首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--一般性问题论文--理论、方法论文--算法理论论文

基于改进蚁群算法的物流配送路径优化研究

摘要第1-5页
Abstract第5-10页
第1章 绪论第10-19页
   ·课题背景和意义第10-12页
     ·课题的背景第10页
     ·问题的提出第10-11页
     ·课题研究的目的及意义第11-12页
   ·物流配送车辆路径问题第12-14页
     ·旅行商问题第12-13页
     ·车辆路径问题第13页
     ·有时间窗的VRP问题第13-14页
   ·国内外研究现状第14-16页
     ·VRP国内外研究现状第14-15页
     ·蚁群算法国内外研究现状第15-16页
   ·本课题主要内容与结构安排第16-19页
     ·本课题的主要内容第16-17页
     ·本文研究的总体结构及框图第17-19页
第2章 智能优化算法与蚁群算法概述第19-32页
   ·智能优化算法第19-22页
     ·优化算法第19-20页
     ·智能优化算法简介第20-21页
     ·智能优化算法的特性第21-22页
   ·蚁群算法第22-29页
     ·蚁群算法基本原理第22-24页
     ·蚁群算法的数学模型第24-25页
     ·算法特征第25页
     ·算法执行过程描述第25-28页
     ·蚁群算法的优缺点第28-29页
   ·蚁群算法的复杂度分析与性能评价指标第29-31页
     ·蚁群算法的时间复杂度分析第29页
     ·蚁群算法的空间复杂度分析第29-30页
     ·蚁群算法的性能评价指标第30-31页
   ·本章小结第31-32页
第3章 车辆路径问题概述第32-43页
   ·车辆路径问题概述第32-33页
     ·车辆路径问题定义第32页
     ·车辆路径问题的分类第32-33页
   ·VRPTW概述第33-35页
     ·VRPTW定义第33页
     ·时间窗问题描述第33-34页
     ·VRPTW的约束条件第34-35页
   ·车辆路径问题数学模型分析第35-40页
     ·VRP问题的数学模型第35-36页
     ·VRPTW问题的数学模型第36-38页
     ·物流配送车辆调度数学模型第38-40页
   ·车辆路径问题研究方法第40-42页
     ·精确算法第41页
     ·启发式算法第41-42页
     ·现代优化算法第42页
   ·本章小结第42-43页
第4章 改进蚁群算法研究第43-59页
   ·改进蚁群算法概述第43页
   ·纯粹的蚁群算法的改进设计第43-51页
     ·最大最小蚁群系统第44-45页
     ·具有变异和分工特征的蚁群算法第45-47页
     ·随机扰动蚁群算法第47-48页
     ·自适应蚁群算法第48-50页
     ·动态蚁群算法第50-51页
   ·新的改进蚁群算法的设计第51-58页
     ·基于C-均值法的蚁群算法第51-54页
     ·粒子群优化算法与蚁群算法的混合算法第54-56页
     ·改进的MMAS第56-58页
   ·本章小结第58-59页
第5章 VRPTW优化工具软件的设计与实现第59-81页
   ·VRPTW建模分析第59-63页
     ·仿真模型分析第59-60页
     ·IDEFO功能模型分析第60-62页
     ·仿真目标第62-63页
   ·VRP Optimizer的设计第63-67页
     ·总体介绍第63-64页
     ·设计目标第64页
     ·总体结构与主要模块的设计第64-67页
   ·VRP Optimizer的实现第67-80页
     ·系统界面及菜单介绍第68-69页
     ·系统的主要功能模块第69-75页
     ·系统的相关算法介绍第75-80页
   ·本章小结第80-81页
第6章 实验结果及分析第81-95页
   ·系统嵌入案例简介第81页
   ·广东邮政配送案例简介第81-83页
   ·实验结果及分析第83-89页
   ·实验中参数的分析第89-94页
   ·本章小结第94-95页
第7章 全文总结与展望第95-99页
   ·全文总结第95-97页
   ·研究展望第97-99页
参考文献第99-104页
致谢第104-105页
攻读硕士学位期间发表论文及取得的研究成果第105-106页
附:优秀论文首页第106-107页
附:软件著作权证书第107页

论文共107页,点击 下载论文
上一篇:北京市保障性住房小区规划研究
下一篇:基于小波变换的图像压缩算法研究