基于改进型遗传算法下时间窗约束车辆路径问题的研究
| 内容提要 | 第1-7页 |
| 第一章 引言 | 第7-12页 |
| ·研究背景和意义 | 第7-8页 |
| ·研究现状 | 第8-10页 |
| ·本文研究的特点 | 第10-12页 |
| 第二章 遗传算法概述 | 第12-21页 |
| ·遗传算法的理论基础 | 第12-16页 |
| ·遗传算法的生物学基础 | 第12-13页 |
| ·遗传算法的数学基础 | 第13-16页 |
| ·遗传算法的具体描述 | 第16-18页 |
| ·遗传算法的研究现状及展望 | 第18-21页 |
| ·遗传算法的研究现状 | 第18-20页 |
| ·遗传算法展望 | 第20-21页 |
| 第三章 车辆路径（VRP）问题 | 第21-35页 |
| ·VRP 问题描述 | 第21-22页 |
| ·车辆路径问题定义 | 第21-22页 |
| ·车辆路径问题和旅行商问题的区别与关联 | 第22页 |
| ·带时间窗的车辆路径问题(VRPTW)的数学描述 | 第22-26页 |
| ·VRP 问题常用解决方法 | 第26-32页 |
| ·精确算法 | 第27-28页 |
| ·启发式算法 | 第28-32页 |
| ·遗传算法在车辆路径问题中的应用 | 第32-35页 |
| 第四章 用改进的遗传算法解决VRPTW | 第35-51页 |
| ·改进型遗传算法的算法思想 | 第35-36页 |
| ·系统的设计方案 | 第36-41页 |
| ·系统实现过程 | 第36-38页 |
| ·系统流程 | 第38-39页 |
| ·重要模块 | 第39-41页 |
| ·算法的改进机制 | 第41-45页 |
| ·精英种群 | 第41页 |
| ·基于精英群体的二次遗传 | 第41-42页 |
| ·自适应算法 | 第42-43页 |
| ·遗传算子改进：交叉和变异 | 第43-44页 |
| ·混合遗传算法：爬山法 | 第44-45页 |
| ·改进算法的复杂性和收敛性分析 | 第45-46页 |
| ·复杂性 | 第45-46页 |
| ·收敛性 | 第46页 |
| ·试验结果比较分析 | 第46-51页 |
| ·改进算法与传统遗传算法性能比较 | 第47页 |
| ·改进算法与无二次遗传算法性能比较 | 第47-48页 |
| ·改进算法与无自适应算法性能比较 | 第48-49页 |
| ·改进算法与无爬山搜索算法性能比较 | 第49-51页 |
| 结论 | 第51-53页 |
| 结论 | 第51页 |
| 展望 | 第51-53页 |
| 参考文献 | 第53-56页 |
| 摘要 | 第56-58页 |
| ABSTRACT | 第58-61页 |
| 致谢 | 第61页 |
