| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第11-19页 |
| 1.1 研究背景及其意义 | 第11-13页 |
| 1.1.1 课题研究背景 | 第11-13页 |
| 1.1.2 课题研究意义 | 第13页 |
| 1.2 国内外研究现状 | 第13-16页 |
| 1.2.1 国外研究现状 | 第13-15页 |
| 1.2.2 国内研究现状 | 第15-16页 |
| 1.3 论文结构和创新点 | 第16-18页 |
| 1.3.1 论文结构 | 第16-17页 |
| 1.3.2 本文创新点 | 第17-18页 |
| 1.4 本章小结 | 第18-19页 |
| 2 车辆路径问题及其优化技术概述 | 第19-31页 |
| 2.1 车辆路径问题概述 | 第19-21页 |
| 2.1.1 车辆路径问题定义 | 第19页 |
| 2.1.2 车辆路径问题构成要素 | 第19-21页 |
| 2.2 三类车辆路径优化问题 | 第21-28页 |
| 2.2.1 带容量约束的车辆路径问题 | 第21-22页 |
| 2.2.2 带时间窗约束的单车场车辆路径问题 | 第22-25页 |
| 2.2.3 带时间窗的多车场车辆路径问题 | 第25-28页 |
| 2.3 车辆路径问题的研究方法 | 第28-30页 |
| 2.3.1 精确算法 | 第28页 |
| 2.3.2 启发式算法 | 第28-29页 |
| 2.3.3 组合算法 | 第29-30页 |
| 2.4 本章小结 | 第30-31页 |
| 3 模拟退火和蚁群算法研究与改进 | 第31-46页 |
| 3.1 模拟退火算法 | 第31-36页 |
| 3.1.1 模拟退火算法原理 | 第31页 |
| 3.1.2 模拟退火算法模型 | 第31-32页 |
| 3.1.3 模拟退火算法特点 | 第32页 |
| 3.1.4 模拟退火算法改进 | 第32-36页 |
| 3.2 蚁群算法 | 第36-41页 |
| 3.2.1 蚁群算法原理 | 第36页 |
| 3.2.2 蚁群算法步骤 | 第36-37页 |
| 3.2.3 蚁群算法特点 | 第37页 |
| 3.2.4 蚁群算法的分类 | 第37-38页 |
| 3.2.5 蚁群算法改进 | 第38-41页 |
| 3.3 改进算法的仿真分析 | 第41-45页 |
| 3.3.1 数学模型 | 第41页 |
| 3.3.2 改进模拟退火算法的仿真分析 | 第41-43页 |
| 3.3.3 改进蚁群算法的仿真分析 | 第43-45页 |
| 3.4 本章小结 | 第45-46页 |
| 4 模拟退火-蚁群组合算法 | 第46-55页 |
| 4.1 模拟退火-蚁群组合算法特点、流程和步骤 | 第46-49页 |
| 4.1.1 组合算法合理性及特点 | 第46页 |
| 4.1.2 模拟退火-蚁群组合算法流程及步骤 | 第46-49页 |
| 4.2 组合算法在带容量约束的车辆路径问题上的应用研究 | 第49-54页 |
| 4.2.1 数学模型 | 第49页 |
| 4.2.2 CVRP的组合算法设计 | 第49-51页 |
| 4.2.3 CVRP优化仿真分析与验证 | 第51-54页 |
| 4.3 本章小结 | 第54-55页 |
| 5 基于模拟退火-蚁群组合算法的车辆路径优化方法 | 第55-73页 |
| 5.1 带时间窗约束的车辆路径优化(VRPTW) | 第55-62页 |
| 5.1.1 VRPTW的组合算法设计 | 第55-56页 |
| 5.1.2 VRPTW优化仿真分析 | 第56-58页 |
| 5.1.3 VRPTW实例分析 | 第58-62页 |
| 5.2 带时间窗的多车场车辆路径优化(MDVRPTW) | 第62-72页 |
| 5.2.1 MDVRPTW的求解方法 | 第62-64页 |
| 5.2.2 MDVRPTW中固定配送中心实例分析 | 第64-68页 |
| 5.2.3 MDVRPTW中车场位置优化-路径优化问题 | 第68-72页 |
| 5.2.4 实验结论 | 第72页 |
| 5.3 本章小结 | 第72-73页 |
| 6 总结及展望 | 第73-75页 |
| 6.1 本文总结 | 第73-74页 |
| 6.2 研究展望 | 第74-75页 |
| 参考文献 | 第75-78页 |
| 附件A 组合算法对网站CVRP算例最优值路径截图 | 第78-80页 |
| 附件B 组合算法对网站VRPTW算例最优值路径截图 | 第80-82页 |
| 攻读硕士期间主要学术成果 | 第82-83页 |
| 致谢 | 第83-84页 |
