改进遗传算法在多配送中心VRPTW中的应用
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-13页 |
| 1.1 选题背景 | 第9-10页 |
| 1.2 研究目的意义及国内外研究现状 | 第10-11页 |
| 1.2.1 研究目的意义 | 第10页 |
| 1.2.2 国内外研究现状 | 第10-11页 |
| 1.3 主要研究内容及论文结构框架 | 第11-13页 |
| 2 物流配送车辆调度问题 | 第13-33页 |
| 2.1 物流配送的概念及相关介绍 | 第13-19页 |
| 2.1.1 物流的概念及介绍 | 第13-16页 |
| 2.1.2 物流配送的相关介绍 | 第16-19页 |
| 2.2 车辆路径的问题概述 | 第19-21页 |
| 2.3 车辆路径问题的研究状况 | 第21-25页 |
| 2.3.1 GA自身的改进 | 第21-23页 |
| 2.3.2 混合遗传算法的改进方法 | 第23-25页 |
| 2.4 车辆路径问题中NP类问题介绍 | 第25-27页 |
| 2.5 车辆路径问题 | 第27-31页 |
| 2.5.1 多配送中心车辆路径问题 | 第27-29页 |
| 2.5.2 基于时间窗约束的车辆路径问题 | 第29-31页 |
| 2.6 车辆路径的数学模型 | 第31-33页 |
| 3 车辆路径优化算法及遗传算法的改进 | 第33-51页 |
| 3.1 常用车辆路径优化方法 | 第33-37页 |
| 3.1.1 精确算法 | 第33-34页 |
| 3.1.2 启发式算法 | 第34-37页 |
| 3.2 基本遗传算法 | 第37-46页 |
| 3.2.1 遗传算法的基本思想 | 第37-38页 |
| 3.2.2 遗传算法的基本操作及优缺点 | 第38-45页 |
| 3.2.3 遗传算法的一般步骤 | 第45-46页 |
| 3.3 改进的遗传算法 | 第46-51页 |
| 4 遗传算法研究车辆路径问题 | 第51-58页 |
| 4.1 车辆路径问题描述和数学模型 | 第51-52页 |
| 4.1.1 问题描述 | 第51页 |
| 4.1.2 数学模型 | 第51-52页 |
| 4.2 实验验证与结果分析 | 第52-58页 |
| 4.2.1 实验验证 | 第52-54页 |
| 4.2.2 结果分析 | 第54-58页 |
| 5 总结与展望 | 第58-60页 |
| 5.1 本文研究工作总结 | 第58-59页 |
| 5.2 进一步研究方向 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 后记 | 第64-65页 |
| 攻读硕士学位期间的研究成果 | 第65-66页 |
| 附录 | 第66-76页 |
