首页--数理科学和化学论文--运筹学论文--最优化的数学理论论文

考虑权重的车辆路径问题的建模与蚁群算法

摘要第5-7页
Abstract第7-8页
第1章 绪论第13-19页
    1.1 课题研究背景第13-14页
    1.2 课题研究意义第14-15页
    1.3 研究目标与内容第15-16页
    1.4 研究的技术路线与方法第16-17页
    1.5 全文总体结构与安排第17-19页
第2章 蚁群算法综述第19-31页
    2.1 蚁群算法的概述第19-20页
    2.2 蚁群算法的基本原理第20-21页
    2.3 蚁群算法的基本模型第21-22页
    2.4 蚁群算法的实现第22-26页
        2.4.1 蚁群算法的实现步骤第22-23页
        2.4.2 蚁群算法的基本框架第23-24页
        2.4.3 蚁群算法的流程第24页
        2.4.4 蚁群算法的应用第24-26页
    2.5 蚁群算法分析第26-27页
        2.5.1 时间复杂度分析第26页
        2.5.2 空间复杂度分析第26-27页
        2.5.3 算法的优点及不足第27页
    2.6 蚁群算法的改进第27-30页
        2.6.1 最大最小蚁群算法第27-28页
        2.6.2 混合蚁群算法:BEAM-ACO第28-29页
        2.6.3 多蚁群算法第29-30页
    2.7 本章小结第30-31页
第3章 M-MMAS求解WSVRP第31-47页
    3.1 问题的提出第31-32页
    3.2 带货物权重单车车辆路径问题第32-34页
        3.2.1 问题描述第32-33页
        3.2.2 数学描述第33-34页
    3.3 求解WSVRP的考虑变异的最大最小蚁群算法第34-38页
        3.3.1 初始解的产生第35页
        3.3.2 变异操作第35-36页
        3.3.3 信息素的更新第36-37页
        3.3.4 算法步骤和流程第37-38页
    3.4 计算实验与分析第38-45页
        3.4.1 测试实例介绍第38-40页
        3.4.2 参数设置及运行环境第40页
        3.4.3 WSVRP模型有效性分析第40-41页
        3.4.4 不同费用参数对模型的影响分析第41-43页
        3.4.5 算法性能分析第43页
        3.4.6 M-MMAS的求解TSP效果分析第43-44页
        3.4.7 实例测试结论第44-45页
    3.5 本章小结第45-47页
第4章 BEAM-MMAS求解WVRP第47-73页
    4.1 车辆路径问题概述第47页
    4.2 带货物权重的车辆路径问题的提出第47-50页
        4.2.1 易腐食品运输现状第47-48页
        4.2.2 危险品运输现状第48-49页
        4.2.3 问题的提出第49-50页
    4.3 带货物权重的车辆路径问题的描述与模型第50-52页
        4.3.1 问题描述第50-51页
        4.3.2 数学模型第51-52页
    4.4 求解WVRP的集束蚁群算法第52-55页
        4.4.1 集束搜索介绍第52-53页
        4.4.2 算法框架第53-54页
        4.4.3 算法步骤和流程第54-55页
    4.5 实验计算与分析第55-71页
        4.5.1 实验数据第56-58页
        4.5.2 C_1参数的设置第58-59页
        4.5.3 C_1对模型适应性的影响第59-60页
        4.5.4 WVRP模型有效性分析第60-63页
        4.5.5 WVRP模型适应性分析第63-65页
        4.5.6 算法参数分析第65-69页
        4.5.7 算法性能分析-其他蚁群算法比较第69-70页
        4.5.8 算法稳定性分析第70页
        4.5.9 实例测试结论第70-71页
    4.6 本章小结第71-73页
第5章 MMAS-S求解SDWVRP第73-95页
    5.1 可拆分车辆路径问题概述第73-77页
        5.1.1 可拆分车辆路径问题第73-74页
        5.1.2 SDVRP解的基本性质第74-77页
    5.2 带货物权重的SDVRP的提出与模型第77-81页
        5.2.1 带货物权重的SDVRP的提出第77页
        5.2.2 带货物权重的SDVRP的数学模型第77-79页
        5.2.3 带权重的SDVRP解分析第79-81页
    5.3 蚁群算法设计第81-83页
        5.3.1 算法基本思想第81-82页
        5.3.2 MMAS-S算法步骤第82页
        5.3.3 MMAS-S算法流程第82-83页
    5.4 与SDVRP的比较第83-85页
    5.5 与WVRP模型的比较第85-94页
        5.5.1 车辆数的比较第85-87页
        5.5.2 费用的比较第87-94页
        5.5.3 实例测试结论第94页
    5.6 本章小结第94-95页
第6章 论文总结与展望第95-97页
    6.1 论文工作总结第95页
    6.2 展望第95-97页
参考文献第97-103页
致谢第103-105页
攻读硕士期间发表的论文、获奖情况及发明专利等项第105页

论文共105页,点击 下载论文
上一篇:求解服务选取问题的蚁群算法研究
下一篇:热轧、酸轧、退火产线的物流平衡计划研究