| 致谢 | 第5-6页 |
| 中文摘要 | 第6-8页 |
| ABSTRACT | 第8-9页 |
| 1 引言 | 第20-50页 |
| 1.1 研究背景 | 第20-37页 |
| 1.1.1 我国高速铁路食品配送服务现状 | 第20-27页 |
| 1.1.2 高速铁路列车餐饮配送的经营模式 | 第27-30页 |
| 1.1.3 物流网络设计与产品流分配问题 | 第30-31页 |
| 1.1.4 时间敏感物流服务的不确定与时间管控技术 | 第31-32页 |
| 1.1.5 问题的提出 | 第32-37页 |
| 1.1.6 研究意义 | 第37页 |
| 1.2 研究现状 | 第37-47页 |
| 1.2.1 质量功能展开方法 | 第38-40页 |
| 1.2.2 网络设计与路径选择问题 | 第40-43页 |
| 1.2.3 供应链的网络流理论 | 第43-46页 |
| 1.2.4 库存论相关问题 | 第46-47页 |
| 1.3 研究内容与技术路线 | 第47-50页 |
| 1.3.1 研究内容与方法论 | 第47-48页 |
| 1.3.2 论文结构 | 第48-50页 |
| 2 备选服务车站选择:鲁棒性导向的模糊决策 | 第50-92页 |
| 2.1 备选服务车站的基本要求与评价指标 | 第51-54页 |
| 2.2 备选服务车站选择过程中的不确定性 | 第54-55页 |
| 2.3 两阶段模糊质量屋的构建 | 第55-60页 |
| 2.3.1 模糊集的基本概念 | 第55页 |
| 2.3.2 构建两阶段模糊质量屋 | 第55-60页 |
| 2.4 鲁棒性分析 | 第60-66页 |
| 2.4.1 模糊权重的随机化 | 第60-62页 |
| 2.4.2 随机生成模糊输入 | 第62-63页 |
| 2.4.3 随机波动性的推演 | 第63-64页 |
| 2.4.4 鲁棒性指标 | 第64-66页 |
| 2.5 两阶段鲁棒性模糊优化 | 第66-71页 |
| 2.5.1 决策变量与参数 | 第66-67页 |
| 2.5.2 鲁棒性导向的目标函数 | 第67-69页 |
| 2.5.3 第一阶段鲁棒性模糊优化模型 | 第69页 |
| 2.5.4 第二阶段鲁棒性模糊优化模型 | 第69-71页 |
| 2.6 求解算法 | 第71-76页 |
| 2.6.1 求解第一阶段模型算法 | 第72-74页 |
| 2.6.2 求解第二阶段模型的混合交叉熵算法 | 第74-76页 |
| 2.7 案例分析 | 第76-89页 |
| 2.7.1 小规模案例研究 | 第78-86页 |
| 2.7.2 大规模案例研究 | 第86-89页 |
| 2.8 本章小结 | 第89-92页 |
| 3 分销网络设计问题:整合网络设计与冷藏车路径选择 | 第92-140页 |
| 3.1 问题的描述与假设 | 第93-99页 |
| 3.1.1 符号与参数 | 第95-97页 |
| 3.1.2 决策变量 | 第97-98页 |
| 3.1.3 基本假设 | 第98-99页 |
| 3.2 网络表达 | 第99-113页 |
| 3.2.1 物理网络和网络解 | 第100-105页 |
| 3.2.2 服务网络和运营方案 | 第105-108页 |
| 3.2.3 将保质期约束重构为时间预算约束 | 第108-113页 |
| 3.3 模型建立 | 第113-120页 |
| 3.3.1 3E-LRPTWTDC模型 | 第113-116页 |
| 3.3.2 3E-LRPTWTDC的下界 | 第116-120页 |
| 3.4 求解算法 | 第120-124页 |
| 3.4.1 混合交叉熵算法 | 第120-123页 |
| 3.4.2 时间导向的最近邻域搜索算法 | 第123页 |
| 3.4.3 跳脱局部解的方法 | 第123-124页 |
| 3.5 案例分析 | 第124-139页 |
| 3.5.1 小规模案例研究 | 第124-128页 |
| 3.5.2 大规模案例分析 | 第128-139页 |
| 3.6 本章小结 | 第139-140页 |
| 4 冷链食品的分配计划编制:考虑流变交付时间与保质期 | 第140-172页 |
| 4.1 准备工作 | 第141-145页 |
| 4.1.1 网络定义 | 第141-144页 |
| 4.1.2 符号参数 | 第144-145页 |
| 4.2 问题陈述 | 第145-151页 |
| 4.2.1 决策变量与流平衡约束 | 第146-147页 |
| 4.2.2 基于流变交付时间的保质期约束 | 第147-150页 |
| 4.2.3 基于不确定需求的成本和收入函数 | 第150-151页 |
| 4.3 模型建立 | 第151-157页 |
| 4.3.1 CF-DPP-CSHRs的优化模型描述 | 第151-152页 |
| 4.3.2 CF-DPP-CSHRs的变分不等式描述 | 第152-157页 |
| 4.4 求解算法 | 第157-159页 |
| 4.4.1 求解PATH-TU-PFSC-VIP的欧拉迭代 | 第157页 |
| 4.4.2 保质期约束的拉格朗日定价策略 | 第157-158页 |
| 4.4.3 结合增广拉格朗日算法的欧拉迭代格 | 第158页 |
| 4.4.4 算法的执行 | 第158-159页 |
| 4.5 案例研究 | 第159-170页 |
| 4.5.1 灵敏度分析 | 第160-164页 |
| 4.5.2 增广拉格朗日算法与其他算法的比较 | 第164-167页 |
| 4.5.3 大规模案例分析 | 第167-170页 |
| 4.6 本章小结 | 第170-172页 |
| 5 常温食品的分配计划编制:考虑时变需求与列车冷藏库存控制 | 第172-200页 |
| 5.1 问题陈述 | 第173-179页 |
| 5.1.1 假设与符号 | 第173-175页 |
| 5.1.2 网络表达 | 第175-179页 |
| 5.2 模型建立 | 第179-181页 |
| 5.2.1 目标函数 | 第179-180页 |
| 5.2.2 约束条件 | 第180-181页 |
| 5.3 基于拉格朗日替代方法的求解算法 | 第181-186页 |
| 5.3.1 变量替代 | 第181-182页 |
| 5.3.2 问题的分解 | 第182-185页 |
| 5.3.3 次梯度算法 | 第185-186页 |
| 5.4 案例研究 | 第186-196页 |
| 5.4.1 小规模案例分析 | 第186-190页 |
| 5.4.2 随机案例测试 | 第190-194页 |
| 5.4.3 大规模案例分析 | 第194-196页 |
| 5.5 本章小结 | 第196-200页 |
| 6 结论 | 第200-204页 |
| 6.1 研究结论 | 第200-201页 |
| 6.2 创新点 | 第201-202页 |
| 6.3 研究展望 | 第202-204页 |
| 参考文献 | 第204-214页 |
| 附录A 第1章调查问卷 | 第214-216页 |
| 附录B 第3章列车餐饮需求的估计方法 | 第216-218页 |
| 附录C 第3章大规模案例运输距离与行驶时间的估算方法 | 第218-220页 |
| 附录D 第4章京沪案例冷链食品分配计划表 | 第220-234页 |
| 附录E 第5章京沪案例常温食品分配计划表 | 第234-274页 |
| 作者简历及攻读博士学位期间取得的研究成果 | 第274-278页 |
| 学位论文数据集 | 第278页 |
