蚁群混合遗传算法在物流配送中的研究与应用
| 摘要 | 第1-6页 |
| Abstract | 第6-13页 |
| 引言 | 第13-14页 |
| 1 绪论 | 第14-19页 |
| ·研究背景 | 第14-15页 |
| ·研究意义 | 第15-16页 |
| ·问题的提出 | 第16-17页 |
| ·国内外研究现状 | 第17-18页 |
| ·本文研究内容 | 第18-19页 |
| 2 物流配送系统研究 | 第19-25页 |
| ·物流概述 | 第19-21页 |
| ·物流的概念 | 第19页 |
| ·物流的分类 | 第19-20页 |
| ·物流的职能 | 第20-21页 |
| ·物流配送 | 第21-25页 |
| ·配送的概念 | 第21页 |
| ·配送的基本环节 | 第21-22页 |
| ·物流配送分类 | 第22-23页 |
| ·配送的意义 | 第23-25页 |
| 3 物流配送车辆调度的数学模型 | 第25-32页 |
| ·一般车辆调度问题 | 第25-27页 |
| ·带有时间窗的车辆调度问题 | 第27-30页 |
| ·问题描述 | 第27-29页 |
| ·数学模型 | 第29-30页 |
| ·VRP研究方法总结 | 第30-32页 |
| 4 遗传算法和蚁群算法 | 第32-43页 |
| ·遗传算法 | 第32-37页 |
| ·遗传算法的产生与发展 | 第32-33页 |
| ·遗传算法基本概念 | 第33页 |
| ·遗传算法基本步骤 | 第33-37页 |
| ·遗传算法的特点 | 第37页 |
| ·遗传算法在VRP中的应用 | 第37页 |
| ·蚁群算法 | 第37-43页 |
| ·基本原理 | 第38-39页 |
| ·基本蚁群算法的系统模型 | 第39-41页 |
| ·蚁群算法流程 | 第41页 |
| ·蚁群算法特点 | 第41页 |
| ·蚁群算法的改进 | 第41-42页 |
| ·蚁群算法在VRP中的应用 | 第42-43页 |
| 5 蚁群混合遗传算法在VRPTW中的应用 | 第43-58页 |
| ·算法结合的可行性 | 第43-44页 |
| ·背景 | 第43页 |
| ·两种算法的缺点 | 第43-44页 |
| ·算法结合的基本思想 | 第44页 |
| ·本文研究的VRPTW | 第44-45页 |
| ·算法关键环节 | 第45-53页 |
| ·编码 | 第45-47页 |
| ·初始化种群 | 第47页 |
| ·适应度函数 | 第47页 |
| ·选择算子 | 第47-49页 |
| ·交叉算子 | 第49-50页 |
| ·变异算子 | 第50-51页 |
| ·蚁群算法规则 | 第51-53页 |
| ·算法的衔接 | 第53页 |
| ·算法的步骤 | 第53-54页 |
| ·算法试验与结果分析 | 第54-58页 |
| ·试验数据 | 第54-55页 |
| ·参数设置 | 第55-56页 |
| ·结果分析 | 第56-57页 |
| ·小结 | 第57-58页 |
| 6 物流配送车辆管理系统开发分析 | 第58-65页 |
| ·系统开发的意义 | 第58页 |
| ·系统分析 | 第58-60页 |
| ·系统分析的任务 | 第58-59页 |
| ·系统开发的原则 | 第59页 |
| ·采用的技术 | 第59-60页 |
| ·设计目标 | 第60页 |
| ·系统的实现 | 第60-65页 |
| ·物流配送业务流程 | 第60页 |
| ·系统主要功能 | 第60-61页 |
| ·系统结构图 | 第61页 |
| ·主要功能模块分析 | 第61-65页 |
| 结论 | 第65-67页 |
| 参考文献 | 第67-71页 |
| 附录A R1-02数据 | 第71-75页 |
| 致谢 | 第75-76页 |
| 作者简介及读研期间主要科研成果 | 第76页 |
