社区超市配送车辆路径问题研究与应用
摘要 | 第4-5页 |
Abstract | 第5页 |
1 绪论 | 第9-21页 |
1.1 研究背景及意义 | 第9-10页 |
1.1.1 研究背景 | 第9-10页 |
1.1.2 研究的理论意义和实践意义 | 第10页 |
1.1.2.1 理论意义 | 第10页 |
1.1.2.2 实践意义 | 第10页 |
1.2 国内外研究现状 | 第10-15页 |
1.2.1 单配送中心车辆路径问题研究现状 | 第10-12页 |
1.2.2 多配送中心车辆路径问题研究现状 | 第12-14页 |
1.2.3 带时间窗车辆路径问题研究现状 | 第14-15页 |
1.3 研究目标、研究内容与创新点 | 第15-17页 |
1.3.1 研究目标 | 第15-16页 |
1.3.2 研究内容 | 第16-17页 |
1.4 研究方法与技术路线 | 第17-19页 |
1.4.1 研究方法 | 第17页 |
1.4.2 技术路线 | 第17-19页 |
1.5 本章小结 | 第19-21页 |
2 车辆路径问题类型及算法 | 第21-29页 |
2.1 车辆路径问题类型 | 第21-22页 |
2.1.1 车辆路径问题定义 | 第21-22页 |
2.1.2 车辆路径问题类型划分 | 第22页 |
2.2 车辆路径问题的求解常见算法 | 第22-27页 |
2.2.1 精确算法 | 第22-23页 |
2.2.2 启发式算法 | 第23-25页 |
2.2.2.1 传统启发式算法 | 第23-24页 |
2.2.2.2 现代启发式算法 | 第24-25页 |
2.2.3 遗传算法 | 第25-27页 |
2.3 本章小结 | 第27-29页 |
3 超市配送常规任务优化模型 | 第29-37页 |
3.1 单配送中心车辆路径问题 | 第29-31页 |
3.1.1 问题描述 | 第29-30页 |
3.1.2 基本假设 | 第30页 |
3.1.3 参变量含义 | 第30-31页 |
3.1.4 数学模型 | 第31页 |
3.2 多配送中心车辆路径问题 | 第31-35页 |
3.2.1 问题描述 | 第32页 |
3.2.2 基本假设 | 第32-33页 |
3.2.3 参变量含义 | 第33页 |
3.2.4 数学模型 | 第33-35页 |
3.3 本章小结 | 第35-37页 |
4 超市配送临时任务优化模型 | 第37-45页 |
4.1 旅行商问题 | 第37-39页 |
4.1.1 问题描述 | 第37页 |
4.1.2 假设条件 | 第37-38页 |
4.1.3 参变量含义 | 第38页 |
4.1.4 数学模型 | 第38-39页 |
4.2 带时间窗车辆路径问题 | 第39-43页 |
4.2.1 问题描述 | 第39-40页 |
4.2.2 假设条件 | 第40页 |
4.2.3 参变量含义 | 第40-41页 |
4.2.4 数学模型 | 第41-43页 |
4.3 本章小结 | 第43-45页 |
5 模型求解算法描述 | 第45-52页 |
5.1 遗传算法流程 | 第45-46页 |
5.2 遗传算法设计 | 第46-50页 |
5.2.1 编码 | 第46-47页 |
5.2.2 初始化群体 | 第47页 |
5.2.3 适应度函数 | 第47-48页 |
5.2.4 遗传算子 | 第48-50页 |
5.3 本章小结 | 第50-52页 |
6 算例分析 | 第52-62页 |
6.1 单配送中心车辆路径问题算例分析 | 第52-54页 |
6.1.1 算例数据 | 第52-53页 |
6.1.2 仿真结果分析 | 第53-54页 |
6.2 多配送中心车辆路径问题算例分析 | 第54-56页 |
6.2.1 算例数据 | 第54-55页 |
6.2.2 仿真结果分析 | 第55-56页 |
6.3 单车车辆路径问题算例分析 | 第56-58页 |
6.3.1 算例数据 | 第56-57页 |
6.3.2 仿真结果分析 | 第57-58页 |
6.4 带时间窗车辆路径问题算例分析 | 第58-60页 |
6.4.1 算例数据 | 第58-59页 |
6.4.2 仿真结果分析 | 第59-60页 |
6.5 本章小结 | 第60-62页 |
7 总结与展望 | 第62-65页 |
7.1 总结 | 第62-63页 |
7.2 展望 | 第63-65页 |
致谢 | 第65-67页 |
参考文献 | 第67-72页 |
附录 | 第72-91页 |
个人简历、在学期间发表的学术论文及取得的研究成果 | 第91页 |