首页--经济论文--经济计划与管理论文--物资经济论文--物资流通论文

基于改进的人工蜂群算法的车辆路径问题研究与应用

中文摘要第3-4页
英文摘要第4页
1 绪论第8-16页
    1.1 研究背景和研究意义第8-11页
        1.1.1 研究背景第8-10页
        1.1.2 研究意义第10-11页
    1.2 国内外研究现状第11-13页
        1.2.1 车辆路径问题的研究现状第11-12页
        1.2.2 人工蜂群算法的研究现状第12-13页
    1.3 研究内容与技术路线第13-16页
        1.3.1 研究内容第13-14页
        1.3.2 本文技术路线第14-16页
2 多目标VRP问题概述及模型建立第16-34页
    2.1 VRP问题概述第16-22页
        2.1.1 车辆路径问题的定义第16-17页
        2.1.2 VRP问题分类第17-18页
        2.1.3 车辆路径问题的常见求解算法第18-21页
        2.1.4 各种算法的优缺点比较第21-22页
    2.2 带时间窗约束的VRP问题研究第22-25页
        2.2.1 带时间窗约束的车辆路径定义第22-23页
        2.2.2 带时间窗的车辆调度问题模型第23-25页
    2.3 基于多目标优化的考虑碳排放的带时间窗约束的车辆路径问题研究第25-32页
        2.3.1 考虑碳排放的带时间窗约束的多目标车辆路径问题的描述第25页
        2.3.2 运输总成本的计算第25-27页
        2.3.3 碳排量的计算第27-29页
        2.3.4 客户满意度的计算第29-31页
        2.3.5 考虑碳排放的带时间窗约束的车辆调度问题的多目标模型建立第31-32页
    2.4 本章小结第32-34页
3 基于改进的人工蜂群算法求解多目标车辆路径问题模型第34-50页
    3.1 多目标优化简介第34-35页
        3.1.1 多目标优化的基本概念第34页
        3.1.2 多目标优化方法概述第34-35页
    3.2 人工蜂群算法理论研究第35-39页
        3.2.1 人工蜂群算法的基本原理介绍第35-37页
        3.2.2 人工蜂群算法的实现步骤及优缺点分析第37-39页
    3.3 禁忌搜索算法理论研究第39-41页
        3.3.1 禁忌搜索算法的基本原理介绍第39-40页
        3.3.2 禁忌搜索算法的实现步骤第40-41页
    3.4 改进的人工蜂群算法在求解多目标车辆路径问题的设计第41-48页
        3.4.1 初始解的生成第41-42页
        3.4.2 邻域搜索策略第42-43页
        3.4.3 食物源的评价策略第43-44页
        3.4.4 嵌入禁忌搜索算法第44-45页
        3.4.5 食物源的更新策略第45-46页
        3.4.6 改进的人工蜂群算法的求解流程第46-48页
    3.5 本章小结第48-50页
4 考虑碳排放的带时间窗约束的VRP问题的实例应用第50-66页
    4.1 企业背景介绍及问题描述第50-51页
    4.2 利用改进的人工蜂群算法求解多目标车辆路径问题第51-57页
        4.2.1 参数设定第51-52页
        4.2.2 算法求解结果分析第52-55页
        4.2.3 算法的对比分析第55-57页
    4.3 基于TOPSIS的综合评价方法的最优解选取及比较分析第57-64页
    4.4 本章小结第64-66页
5 总结与展望第66-68页
    5.1 总结第66-67页
    5.2 展望第67-68页
致谢第68-70页
参考文献第70-76页
附录第76-91页
    A.作者在攻读学位期间从事的科研课题第76页
    B.改进的人工蜂群算法求解多目标VRP问题模型的python程序第76-91页

论文共91页,点击 下载论文
上一篇:协同视角下景郊型特色小镇规划策略研究--以重庆市统景镇规划为例
下一篇:考虑客户需求紧迫性的多目标物流配送路径优化研究及应用