面向云配送模式的车辆调度问题及算法研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-12页 |
| 1 绪论 | 第12-26页 |
| ·论文研究背景和意义 | 第12-14页 |
| ·研究背景 | 第12-13页 |
| ·研究意义 | 第13-14页 |
| ·国内外研究现状分析 | 第14-18页 |
| ·国内外研究现状 | 第14-17页 |
| ·现有研究的不足 | 第17-18页 |
| ·研究目的与研究方法 | 第18-19页 |
| ·研究目的 | 第18-19页 |
| ·研究方法 | 第19页 |
| ·研究内容与创新点 | 第19-22页 |
| ·研究内容 | 第19-21页 |
| ·论文创新点 | 第21-22页 |
| ·研究思路 | 第22-26页 |
| 2 基于云计算理论的物流配送模式研究 | 第26-48页 |
| ·云计算理论概述 | 第26-33页 |
| ·云计算的定义 | 第26-28页 |
| ·云计算的发展历史 | 第28-29页 |
| ·云计算的应用情况 | 第29-33页 |
| ·云配送模式研究 | 第33-45页 |
| ·云计算模式与社会化物流配送的关系 | 第33-36页 |
| ·云配送的概念 | 第36-38页 |
| ·云配送模式的特征 | 第38-40页 |
| ·配送资源、配送云服务、配送云的关系 | 第40-41页 |
| ·面向社会配送的云服务配送平台 | 第41-44页 |
| ·云服务配送平台构建的关键技术 | 第44-45页 |
| ·云配送模式与传统配送模式的区别 | 第45-46页 |
| ·云配送模式下的车辆调度问题 | 第46-47页 |
| ·本章小结 | 第47-48页 |
| 3 云配送模式下固定需求的车辆调度问题研究 | 第48-74页 |
| ·引言 | 第48-49页 |
| ·问题描述 | 第49-50页 |
| ·面向不同约束的车辆调度模型分析 | 第50-59页 |
| ·带有里程约束的车辆调度模型 | 第50-52页 |
| ·带有载重约束的车辆调度模型 | 第52-54页 |
| ·带有时间窗约束的车辆调度模型 | 第54-59页 |
| ·约束条件处理方式 | 第59页 |
| ·设计改进遗传算法 | 第59-69页 |
| ·车辆调度问题求解算法分析 | 第60-62页 |
| ·遗传算法的基本原理 | 第62-65页 |
| ·改进性遗传算法 | 第65-69页 |
| ·算法复杂度分析 | 第69页 |
| ·实验与分析 | 第69-72页 |
| ·实验仿真 | 第69-71页 |
| ·对比分析 | 第71-72页 |
| ·本章小结 | 第72-74页 |
| 4 云配送模式下动态需求的车辆调度问题研究 | 第74-98页 |
| ·引言 | 第74-75页 |
| ·问题描述 | 第75-76页 |
| ·云配送模式下需求的动态性分析 | 第76-80页 |
| ·静态车辆调度问题与动态车辆调度问题对比分析 | 第77-78页 |
| ·动态车辆调度问题的动态度分析 | 第78-79页 |
| ·云配送模式下动态需求信息的响应方式 | 第79-80页 |
| ·云配送模式下动态车辆调度模型 | 第80-83页 |
| ·时间轴概念 | 第80-81页 |
| ·符号表示 | 第81-82页 |
| ·基于时间轴的动态车辆调度模型 | 第82-83页 |
| ·量子遗传算法 | 第83-89页 |
| ·量子遗传算法介绍 | 第83-84页 |
| ·量子计算原理 | 第84-85页 |
| ·量子遗传算法及流程 | 第85-88页 |
| ·算法复杂度分析 | 第88-89页 |
| ·两阶段求解策略 | 第89-90页 |
| ·实验与分析 | 第90-95页 |
| ·实验仿真 | 第90-95页 |
| ·算法性能分析 | 第95页 |
| ·本章小结 | 第95-98页 |
| 5 云配送模式下联合配送的车辆调度问题研究 | 第98-124页 |
| ·引言 | 第98-99页 |
| ·问题描述 | 第99-100页 |
| ·云配送模式下联合配送问题分析 | 第100-103页 |
| ·联合配送的概念 | 第101-102页 |
| ·联合配送产生的背景 | 第102-103页 |
| ·云配送模式下联合配送管理模式分析 | 第103页 |
| ·云配送模式下联合车辆调度模型 | 第103-108页 |
| ·联合配送的多车型使用原则分析 | 第103-104页 |
| ·联合配送的多配送中心整体算法研究 | 第104-105页 |
| ·联合配送的优化目标选择分析 | 第105-106页 |
| ·符号表示 | 第106-107页 |
| ·基于时间轴的联合车辆调度模型 | 第107-108页 |
| ·云量子遗传算法 | 第108-117页 |
| ·云模型理论 | 第108-110页 |
| ·云自适应遗传算法 | 第110-113页 |
| ·云量子遗传算法 | 第113-115页 |
| ·算法性能参数分析 | 第115-116页 |
| ·算法收敛性分析 | 第116-117页 |
| ·算法复杂度分析 | 第117页 |
| ·两阶段求解策略 | 第117-118页 |
| ·实验与分析 | 第118-122页 |
| ·实验仿真 | 第118-120页 |
| ·算法性能分析 | 第120-122页 |
| ·本章小结 | 第122-124页 |
| 6 智能车辆调度系统的实现 | 第124-136页 |
| ·系统开发的需求分析 | 第124-127页 |
| ·配送任务需求分析 | 第124-126页 |
| ·系统开发原则 | 第126-127页 |
| ·车辆调度系统总体框架与功能分析 | 第127-130页 |
| ·车辆调度系统的总体框架 | 第127-129页 |
| ·车辆调度系统的功能分析 | 第129-130页 |
| ·车辆调度系统的业务流程分析 | 第130-131页 |
| ·车辆调度系统运行结构 | 第131-132页 |
| ·车辆调度系统主要功能的实现 | 第132-135页 |
| ·系统主界面 | 第133页 |
| ·系统主要功能模块展示 | 第133-135页 |
| ·本章小结 | 第135-136页 |
| 7 结论与展望 | 第136-140页 |
| ·全文主要研究结论 | 第136-138页 |
| ·展望 | 第138-140页 |
| 致谢 | 第140-142页 |
| 参考文献 | 第142-152页 |
| 附录 | 第152-153页 |
| A. 攻读博士期间作者发表的论文 | 第152-153页 |
| B. 攻读博士期间作者主持和参与的科研项目 | 第153页 |
