| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 1 绪论 | 第9-16页 |
| 1.1 多式联运的提出与定义 | 第9-10页 |
| 1.1.1 多式联运的提出 | 第9页 |
| 1.1.2 多式联运的定义 | 第9-10页 |
| 1.2 国内外多式联运发展现状 | 第10-12页 |
| 1.2.1 国际多式联运发展现状 | 第10-11页 |
| 1.2.2 国内多式联运发展现状 | 第11-12页 |
| 1.3 多式联运的研究意义 | 第12-13页 |
| 1.4 研究状况 | 第13-16页 |
| 1.4.1 路径与网络优化 | 第13-15页 |
| 1.4.2 多式联运运行管理 | 第15-16页 |
| 2 多式联运网络分析 | 第16-20页 |
| 2.1 多式联运运营服务网络的特点 | 第16-17页 |
| 2.2 轴辐式多式联运网络 | 第17-18页 |
| 2.3 多式联运优化目标 | 第18-20页 |
| 3 多式联运多目标模型构建 | 第20-26页 |
| 3.1 多式联运网络 | 第20-21页 |
| 3.2 多式联运网络设计 | 第21-22页 |
| 3.3 多式联运路径优化模型 | 第22页 |
| 3.4 带时间窗的多式联运优化模型 | 第22-24页 |
| 3.5 面向固定运输班次的多式联运路径优化 | 第24-26页 |
| 3.5.1 路径优化的目标 | 第24页 |
| 3.5.2 运输备选集 | 第24页 |
| 3.5.3 面向固定运输班次的多式联运路径优化模型 | 第24-26页 |
| 4 多式联运模型算法设计 | 第26-32页 |
| 4.1 算法选择 | 第26页 |
| 4.2 遗传算法简介 | 第26-27页 |
| 4.3 遗传算法的步骤 | 第27-28页 |
| 4.3.1 初期准备 | 第27页 |
| 4.3.2 迭代计算 | 第27-28页 |
| 4.4 Pareto适应度 | 第28-29页 |
| 4.5 带时间窗的多式联运优化模型的遗传算法流程 | 第29-32页 |
| 5 多式联运模型算例分析 | 第32-39页 |
| 5.1 初始参数 | 第32-34页 |
| 5.2 迭代计算 | 第34-37页 |
| 5.3 实验对比 | 第37-39页 |
| 5.3.1 与软时间窗模型对比 | 第37-38页 |
| 5.3.2 出发时间对实验结果的影响 | 第38-39页 |
| 6 总结与展望 | 第39-40页 |
| 6.1 总结 | 第39页 |
| 6.2 展望 | 第39-40页 |
| 致谢 | 第40-41页 |
| 参考文献 | 第41-44页 |
| 附录：Matlab实现代码 | 第44-54页 |
| 附录：攻读硕士学位期间发表学术论文 | 第54页 |