物流配送车辆路径问题及其智能算法研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 前言 | 第8-13页 |
| 1.1 课题研究背景和意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.3 论文组织结构 | 第11页 |
| 1.4 本文的难点和创新之处 | 第11-13页 |
| 第2章 标准车辆路径问题模型及其扩展分类 | 第13-17页 |
| 2.1 车辆路径问题的描述 | 第13页 |
| 2.2 标准车辆路径问题数学模型 | 第13-14页 |
| 2.2.1 CVRP问题描述 | 第13页 |
| 2.2.2 CVRP模型的建立 | 第13-14页 |
| 2.3 车辆路径问题扩展分类及其研究现状 | 第14-16页 |
| 2.3.1 带时间窗车辆路径问题（VRPTW） | 第14-15页 |
| 2.3.2 随机车辆路径问题（SVRP） | 第15页 |
| 2.3.3 动态车辆路径问题（DVRP） | 第15-16页 |
| 2.3.4 开放式车辆路径问题（OVRP） | 第16页 |
| 2.4 本章小结 | 第16-17页 |
| 第3章 蚁群算法的改进研究及车辆路径问题求解 | 第17-29页 |
| 3.1 基本蚁群算法 | 第17-19页 |
| 3.1.1 蚁群算法原理 | 第17页 |
| 3.1.2 蚁群算法模型 | 第17-19页 |
| 3.2 基于遗传算子的改进蚁群算法（IHAC） | 第19-24页 |
| 3.2.1 编码与适应值函数 | 第19-20页 |
| 3.2.2 交叉算子 | 第20页 |
| 3.2.3 变异算子 | 第20-21页 |
| 3.2.4 Metropolis准则 | 第21页 |
| 3.2.5 算法描述 | 第21页 |
| 3.2.6 参数分析及算法测试 | 第21-24页 |
| 3.3 一种基于混合行为的改进蚁群算法 | 第24-28页 |
| 3.3.1 算法的基本思想 | 第24-25页 |
| 3.3.2 算法的实现过程 | 第25-26页 |
| 3.3.3 实验仿真及分析 | 第26-28页 |
| 3.4 本章小结 | 第28-29页 |
| 第4章 粒子群算法的改进研究及车辆路径问题求解 | 第29-35页 |
| 4.1 基本粒子群算法 | 第29-30页 |
| 4.1.1 粒子群算法原理 | 第29页 |
| 4.1.2 粒子群算法流程 | 第29-30页 |
| 4.2 基于微粒间相互作用的改进粒子群算法 | 第30-34页 |
| 4.2.1 轻子间相互作用 | 第30-31页 |
| 4.2.2 强子间相互作用 | 第31页 |
| 4.2.3 粒子衰变 | 第31-32页 |
| 4.2.4 构造粒子表达方式 | 第32页 |
| 4.2.5 算法实现步骤 | 第32-33页 |
| 4.2.6 实验仿真及分析 | 第33-34页 |
| 4.3 本章小结 | 第34-35页 |
| 第5章 总结与展望 | 第35-36页 |
| 参考文献 | 第36-39页 |
| 致谢 | 第39-42页 |
| 在学期间的科研情况 | 第42页 |
