城市快递配送条件下的多目标车辆路径优化研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-18页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 研究目的和意义 | 第10页 |
| 1.3 国内外研究文献综述与分析 | 第10-14页 |
| 1.3.1 国外研究现状 | 第10-12页 |
| 1.3.2 国内研究现状 | 第12-13页 |
| 1.3.3 国内外文献综述 | 第13-14页 |
| 1.4 研究内容与研究方法 | 第14-18页 |
| 1.4.1 研究内容与创新点 | 第14-15页 |
| 1.4.2 研究方法与技术路线图 | 第15-18页 |
| 第2章 城市快递配送路径优化的理论基础 | 第18-31页 |
| 2.1 城市快递配送相关理论 | 第18-19页 |
| 2.1.1 城市快递配送的特点 | 第18-19页 |
| 2.1.2 城市快递网络基本理论 | 第19页 |
| 2.2 车辆路径问题相关理论 | 第19-24页 |
| 2.2.1 车辆路径问题的概念和基本模型 | 第19-20页 |
| 2.2.2 车辆路径问题的分类 | 第20-22页 |
| 2.2.3 车辆路径问题的求解算法 | 第22-23页 |
| 2.2.4 带时间窗的车辆路径问题（VRPTW） | 第23-24页 |
| 2.3 遗传算法相关理论 | 第24-27页 |
| 2.3.1 遗传算法的特点 | 第24-25页 |
| 2.3.2 遗传算法的基本流程 | 第25-27页 |
| 2.4 多目标优化问题相关理论 | 第27-30页 |
| 2.4.1 多目标优化问题的定义 | 第27页 |
| 2.4.2 多目标车辆路径问题和VRPTW研究 | 第27-29页 |
| 2.4.3 多目标优化问题的基本遗传算法求解 | 第29-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第3章 多目标VRPTW模型构建和遗传算法求解 | 第31-40页 |
| 3.1 多目标VRPTW模型构建 | 第31-34页 |
| 3.1.1 问题描述 | 第31页 |
| 3.1.2 模型假设 | 第31-32页 |
| 3.1.3 多目标VRPTW模型构建 | 第32-34页 |
| 3.2 基于遗传算法的求解 | 第34-38页 |
| 3.2.1 遗传编码和初始种群生成 | 第34-35页 |
| 3.2.2 约束条件处理和适应度函数评价 | 第35-37页 |
| 3.2.3 遗传操作 | 第37-38页 |
| 3.2.4 参数设置和终止准则判定 | 第38页 |
| 3.2.5 算法的流程 | 第38页 |
| 3.3 本章小结 | 第38-40页 |
| 第4章 实例分析 | 第40-51页 |
| 4.1 实例分析 | 第40-44页 |
| 4.1.1 实例介绍 | 第40-41页 |
| 4.1.2 运算结果 | 第41-42页 |
| 4.1.3 结果分析 | 第42-44页 |
| 4.2 多目标VRPTW模型约束条件分析 | 第44-50页 |
| 4.2.1 时间窗因素影响 | 第44-46页 |
| 4.2.2 不确定时间因素影响 | 第46-48页 |
| 4.2.3 车辆类型因素影响 | 第48-50页 |
| 4.3 本章小结 | 第50-51页 |
| 结论 | 第51-52页 |
| 参考文献 | 第52-57页 |
| 附录 | 第57-60页 |
| 致谢 | 第60页 |
