基于遗传算法的连锁企业配送多目标VRP研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 研究背景 | 第10页 |
| 1.2 研究目的与研究意义 | 第10-11页 |
| 1.3 研究内容 | 第11页 |
| 1.4 研究方法与技术路线 | 第11-12页 |
| 1.5 论文结构 | 第12-14页 |
| 第2章 车辆路径问题综述及其相关理论 | 第14-28页 |
| 2.1 国内外车辆路径问题的研究综述 | 第14-15页 |
| 2.1.1 VRP的国外研究综述 | 第14-15页 |
| 2.1.2 VRP的国内研究综述 | 第15页 |
| 2.2 车辆路径问题的一般描述及分类 | 第15-16页 |
| 2.3 车辆路径问题的基本模型 | 第16-18页 |
| 2.3.1 旅行商问题 | 第17页 |
| 2.3.2 基本车辆路径问题 | 第17-18页 |
| 2.4 车辆路径问题的求解算法 | 第18-25页 |
| 2.4.1 精确算法 | 第19-20页 |
| 2.4.2 常见的启发式算法 | 第20-22页 |
| 2.4.3 遗传算法概述 | 第22-25页 |
| 2.5 多目标优化理论 | 第25-27页 |
| 2.5.1 多目标优化的基本概念 | 第25-26页 |
| 2.5.2 多目标优化方法的研究综述 | 第26-27页 |
| 2.6 本章小结 | 第27-28页 |
| 第3章 多目标车辆路径优化模型的建立 | 第28-36页 |
| 3.1 多目标VRP的描述 | 第28页 |
| 3.2 多目标的设定及处理 | 第28-31页 |
| 3.2.1 多目标的设定 | 第28-29页 |
| 3.2.2 多目标的处理 | 第29-31页 |
| 3.3 多目标VRP的一般假设 | 第31-32页 |
| 3.4 多目标VRP的数学描述 | 第32-34页 |
| 3.5 多目标VRP的求解算法选择 | 第34页 |
| 3.6 本章小结 | 第34-36页 |
| 第4章 多目标车辆路径问题的遗传算法设计 | 第36-44页 |
| 4.1 编码生成及初始种群的确定 | 第36-37页 |
| 4.2 适应度评估 | 第37页 |
| 4.3 遗传算子设计 | 第37-41页 |
| 4.3.1 选择算子设计 | 第38页 |
| 4.3.2 交叉算子设计 | 第38-40页 |
| 4.3.3 变异算子设计 | 第40-41页 |
| 4.4 算法终止准则 | 第41页 |
| 4.5 控制参数的确定 | 第41-42页 |
| 4.6 本章小结 | 第42-44页 |
| 第5章 医药连锁企业的VRP实例 | 第44-52页 |
| 5.1 问题背景 | 第44-46页 |
| 5.1.1 成大方圆公司简介 | 第44页 |
| 5.1.2 医药连锁企业物流配送概述 | 第44-46页 |
| 5.1.3 辽宁成大方圆医药连锁企业配送体系 | 第46页 |
| 5.2 模型实现 | 第46-49页 |
| 5.2.1 相关约束说明 | 第46-47页 |
| 5.2.2 相关参数说明 | 第47-49页 |
| 5.3 模型求解 | 第49-51页 |
| 5.4 结果分析 | 第51页 |
| 5.5 本章小结 | 第51-52页 |
| 第6章 结论与展望 | 第52-54页 |
| 6.1 研究结论 | 第52页 |
| 6.2 进一步展望 | 第52-54页 |
| 参考文献 | 第54-58页 |
| 附录 | 第58-64页 |
| 致谢 | 第64-65页 |
