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 |