B2C环境下闭环供应链定价模型的优化
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景 | 第10页 |
| 1.2 研究意义 | 第10-11页 |
| 1.3 国内外研究现状 | 第11-14页 |
| 1.3.1 闭环供应链的研究现状 | 第11-12页 |
| 1.3.2 B2C环境下闭环供应链的研究现状 | 第12-14页 |
| 1.4 文献评述 | 第14页 |
| 1.5 本文研究的主要内容、创新点 | 第14-16页 |
| 1.5.1 研究内容 | 第14-15页 |
| 1.5.2 创新点 | 第15-16页 |
| 第2章 遗传算法及其运用 | 第16-26页 |
| 2.1 遗传算法的简介 | 第16-17页 |
| 2.2 实数编码的遗传算法 | 第17页 |
| 2.3 多目标的遗传算法 | 第17-20页 |
| 2.4 多目标优化问题及Pareto最优解集 | 第20-23页 |
| 2.4.1 多目标优化问题 | 第20-21页 |
| 2.4.2 Pareto最优解集 | 第21-23页 |
| 2.5 遗传算法的运用 | 第23-26页 |
| 第3章 闭环供应链产品的多目标优化定价模型 | 第26-32页 |
| 3.1 模型描述 | 第26-27页 |
| 3.2 符号说明 | 第27页 |
| 3.3 基本假设 | 第27-28页 |
| 3.4 闭环供应链的分散化决策模型（MS情形） | 第28-29页 |
| 3.5 闭环供应链的集中化决策模型（C情形） | 第29-30页 |
| 3.6 模型的契约协调优化设计（SC情形） | 第30-32页 |
| 第4章 基于遗传算法的闭环供应链产品优化定价方法 | 第32-44页 |
| 4.1 应用遗传算法进行优化定价的技术路线 | 第32-35页 |
| 4.1.1 适应度函数的确定 | 第32-34页 |
| 4.1.2 遗传算法求解的技术路线 | 第34-35页 |
| 4.2 闭环供应链的分散化模型仿真 | 第35-38页 |
| 4.2.1 仿真参数 | 第35-36页 |
| 4.2.2 基于遗传算法的分散化模型仿真 | 第36-38页 |
| 4.3 闭环供应链的集中化模型仿真 | 第38-39页 |
| 4.3.1 仿真参数 | 第38页 |
| 4.3.2 基于遗传算法的集中化模型仿真 | 第38-39页 |
| 4.4 闭环供应链的契约协调模型仿真 | 第39-42页 |
| 4.4.1 仿真参数 | 第39-41页 |
| 4.4.2 基于遗传算法的契约协调模型仿真 | 第41-42页 |
| 4.5 面向同一市场三种经济模式的对比 | 第42-44页 |
| 第5章 总结与展望 | 第44-46页 |
| 5.1 本文主要工作总结 | 第44页 |
| 5.2 未来展望 | 第44-46页 |
| 参考文献 | 第46-50页 |
| 附录A 攻读学位期间发表的论文与科研成果清单 | 第50-52页 |
| 附录B 仿真数据 | 第52-56页 |
| 附录C 程序 | 第56-68页 |
| 致谢 | 第68页 |
