| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 研究背景与意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.3 本文研究内容 | 第14-15页 |
| 1.4 本文结构安排 | 第15-17页 |
| 第2章 相关基础知识 | 第17-27页 |
| 2.1 物流车辆路径规划 | 第17-18页 |
| 2.1.1 物流车辆路径规划的分类 | 第17-18页 |
| 2.1.2 物流车辆路径问题的标准算例 | 第18页 |
| 2.2 近似动态规划 | 第18-22页 |
| 2.2.1 马尔可夫决策过程 | 第18-20页 |
| 2.2.2 近似动态规划概述 | 第20-22页 |
| 2.3 函数逼近在近似动态规划中的应用 | 第22-26页 |
| 2.3.1 值函数近似 | 第23-24页 |
| 2.3.2 基函数优化 | 第24-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第3章 带随机需求和服务期限的多车辆物流路径规划问题建模 | 第27-35页 |
| 3.1 问题描述 | 第27-29页 |
| 3.2 数学建模 | 第29-34页 |
| 3.2.1 时间与事件顺序 | 第29-30页 |
| 3.2.2 状态变量 | 第30-31页 |
| 3.2.3 动作变量 | 第31-32页 |
| 3.2.4 外部信息 | 第32页 |
| 3.2.5 状态迁移 | 第32-33页 |
| 3.2.6 奖赏函数 | 第33-34页 |
| 3.2.7 目标函数和最优策略 | 第34页 |
| 3.3 本章小结 | 第34-35页 |
| 第4章 基于线性函数逼近的近似策略迭代算法 | 第35-47页 |
| 4.1 基于 k-means 的特征抽取方法 | 第35-37页 |
| 4.2 使用递归最小二乘时间差分的近似策略迭代算法 | 第37-39页 |
| 4.3 数值实验和分析 | 第39-46页 |
| 4.3.1 算例和实验设计 | 第39-42页 |
| 4.3.2 簇个数对算法效果的影响 | 第42-44页 |
| 4.3.3 对比实验结果及分析 | 第44-46页 |
| 4.4 本章小结 | 第46-47页 |
| 第5章 基于基函数优化的近似值迭代算法 | 第47-59页 |
| 5.1 离策略学习方法 | 第47-49页 |
| 5.2 应用交叉熵优化的基函数优化方法 | 第49-51页 |
| 5.3 基于基函数优化的近似值迭代算法 | 第51-53页 |
| 5.4 数值实验和分析 | 第53-58页 |
| 5.4.1 算例和实验设计 | 第53-54页 |
| 5.4.2 目标函数的选择对算法效果的影响 | 第54-56页 |
| 5.4.3 对比实验结果及分析 | 第56-58页 |
| 5.5 本章小结 | 第58-59页 |
| 第6章 总结和展望 | 第59-61页 |
| 6.1 本文总结 | 第59-60页 |
| 6.2 工作展望 | 第60-61页 |
| 参考文献 | 第61-66页 |
| 攻读学位期间公开发表的论文与参与的科研项目 | 第66-67页 |
| 致谢 | 第67-68页 |