| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.1.1 研究背景 | 第8页 |
| 1.1.2 研究意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.2.1 农产品物流配送研究现状 | 第9-10页 |
| 1.2.2 带时间窗的车辆路径问题研究现状 | 第10-11页 |
| 1.2.3 文化基因算法研究现状 | 第11-12页 |
| 1.3 本文的创新点和研究内容 | 第12-14页 |
| 1.3.1 创新点 | 第12页 |
| 1.3.2 研究内容 | 第12-14页 |
| 第2章 农产品物流配送车辆路径优化模型的建立 | 第14-23页 |
| 2.1 车辆路径问题 | 第14-18页 |
| 2.1.1 车辆路径问题的描述 | 第14页 |
| 2.1.2 车辆路径问题的组成要素 | 第14-16页 |
| 2.1.3 车辆路径问题的分类 | 第16-18页 |
| 2.2 带时间窗车辆路径问题(VRPTM)概述 | 第18-19页 |
| 2.2.1 时间窗问题 | 第18页 |
| 2.2.2 带时间窗车辆路径问题的求解方法 | 第18-19页 |
| 2.3 车辆路径优化问题数学模型的构建 | 第19-22页 |
| 2.3.1 农产品配送的优化目标 | 第19页 |
| 2.3.2 农产品物流配送VRPTM模型构建 | 第19-22页 |
| 2.4 小结 | 第22-23页 |
| 第3章 文化基因算法理论研究 | 第23-37页 |
| 3.1 遗传算法 | 第23-27页 |
| 3.1.1 遗传算法基本原理 | 第23页 |
| 3.1.2 遗传算法相关概念 | 第23-25页 |
| 3.1.3 遗传算法主要步骤 | 第25-26页 |
| 3.1.4 遗传算法特点 | 第26-27页 |
| 3.2 文化基因算法概述 | 第27-36页 |
| 3.2.1 文化基因算法流程 | 第28-31页 |
| 3.2.2 文化基因算法的局部搜索策略 | 第31-35页 |
| 3.2.3 文化基因算法的特点 | 第35-36页 |
| 3.3 小结 | 第36-37页 |
| 第4章 基于Memetic算法的农产品物流配送路径优化 | 第37-55页 |
| 4.1 农产品物流车辆配送路径的文化基因算法 | 第37-44页 |
| 4.1.1 编码 | 第37-38页 |
| 4.1.2 初始种群的生成 | 第38页 |
| 4.1.3 适应度函数 | 第38页 |
| 4.1.4 进化算子 | 第38-40页 |
| 4.1.5 局部搜索操作 | 第40-43页 |
| 4.1.6 终止条件 | 第43-44页 |
| 4.2 案例分析 | 第44-54页 |
| 4.2.1 背景介绍 | 第44页 |
| 4.2.2 案例描述 | 第44-46页 |
| 4.2.3 结果及对比分析 | 第46-54页 |
| 4.3 小结 | 第54-55页 |
| 第5章 总结与展望 | 第55-57页 |
| 5.1 总结 | 第55页 |
| 5.2 展望 | 第55-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 附录 | 第62-65页 |