 第52-54页 |
| 3.5.1 车辆行驶最长距离L的界定 | 第52-53页 |
| 3.5.2 DMMAS-MMVRP算法流程 | 第53-54页 |
| 3.6 实验结果与分析 | 第54-60页 |
| 3.6.1 仿真环境设置 | 第54-55页 |
| 3.6.2 DMMAS -MMVRP算法仿真及比较分析 | 第55-60页 |
| 3.7 本章小结 | 第60-62页 |
| 4 求解开放式车辆路径问题的混合蚁群优化算法 | 第62-76页 |
| 4.1 问题的提出 | 第62页 |
| 4.2 问题的建模 | 第62-63页 |
| 4.3 混合蚁群优化算法HACO | 第63-69页 |
| 4.3.1 路径的选择 | 第64页 |
| 4.3.2 信息素更新 | 第64-65页 |
| 4.3.3 参数的设定 | 第65页 |
| 4.3.4 构造初始解集 | 第65-66页 |
| 4.3.5 局部搜索 | 第66-68页 |
| 4.3.6 粒子群优化算法 | 第68-69页 |
| 4.4 HACO算法流程 | 第69-70页 |
| 4.5 实验结果与分析 | 第70-74页 |
| 4.6 本章小结 | 第74-76页 |
| 5 求解带时间窗车辆路径问题的蚁群优化算法 | 第76-94页 |
| 5.1 问题的提出 | 第76页 |
| 5.2 问题的建模 | 第76-77页 |
| 5.3 动态混合蚁群优化算法DHACO | 第77-85页 |
| 5.3.1 路径的选择 | 第78-79页 |
| 5.3.2 信息素更新方法的改进 | 第79-80页 |
| 5.3.3 遗传算子 | 第80-81页 |
| 5.3.4 参数的设定 | 第81-83页 |
| 5.3.5 局部搜索 | 第83-84页 |
| 5.3.6 蚂蚁遗传混合算法融合策略 | 第84-85页 |
| 5.4 DHACO-VRPTW算法 | 第85-87页 |
| 5.4.1 VRPTW问题的求解过程 | 第85页 |
| 5.4.2 DHACO算法参数控制 | 第85-86页 |
| 5.4.3 DHACO-VRPTW算法 | 第86-87页 |
| 5.5 实验结果与分析 | 第87-92页 |
| 5.5.1 仿真环境设置 | 第87页 |
| 5.5.2 DHACO -VRPTW算法仿真及比较分析 | 第87-92页 |
| 5.6 本章小结 | 第92-94页 |
| 6 求解带时间窗的同时取送货车辆路径问题的蚁群优化算法 | 第94-108页 |
| 6.1 问题的提出 | 第94页 |
| 6.2 问题的建模 | 第94-96页 |
| 6.3 改进混合蚁群优化算法IHACO | 第96-101页 |
| 6.3.1 路径的选择 | 第96页 |
| 6.3.2 信息素更新规则的改进 | 第96-97页 |
| 6.3.3 构造初始可行解 | 第97-98页 |
| 6.3.4 局部搜索 | 第98-99页 |
| 6.3.5 ACO参数优化 | 第99-101页 |
| 6.4 IHACO算法流程 | 第101-102页 |
| 6.5 实验结果与分析 | 第102-106页 |
| 6.5.1 小规模VRPSPDTW结果分析 | 第103-105页 |
| 6.5.2 大规模VRPSPDTW结果分析 | 第105-106页 |
| 6.5.3 与其他启发算法的比较 | 第106页 |
| 6.6 本章小结 | 第106-108页 |
| 7 动态混合蚁群优化算法DHACO的应用 | 第108-120页 |
| 7.1 算法应用背景与现状及意义 | 第108-110页 |
| 7.1.1 应用背景 | 第108页 |
| 7.1.2 应用系统研究现状 | 第108-109页 |
| 7.1.3 应用意义 | 第109-110页 |
| 7.2 问题及其形式化描述 | 第110-113页 |
| 7.2.1 具体问题及其求解方法 | 第110-111页 |
| 7.2.2 企业铁路取送车作业模型 | 第111-113页 |
| 7.3 基于DHACO的取送车作业优化 | 第113-114页 |
| 7.3.1 DHACO设计 | 第113页 |
| 7.3.2 DHACO算法选取 | 第113-114页 |
| 7.4 系统实现 | 第114-118页 |
| 7.4.1 研发平台与设计 | 第114-115页 |
| 7.4.2 系统界面及功能 | 第115-118页 |
| 7.5 系统应用情况 | 第118-119页 |
| 7.6 本章小结 | 第119-120页 |
| 8 总结与展望 | 第120-122页 |
| 8.1 全文总结 | 第120-121页 |
| 8.2 未来研究展望 | 第121-122页 |
| 参考文献 | 第122-134页 |
| 攻读博士学位期间的学术活动及成果情况 | 第134-136页 |
