基于蚁群算法的物流配送车辆路径问题研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 VRP国内外研究现状 | 第10-12页 |
| 1.2.2 蚁群算法国内外研究现状 | 第12-13页 |
| 1.3 本文的主要研究内容 | 第13-15页 |
| 2 物流配送及车辆路径优化概述 | 第15-27页 |
| 2.1 基本理论 | 第15-16页 |
| 2.1.1 定义 | 第15页 |
| 2.1.2 物流配送中存在的问题 | 第15-16页 |
| 2.2 车辆路径问题概述 | 第16-19页 |
| 2.2.1 VRP的定义 | 第16页 |
| 2.2.2 VRP的构成要素 | 第16-18页 |
| 2.2.3 VRP的优化目标 | 第18-19页 |
| 2.3 车辆路径问题的数学模型 | 第19-24页 |
| 2.3.1 经典VRP模型 | 第19-21页 |
| 2.3.2 时间窗问题概述 | 第21-22页 |
| 2.3.3 带软时间窗车辆路径问题的模型 | 第22-24页 |
| 2.4 带时间窗车辆路径问题的求解方法 | 第24-26页 |
| 2.4.1 精确算法 | 第24页 |
| 2.4.2 启发式算法 | 第24-26页 |
| 2.5 本章小结 | 第26-27页 |
| 3 改进蚁群算法研究 | 第27-42页 |
| 3.1 基本蚁群算法 | 第27-32页 |
| 3.1.1 蚁群算法基本原理 | 第27页 |
| 3.1.2 基本蚁群算法中的参数及其含义 | 第27-29页 |
| 3.1.3 算法执行过程描述 | 第29-31页 |
| 3.1.4 蚁群算法的优缺点 | 第31-32页 |
| 3.2 改进蚁群算法 | 第32-36页 |
| 3.2.1 蚁群系统 | 第32-33页 |
| 3.2.2 精英蚁群系统 | 第33-34页 |
| 3.2.3 最大最小蚁群系统 | 第34-35页 |
| 3.2.4 排序蚁群系统 | 第35-36页 |
| 3.3 本文对蚁群算法的改进 | 第36-41页 |
| 3.3.1 对选择下一节点概率的改进 | 第36-37页 |
| 3.3.2 对信息素挥发因子的改进 | 第37-38页 |
| 3.3.3 基于遗传算法的蚁群算法 | 第38-40页 |
| 3.3.4 改进后的蚁群算法的计算步骤 | 第40-41页 |
| 3.4 本章小结 | 第41-42页 |
| 4 带时间窗的多车型车辆路径问题算例分析 | 第42-58页 |
| 4.1 基于Matlab的改进蚁群算法设计 | 第42-44页 |
| 4.2 问题描述 | 第44-45页 |
| 4.3 算法实现与结果分析 | 第45-58页 |
| 结论与展望 | 第58-60页 |
| 结论 | 第58-59页 |
| 展望 | 第59-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 攻读硕士期间发表的论文及科研成果 | 第65页 |
