| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-14页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.1.1 研究背景 | 第9页 |
| 1.1.2 研究意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 带时间窗车辆路径问题国内外研究现状 | 第10-12页 |
| 1.2.2 考虑碳排放的车辆路径问题国内外研究现状 | 第12-13页 |
| 1.3 研究内容 | 第13页 |
| 1.4 技术路线 | 第13-14页 |
| 2 车辆路径问题概述 | 第14-28页 |
| 2.1 车辆路径问题概述 | 第14-20页 |
| 2.1.1 旅行商问题 | 第14-15页 |
| 2.1.2 车辆路径问题介绍 | 第15-16页 |
| 2.1.3 经典车辆路径问题模型 | 第16-18页 |
| 2.1.4 车辆路径问题分类 | 第18-20页 |
| 2.2 带时间窗车辆路径问题概述 | 第20-22页 |
| 2.2.1 带时间窗车辆路径定义 | 第20-21页 |
| 2.2.2 带时间窗车辆路径问题模型 | 第21-22页 |
| 2.3 VRPTW问题的求解算法 | 第22-27页 |
| 2.3.1 启发式算法 | 第22-25页 |
| 2.3.2 元启发式算法 | 第25-27页 |
| 2.3.3 各种算法的比较 | 第27页 |
| 2.4 本章小结 | 第27-28页 |
| 3 人工蜂群算法及其VRPTW中的初步应用 | 第28-39页 |
| 3.1 人工蜂群算法 | 第28-31页 |
| 3.1.1 群集智能算法的一般特性 | 第28页 |
| 3.1.2 人工蜂群算法的基本原理 | 第28-31页 |
| 3.2 人工蜂群算法在VRPTW中的简单应用 | 第31-38页 |
| 3.2.1 初始解生成 | 第31-34页 |
| 3.2.2 可行性检查方法 | 第34-35页 |
| 3.2.3 邻域搜索 | 第35-36页 |
| 3.2.4 侦查蜂过程 | 第36-37页 |
| 3.2.5 实验数据 | 第37-38页 |
| 3.2.6 实验结果 | 第38页 |
| 3.3 本章小结 | 第38-39页 |
| 4 人工蜂群算法改进及在EVRPTW中的应用 | 第39-49页 |
| 4.1 人工蜂群算法改进 | 第39-42页 |
| 4.1.1 邻域搜索策略改进 | 第39-40页 |
| 4.1.2 跟随蜂选择以及侦查蜂选择改进 | 第40页 |
| 4.1.3 改进人工蜂群算法流程 | 第40-42页 |
| 4.1.4 结果比较 | 第42页 |
| 4.2 考虑碳排放的带时间窗车辆路径问题 | 第42-48页 |
| 4.2.1 基于两种不同目标函数的简单对比 | 第43-44页 |
| 4.2.2 ABC_2求解EVRPTW | 第44-48页 |
| 4.3 本章小结 | 第48-49页 |
| 结论 | 第49-50页 |
| 参考文献 | 第50-54页 |
| 攻读硕士学位期间发表学术论文情况 | 第54-55页 |
| 致谢 | 第55-56页 |