| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第12-20页 |
| 1.1 研究背景及研究意义 | 第12-14页 |
| 1.1.1 车辆路径问题的研究背景及意义 | 第12-14页 |
| 1.1.2 相关并行计算的研究背景及意义 | 第14页 |
| 1.2 问题研究现状综述 | 第14-17页 |
| 1.3 本文的内容安排 | 第17-20页 |
| 第2章 相关基础知识 | 第20-34页 |
| 2.1 研究问题描述 | 第20-21页 |
| 2.2 模拟退火算法 | 第21-25页 |
| 2.2.1 算法基本思想 | 第21-23页 |
| 2.2.2 算法流程图 | 第23-24页 |
| 2.2.3 随机子邻域 | 第24页 |
| 2.2.4 邻域变换操作 | 第24-25页 |
| 2.3 禁忌搜索算法 | 第25-29页 |
| 2.3.1 算法基本思想 | 第25-26页 |
| 2.3.2 算法流程图 | 第26-27页 |
| 2.3.3 禁忌表和藐视准则 | 第27-29页 |
| 2.4 基于Adaptive Memory的TS算法 | 第29页 |
| 2.5 Spark分布式框架 | 第29-31页 |
| 2.6 VRPSTW问题的测试样例 | 第31-34页 |
| 第3章 多阶段混合启发式算法 | 第34-52页 |
| 3.1 初始解的生成 | 第34-36页 |
| 3.2 模拟退火算法优化车辆数量 | 第36-42页 |
| 3.2.1 邻域结构 | 第37-41页 |
| 3.2.2 随机子邻域 | 第41页 |
| 3.2.3 评价函数 | 第41-42页 |
| 3.3 禁忌搜索算法优化时间窗和距离 | 第42-51页 |
| 3.3.1 自适应存储 | 第43-46页 |
| 3.3.2 大邻域生成 | 第46-51页 |
| 3.4 实验环境及参数设置 | 第51-52页 |
| 第4章 分布式实现 | 第52-58页 |
| 4.1 Spark分布式的实现 | 第52-54页 |
| 4.2 混合算法实验结果 | 第54-58页 |
| 4.2.1 实验环境与参数设置 | 第54页 |
| 4.2.2 解的质量分析 | 第54-55页 |
| 4.2.3 时间分析 | 第55-58页 |
| 第5章 算法与外卖配送应用 | 第58-66页 |
| 5.1 外卖配送业务 | 第58-60页 |
| 5.2 实验数据准备 | 第60页 |
| 5.3 距离计算 | 第60-61页 |
| 5.4 APP开发 | 第61-66页 |
| 第6章 结论 | 第66-68页 |
| 6.1 主要工作的总结 | 第66页 |
| 6.2 后续工作的展望 | 第66-68页 |
| 参考文献 | 第68-74页 |
| 攻读硕士学位期间参与的项目与成果 | 第74-76页 |
| 致谢 | 第76页 |