基于改进粒子群算法的生鲜电商配送路径优化研究
| 致谢 | 第4-7页 |
| 摘要 | 第7-8页 |
| 1 引言 | 第8-15页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.1.1 研究背景 | 第8-9页 |
| 1.1.2 研究意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-13页 |
| 1.2.1 生鲜农产品电商发展现状 | 第9-10页 |
| 1.2.2 生鲜农产品配送的研究现状 | 第10-11页 |
| 1.2.3 带时间窗的配送路径问题 | 第11-12页 |
| 1.2.4 累积前景理论在路径优化中的应用 | 第12-13页 |
| 1.3 文章的主要研究内容及创新点 | 第13-15页 |
| 1.3.1 本文的主要内容 | 第13-14页 |
| 1.3.2 文章的创新点 | 第14-15页 |
| 2 相关理论概述 | 第15-20页 |
| 2.1 累积前景理论概述 | 第15-16页 |
| 2.2 生鲜农产品相关研究概述 | 第16-17页 |
| 2.2.1 生鲜农产品的主要特点 | 第16页 |
| 2.2.2 生鲜电商物流配送特性 | 第16-17页 |
| 2.3 配送路径相关问题概述 | 第17-19页 |
| 2.3.1 配送路径问题及其分类 | 第17-18页 |
| 2.3.2 VRPTW问题的概念与描述 | 第18-19页 |
| 2.4 本章小结 | 第19-20页 |
| 3 生鲜电商配送路径优化模型的建立 | 第20-25页 |
| 3.1 确立优化目标 | 第20-21页 |
| 3.2 时间窗问题探究 | 第21-22页 |
| 3.3 基于CPT的决策方案 | 第22页 |
| 3.4 建立生鲜电商配送路径优化模型 | 第22-24页 |
| 3.4.1 问题描述及参数定义 | 第22-23页 |
| 3.4.2 建立模型 | 第23-24页 |
| 3.5 本章小结 | 第24-25页 |
| 4 粒子群算法及其改进 | 第25-36页 |
| 4.1 基本粒子群算法 | 第25-27页 |
| 4.1.1 PSO算法的数学模型 | 第25页 |
| 4.1.2 PSO算法的基本流程 | 第25-27页 |
| 4.1.3 PSO算法的优点与不足 | 第27页 |
| 4.2 粒子群算法的改进 | 第27-32页 |
| 4.2.1 改进PSO算法的基本思想 | 第27-28页 |
| 4.2.2 改进PSO算法的基本流程 | 第28-29页 |
| 4.2.3 实验分析 | 第29-32页 |
| 4.3 算例分析 | 第32-34页 |
| 4.3.1 算例设计 | 第32-33页 |
| 4.3.2 结果分析 | 第33-34页 |
| 4.4 本章小结 | 第34-36页 |
| 5 结论与展望 | 第36-38页 |
| 5.1 研究结论 | 第36页 |
| 5.2 前景展望 | 第36-38页 |
| 参考文献 | 第38-43页 |
| ABSTRACT | 第43-44页 |
| 附录 攻读硕士学位期间发表的学术论文 | 第45页 |
