基于城市路网的快递车辆路径研究
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-20页 |
| 1.1 研究背景和研究意义 | 第10-12页 |
| 1.1.1 研究背景 | 第10-11页 |
| 1.1.2 研究目的和意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-17页 |
| 1.2.1 车辆路径问题 | 第12-14页 |
| 1.2.2 蚁群算法 | 第14-17页 |
| 1.3 本文的研究内容和方法 | 第17-20页 |
| 1.3.1 研究内容的创新点 | 第17-18页 |
| 1.3.2 研究方法和技术路线 | 第18-20页 |
| 第2章 物流配送与车辆路径优化问题的概述 | 第20-30页 |
| 2.1 物流与配送的概念 | 第20-21页 |
| 2.1.1 物流的定义 | 第20页 |
| 2.1.2 配送的概念 | 第20-21页 |
| 2.2 车辆路径优化问题 | 第21-24页 |
| 2.2.1 车辆路径问题的概念和基本模型 | 第21-23页 |
| 2.2.2 TSP问题简介以及与VRP问题区别 | 第23-24页 |
| 2.2.3 车辆路径问题的分类 | 第24页 |
| 2.3 车辆路径优化方法 | 第24-28页 |
| 2.3.1 简单精确算法 | 第24-25页 |
| 2.3.2 构造启发式算法 | 第25页 |
| 2.3.3 智能启发式算法 | 第25-28页 |
| 2.4 本章小结 | 第28-30页 |
| 第3章 VRP模型的建立及优化算法分析 | 第30-44页 |
| 3.1 快递企业配送特点分析 | 第30-31页 |
| 3.2 快递配送VRP模型的建立 | 第31-33页 |
| 3.2.1 问题的描述 | 第31页 |
| 3.2.2 模型的假设条件 | 第31页 |
| 3.2.3 超出时间窗惩罚成本的构建 | 第31-32页 |
| 3.2.4 多目标VRP模型的构建 | 第32-33页 |
| 3.3 蚁群算法的简介 | 第33-39页 |
| 3.3.1 基本蚁群算法的机制原理 | 第34-35页 |
| 3.3.2 基本蚁群算法的数学模型 | 第35-37页 |
| 3.3.3 基本蚁群算法的实现步骤 | 第37-39页 |
| 3.3.4 基本蚁群算法的优劣性 | 第39页 |
| 3.4 改进的蚁群优化算法 | 第39-43页 |
| 3.4.1 优化算法设计 | 第39-41页 |
| 3.4.1.1 MMAS中路径的构造 | 第40-41页 |
| 3.4.1.2 信息素的更新 | 第41页 |
| 3.4.2 优化算例分析 | 第41-43页 |
| 3.5 本章小结 | 第43-44页 |
| 第4章 改进的优化算法求解问题模型 | 第44-56页 |
| 4.1 算法的描述 | 第44-45页 |
| 4.1.1 算法参数的初始化 | 第44页 |
| 4.1.2 算法路径的概率选择 | 第44-45页 |
| 4.1.3 信息素更新原则 | 第45页 |
| 4.2 算法的步骤流程 | 第45-50页 |
| 4.3 改进的MMAS算法求解问题模型 | 第50-54页 |
| 4.4 本章小结 | 第54-56页 |
| 第5章 扬州市某快递货物配送路径分析及优化 | 第56-64页 |
| 5.1 扬州市某快递货物配送路径分析 | 第56-59页 |
| 5.2 扬州市某快递货物配送路径优化 | 第59-60页 |
| 5.3 优化模型的实证研究 | 第60-62页 |
| 5.4 本章小结 | 第62-64页 |
| 总结与展望 | 第64-66页 |
| 一、研究总结 | 第64页 |
| 二、展望 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 附录 | 第70-74页 |
| 致谢 | 第74-76页 |
