| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 研究背景 | 第8-9页 |
| 1.2 研究现状 | 第9-10页 |
| 1.2.1 物流联盟概念 | 第9页 |
| 1.2.2 车辆调度优化技术发展 | 第9-10页 |
| 1.3 课题研究目标、意义及本文主要工作 | 第10-11页 |
| 1.3.1 研究目标 | 第10页 |
| 1.3.2 研究意义 | 第10页 |
| 1.3.3 研究内容 | 第10-11页 |
| 1.4 论文结构 | 第11-12页 |
| 第二章 车辆调度优化模型与密集型物流联盟研究 | 第12-32页 |
| 2.1 车辆调度优化模型研究 | 第12-16页 |
| 2.1.1 VRP 分类法 | 第12-14页 |
| 2.1.2 VRP 典型模型 | 第14-15页 |
| 2.1.3 VRP 求解算法 | 第15-16页 |
| 2.2 密集型物流联盟运营模式 | 第16-26页 |
| 2.2.1 密集型物流联盟出现 | 第16-18页 |
| 2.2.2 密集型物流联盟优劣分析 | 第18-21页 |
| 2.2.3 虚拟物流企业联盟的建立 | 第21-23页 |
| 2.2.4 物流配送网络规划 | 第23-25页 |
| 2.2.5 联盟运输调度问题 | 第25-26页 |
| 2.3 群智能理论 | 第26-31页 |
| 2.3.1 群智能概念 | 第26-27页 |
| 2.3.2 群智能研究与发展 | 第27-29页 |
| 2.3.3 群智能应用 | 第29-31页 |
| 2.4 本章小结 | 第31-32页 |
| 第三章 应用蚁群算法实现密集型物流联盟车辆调度优化 | 第32-57页 |
| 3.1 蚁群算法 | 第32-35页 |
| 3.1.1 蚁群算法原理 | 第32-34页 |
| 3.1.2 蚁群算法发展 | 第34-35页 |
| 3.2 具有粒子群特征的优化并行蚁群算法 | 第35-50页 |
| 3.2.1 并行蚁群算法 | 第35-36页 |
| 3.2.2 并行蚁群算法模型 | 第36-37页 |
| 3.2.3 并行蚁群系统 | 第37-38页 |
| 3.2.4 并行蚁群算法设计 | 第38-43页 |
| 3.2.5 交叉与变异机制 | 第43-45页 |
| 3.2.6 算法改进 | 第45-50页 |
| 3.3 密集型物流联盟车辆调度优化问题的改进蚁群算法描述 | 第50-56页 |
| 3.3.1 配送调度问题描述 | 第50-51页 |
| 3.3.2 模型建立 | 第51-52页 |
| 3.3.3 算法选择与参数设计 | 第52-56页 |
| 3.4 本章小结 | 第56-57页 |
| 第四章 密集型物流联盟信息平台设计与仿真实验 | 第57-73页 |
| 4.1 联盟信息平台架构设计 | 第57-62页 |
| 4.1.1 前提条件 | 第57-58页 |
| 4.1.2 基本功能 | 第58-59页 |
| 4.1.3 数据交互 | 第59-62页 |
| 4.2 车辆调度优化模块实现 | 第62-66页 |
| 4.2.1 总体设计目标 | 第62-63页 |
| 4.2.2 功能设计 | 第63页 |
| 4.2.3 数据库设计 | 第63-65页 |
| 4.2.4 模块实现 | 第65-66页 |
| 4.3 系统仿真与结果分析 | 第66-72页 |
| 4.3.1 系统仿真 | 第66-71页 |
| 4.3.2 与其它算法比较 | 第71页 |
| 4.3.3 结果分析 | 第71-72页 |
| 4.4 本章小结 | 第72-73页 |
| 第五章 总结与展望 | 第73-75页 |
| 5.1 全文总结 | 第73页 |
| 5.2 未来工作展望 | 第73-75页 |
| 参考文献 | 第75-77页 |
| 致谢 | 第77-78页 |
| 攻读硕士学位期间已发表或录用的论文 | 第78-80页 |