| 摘要 | 第9-10页 |
| Abstract | 第10-11页 |
| 第1章 绪论 | 第12-20页 |
| 1.1 课题的提出和意义 | 第12-14页 |
| 1.2 国内外研究现状 | 第14-18页 |
| 1.2.1 货位优化文献综述 | 第14-15页 |
| 1.2.2 路径优化文献综述 | 第15-18页 |
| 1.3 论文研究的主要内容和创新点 | 第18-20页 |
| 1.3.1 论文的主要内容 | 第18-19页 |
| 1.3.2 论文的创新点 | 第19-20页 |
| 第2章 动力贯通式货架入库调度优化模型的建立 | 第20-32页 |
| 2.1 动力贯通式货架的自动立体化仓库简介 | 第20-25页 |
| 2.1.1 动力贯通式货架简介 | 第20-22页 |
| 2.1.2 龙门式提升穿梭车简介 | 第22-23页 |
| 2.1.3 动力贯通式货架出入库流程简介 | 第23-25页 |
| 2.2 动力贯通式货架入库调度优化问题的概述 | 第25-29页 |
| 2.2.1 入库调度优化问题的影响因素 | 第26-28页 |
| 2.2.2 货位优化原则 | 第28-29页 |
| 2.3 货位优化模型的建立 | 第29-30页 |
| 2.4 本章小结 | 第30-32页 |
| 第3章 基于多目标遗传算法动力贯通式货架货位优化 | 第32-44页 |
| 3.1 多目标货位优化模型简化 | 第32-36页 |
| 3.1.1 多目标优化问题模型 | 第32页 |
| 3.1.2 多目标优化问题求解方法 | 第32-34页 |
| 3.1.3 多目标动力贯通式货架货位优化实例分析 | 第34-36页 |
| 3.2 遗传算法 | 第36-39页 |
| 3.2.1 遗传算法基本原理 | 第36-37页 |
| 3.2.2 基于遗传算法的动力贯通式货架货位优化 | 第37-39页 |
| 3.3 实例计算分析 | 第39-42页 |
| 3.4 本章小结 | 第42-44页 |
| 第4章 基于蚁群算法龙门式提升穿梭车入库调度路径优化 | 第44-56页 |
| 4.1 蚁群算法 | 第44-47页 |
| 4.1.1 蚁群算法基本原理 | 第44-46页 |
| 4.1.2 蚁群算法解决路径优化问题基本步骤 | 第46-47页 |
| 4.2 龙门式提升穿梭车入库调度路径优化模型的建立 | 第47-52页 |
| 4.2.1 假设条件 | 第48页 |
| 4.2.2 初始化参数定义 | 第48-49页 |
| 4.2.3 计算单一货物入库最短距离 | 第49-50页 |
| 4.2.4 计算寻找下一货物的最短距离 | 第50页 |
| 4.2.5 迭代寻找最佳路径 | 第50-52页 |
| 4.3 实例计算分析 | 第52-55页 |
| 4.4 本章小结 | 第55-56页 |
| 总结与展望 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 攻读硕士学位期间发表论文 | 第62-64页 |
| 致谢 | 第64-65页 |
| 学位论文评阅及答辩情况表 | 第65页 |