| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第11-15页 |
| 1.1 物流配送车辆调度优化问题的研究背景及意义 | 第11-12页 |
| 1.2 国内外的研究现状 | 第12-13页 |
| 1.3 本文工作 | 第13-14页 |
| 1.4 本文的组织结构 | 第14-15页 |
| 第二章 物流配送中的车辆调度路径优化问题相关理论 | 第15-25页 |
| 2.1 物流系统中的配送车辆路径优化问题及分类 | 第15-18页 |
| 2.2 VRP问题的精确算法 | 第18页 |
| 2.3 VRP问题的启发式算法 | 第18-20页 |
| 2.3.1 VRP问题的构造启发式算法 | 第18-19页 |
| 2.3.2 VRP问题的两阶段启发式算法 | 第19页 |
| 2.3.3 VRP问题的改进启发式算法 | 第19-20页 |
| 2.4 求解VRP问题的智能优化算法 | 第20-21页 |
| 2.5 分布估计算法 | 第21-23页 |
| 2.5.1 分布估计算法的基本思想 | 第22页 |
| 2.5.2 分布估计算法的实现过程 | 第22-23页 |
| 2.6 本章小结 | 第23-25页 |
| 第三章 基于改进分布估计算法的容量约束车辆路径问题 | 第25-35页 |
| 3.1 经典VRP问题的数学模型 | 第25-26页 |
| 3.1.1 问题描述 | 第25页 |
| 3.1.2 数学模型 | 第25-26页 |
| 3.2 改进的分布估计算法 | 第26-30页 |
| 3.2.1 编码方法 | 第26-27页 |
| 3.2.2 概率模型的初始化 | 第27页 |
| 3.2.3 种群的初始化 | 第27-28页 |
| 3.2.4 概率矩阵的更新 | 第28页 |
| 3.2.5 局部搜索策略 | 第28-30页 |
| 3.3 IEDA步骤和流程图 | 第30-31页 |
| 3.4 仿真实验与结果分析 | 第31-33页 |
| 3.4.1 仿真实验1 | 第31-32页 |
| 3.4.2 仿真实验2 | 第32-33页 |
| 3.5 本章小结 | 第33-35页 |
| 第四章 随机需求的多车型车辆调度问题研究 | 第35-47页 |
| 4.1 随机需求车辆调度问题描述 | 第35-36页 |
| 4.2 随机需求车辆调度数学模型 | 第36-38页 |
| 4.3 HEDA算法步骤 | 第38-40页 |
| 4.3.1 编码方法 | 第38页 |
| 4.3.2 基于重定位与2-opt的局部搜索策略 | 第38-39页 |
| 4.3.3 混合分布估计算法 | 第39-40页 |
| 4.4 仿真实验与结果分析 | 第40-45页 |
| 4.4.1 仿真实验1 | 第40-42页 |
| 4.4.2 仿真实验2 | 第42-44页 |
| 4.4.3 仿真实验3 | 第44-45页 |
| 4.5 本章小结 | 第45-47页 |
| 第五章 考虑综合成本的低碳车辆路径研究 | 第47-57页 |
| 5.1 考虑综合成本的低碳车辆路径问题描述 | 第47页 |
| 5.2 考虑综合成本的低碳车辆路径数学模型 | 第47-50页 |
| 5.2.1 优化目标的计算 | 第47-49页 |
| 5.2.2 数学模型 | 第49-50页 |
| 5.3 基于信息熵的自适应分布估计算法 | 第50-54页 |
| 5.3.1 解的表达方法 | 第50页 |
| 5.3.2 初始种群的生成 | 第50页 |
| 5.3.3 概率模型的初始化 | 第50-51页 |
| 5.3.4 概率矩阵的自适应更新 | 第51-53页 |
| 5.3.5 算法的局部搜索策略 | 第53页 |
| 5.3.6 AEDA的整体算法步骤 | 第53-54页 |
| 5.4 仿真实验与结果分析 | 第54-56页 |
| 5.4.1 仿真实验1 | 第54-56页 |
| 5.4.2 仿真实验2 | 第56页 |
| 5.5 本章小结 | 第56-57页 |
| 第六章 总结与展望 | 第57-59页 |
| 6.1 总结 | 第57-58页 |
| 6.2 展望 | 第58-59页 |
| 致谢 | 第59-61页 |
| 参考文献 | 第61-67页 |
| 附录 (攻读硕士期间取得的成果及参加的科研项目) | 第67页 |