| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-20页 |
| 1.1 研究的背景与意义 | 第9-10页 |
| 1.2 国内外的研究现状 | 第10-17页 |
| 1.2.1 车辆路径问题的分类 | 第11-12页 |
| 1.2.2 车辆路径问题的模型研究现状 | 第12-13页 |
| 1.2.3 车辆路径问题的算法研究现状 | 第13-17页 |
| 1.3 目前研究存在的不足 | 第17-18页 |
| 1.4 技术路线 | 第18页 |
| 1.5 本论文的结构安排 | 第18-20页 |
| 2 随机配送时间车辆路径问题 | 第20-30页 |
| 2.1 随机车辆路径问题 | 第20-25页 |
| 2.1.1 随机车辆路径问题的构成要素 | 第20-21页 |
| 2.1.2 随机车辆路径问题的特征 | 第21-22页 |
| 2.1.3 随机车辆路径问题的分类 | 第22-25页 |
| 2.2 随机配送时间 | 第25-27页 |
| 2.2.1 随机配送时间的来源 | 第25-26页 |
| 2.2.2 随机配送时间的影响因素 | 第26-27页 |
| 2.3 随机配送时间车辆路径问题产生的影响 | 第27-28页 |
| 2.4 随机配送时间车辆路径优化流程 | 第28-29页 |
| 2.5 本章小结 | 第29-30页 |
| 3 随机配送时间车辆路径优化问题分析与建模 | 第30-39页 |
| 3.1 问题分析 | 第30-32页 |
| 3.1.1 VRPSTW 问题描述 | 第30-31页 |
| 3.1.2 路径优化目标 | 第31-32页 |
| 3.2 随机机会约束规划模型 | 第32页 |
| 3.3 基于随机机会约束规划理论对 VRPSTW 建模 | 第32-35页 |
| 3.3.1 符号与变量说明 | 第32-33页 |
| 3.3.2 模型建立的前提条件 | 第33-35页 |
| 3.4 VRPSTW 数学模型的建立 | 第35-38页 |
| 3.5 本章小结 | 第38-39页 |
| 4 基于自适应遗传算法 VRPSTW 模型的求解 | 第39-58页 |
| 4.1 自适应遗传算法 | 第39-45页 |
| 4.1.1 基本遗传算法 | 第39-44页 |
| 4.1.2 基本遗传算法的改进 | 第44-45页 |
| 4.2 基于自适应遗传算法 VRPSTW 模型的算法设计 | 第45-47页 |
| 4.2.1 编码方案 | 第46页 |
| 4.2.2 种群初始化 | 第46-47页 |
| 4.2.3 适应度函数计算 | 第47页 |
| 4.3 遗传操作 | 第47-51页 |
| 4.3.1 选择操作 | 第47-48页 |
| 4.3.2 交叉操作 | 第48-49页 |
| 4.3.3 变异操作 | 第49-50页 |
| 4.3.4 算法流程 | 第50-51页 |
| 4.4 算例分析与验证 | 第51-57页 |
| 4.4.1 算例基本情况 | 第51-53页 |
| 4.4.2 最优调度方案的求解 | 第53-56页 |
| 4.4.3 结果分析与总结 | 第56-57页 |
| 4.5 本章小结 | 第57-58页 |
| 总结与展望 | 第58-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-62页 |
| 攻读学位期间的研究成果 | 第62页 |