摘要 | 第5-6页 |
ABSTRACT | 第6页 |
第一章 绪论 | 第10-15页 |
1.1 研究背景及意义 | 第10-11页 |
1.1.1 研究背景 | 第10-11页 |
1.1.2 研究意义 | 第11页 |
1.2 国内外研究现状 | 第11-13页 |
1.2.1 国外研究现状 | 第11页 |
1.2.2 国内研究现状 | 第11-12页 |
1.2.3 国内外研究现状综述 | 第12-13页 |
1.3 研究内容 | 第13页 |
1.4 研究的技术路线 | 第13-15页 |
第二章 物流系统建模及常用算法概述 | 第15-38页 |
2.1 概述 | 第15-18页 |
2.1.1 物流系统建模的概念 | 第15-16页 |
2.1.2 物流系统建模的必要性论证 | 第16页 |
2.1.3 物流系统的组成研究 | 第16-17页 |
2.1.4 物流系统建模的方法 | 第17-18页 |
2.2 常用智能算法概述 | 第18-28页 |
2.2.1 蚁群算法 | 第18-20页 |
2.2.2 遗传算法 | 第20-23页 |
2.2.3 神经网络算法 | 第23-26页 |
2.2.4 模拟退火算法 | 第26-28页 |
2.3 不同智能算法的比较 | 第28-31页 |
2.3.1 蚁群算法与进化算法比较 | 第28-29页 |
2.3.2 蚁群算法与模拟退火算法比较 | 第29-30页 |
2.3.3 蚁群算法与神经网络算法比较 | 第30页 |
2.3.4 常用智能算法的优缺点对比 | 第30-31页 |
2.3.5 常用智能算法的应用领域 | 第31页 |
2.4 物流领域其他算法简介 | 第31-37页 |
2.4.1 配送路径优化问题算法 | 第31-34页 |
2.4.2 配送中心选址问题算法 | 第34-36页 |
2.4.3 运输问题算法 | 第36-37页 |
2.5 本章小结 | 第37-38页 |
第三章 遗传算法 | 第38-50页 |
3.1 遗传算法的发展背景 | 第38-39页 |
3.2 遗传算法的基本概念及模型 | 第39-45页 |
3.2.1 遗传算法的基本概念 | 第39-44页 |
3.2.2 遗传算法的基本模型 | 第44-45页 |
3.3 遗传算法的基本要素与算法流程 | 第45-46页 |
3.4 遗传算法与神经网络算法的联合应用 | 第46-48页 |
3.4.1 概述 | 第46页 |
3.4.2 算法流程 | 第46-47页 |
3.4.3 程序实现 | 第47-48页 |
3.5 遗传算法的未来研究热点及展望 | 第48-49页 |
3.6 本章小结 | 第49-50页 |
第四章 遗传算法在物流系统中的应用 | 第50-63页 |
4.1 遗传算法应用领域概述 | 第50-52页 |
4.2 遗传算法在物流配送中心选址问题中的应用 | 第52-56页 |
4.2.1 物流配送中心选址问题概述 | 第52页 |
4.2.2 基于遗传算法的物流配送中心选址模型的建立 | 第52-55页 |
4.2.3 基于遗传算法的配送中心地址的选择 | 第55-56页 |
4.3 遗传算法在物流路径配送优化问题中的应用 | 第56-60页 |
4.3.1 物流配送路径优化问题的数学模型的建立 | 第56-58页 |
4.3.2 遗传算法在物流配送路径优化问题中的应用 | 第58-60页 |
4.4 遗传算法在运输问题中的应用 | 第60-62页 |
4.4.1 运输问题数学模型的建立 | 第60页 |
4.4.2 遗传算法在运输问题中的应用 | 第60-62页 |
4.5 本章小结 | 第62-63页 |
第五章 实例分析 | 第63-68页 |
5.1 配送中心选址问题 | 第63-65页 |
5.1.1 求解结果 | 第63-64页 |
5.1.2 结论分析 | 第64-65页 |
5.2 配送路径优化问题 | 第65-66页 |
5.2.1 求解结果 | 第65-66页 |
5.2.2 结论分析 | 第66页 |
5.3 运输问题 | 第66-67页 |
5.3.1 求解结果 | 第66-67页 |
5.3.2 结论分析 | 第67页 |
5.4 本章小结 | 第67-68页 |
第六章 结论与展望 | 第68-69页 |
6.1 论文研究结论 | 第68页 |
6.2 进一步研究展望 | 第68-69页 |
致谢 | 第69-70页 |
参考文献 | 第70-72页 |
在学期间发表的论著及取得的科研成果 | 第72页 |