| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 1 绪论 | 第8-14页 |
| 1.1 选题背景及其意义 | 第8-9页 |
| 1.2 研究现状 | 第9-12页 |
| 1.2.1 国外研究现状 | 第9-10页 |
| 1.2.2 国内研究现状 | 第10-12页 |
| 1.3 本文研究问题及创新之处 | 第12页 |
| 1.4 章节安排 | 第12-14页 |
| 2 带时间窗的车辆路径问题的研究 | 第14-30页 |
| 2.1 车辆路径问题的描述与数学模型 | 第14-16页 |
| 2.1.1 车辆路径问题的简单模型——旅行商问题 | 第14-15页 |
| 2.1.2 车辆路径问题的基本概念 | 第15-16页 |
| 2.1.3 车辆路径问题的一般分类 | 第16页 |
| 2.2 带时间窗的车辆路径问题模型 | 第16-18页 |
| 2.2.1 带时间窗的车辆路径问题的一般分类 | 第17-18页 |
| 2.3 带时间窗的车辆路径问题求解的常见算法 | 第18-22页 |
| 2.3.1 精确算法 | 第19页 |
| 2.3.2 启发式算法 | 第19-21页 |
| 2.3.3 现代启发式算法 | 第21-22页 |
| 2.4 遗传算法 | 第22-30页 |
| 2.4.1 遗传算法的基本要素及概念 | 第23页 |
| 2.4.2 染色体编码 | 第23-24页 |
| 2.4.3 初始种群的产生 | 第24页 |
| 2.4.4 适应度函数的设计 | 第24页 |
| 2.4.5 遗传算子的设计 | 第24-26页 |
| 2.4.6 参数选择 | 第26-27页 |
| 2.4.7 终止循环条件 | 第27页 |
| 2.4.8 遗传算法的流程图 | 第27-28页 |
| 2.4.9 遗传算法的特点 | 第28页 |
| 2.4.10 遗传算法的应用 | 第28-30页 |
| 3 多目标带时间窗VRP的研究 | 第30-37页 |
| 3.1 多目标优化问题 | 第30-32页 |
| 3.1.1 基本理论 | 第30-31页 |
| 3.1.2 Pareto解的相关概念 | 第31-32页 |
| 3.2 多目标优化算法 | 第32-37页 |
| 3.2.1 NSGA算法 | 第32-34页 |
| 3.2.2 NSGA-Ⅱ算法 | 第34-37页 |
| 4 用于多目标VRPTW的改进遗传算法 | 第37-46页 |
| 4.1 问题描述与数学模型 | 第37-38页 |
| 4.2 改进遗传算法设计 | 第38-46页 |
| 4.2.1 染色体编码 | 第38-39页 |
| 4.2.2 产生初始种群 | 第39-40页 |
| 4.2.3 适应度函数的设计与终止条件 | 第40页 |
| 4.2.4 选择算子 | 第40-41页 |
| 4.2.5 交叉算子 | 第41-43页 |
| 4.2.6 变异算子 | 第43页 |
| 4.2.7 局部搜索 | 第43-44页 |
| 4.2.8 多目标改进遗传算法 | 第44-46页 |
| 5 实验与结果分析 | 第46-57页 |
| 5.1 Solomon Benchmark测试集介绍 | 第46页 |
| 5.2 实验结果分析 | 第46-57页 |
| 5.2.1 算例结果分析 | 第46-49页 |
| 5.2.2 部分算例线路图 | 第49-54页 |
| 5.2.3 对比结果分析 | 第54-57页 |
| 6 结论与展望 | 第57-58页 |
| 6.1 结论 | 第57页 |
| 6.2 未来展望 | 第57-58页 |
| 参考文献 | 第58-63页 |
| 致谢 | 第63页 |