基于改进蚁群算法的物流配送路线研究
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 1 引言 | 第8-19页 |
| ·本文研究背景和意义 | 第8-11页 |
| ·本文研究的背景 | 第8-9页 |
| ·本文研究的意义 | 第9-11页 |
| ·国内外相关研究现状 | 第11-16页 |
| ·国外研究现状 | 第11-14页 |
| ·国内研究现状 | 第14-16页 |
| ·本文主要研究内容 | 第16-18页 |
| ·本文的技术路线 | 第18-19页 |
| 2 物流和物流配送理论 | 第19-26页 |
| ·物流配送理论 | 第19-23页 |
| ·物流配送概述 | 第19-21页 |
| ·物流配送模式 | 第21页 |
| ·物流配送路线约束条件 | 第21-23页 |
| ·物流配送中的车辆路线问题 | 第23-26页 |
| ·车辆路线问题的定义 | 第23页 |
| ·车辆路线问题的分类 | 第23-26页 |
| 3 带时间窗约束的车辆路线模型的构建 | 第26-41页 |
| ·VRPTW 问题中的时间窗 | 第26-27页 |
| ·硬时间窗 | 第26页 |
| ·软时间窗 | 第26-27页 |
| ·混合时间窗 | 第27页 |
| ·VRPTW 问题的分析 | 第27-32页 |
| ·VRPTW 问题的界定 | 第27-29页 |
| ·求解 VRPTW 问题存在的困难 | 第29-30页 |
| ·求解 VRPTW 问题的关键因素 | 第30页 |
| ·解决 VRPTW 问题的有效途径 | 第30-31页 |
| ·组合优化问题及其计算复杂性的分析 | 第31-32页 |
| ·VRPTW 模型的构建 | 第32-41页 |
| ·基本假设与符号说明 | 第32-34页 |
| ·VRPTW 模型的构建 | 第34-35页 |
| ·对求解 VRPTW 问题算法的综合分析 | 第35-41页 |
| 4 基本蚁群优化算法 | 第41-53页 |
| ·蚁群算法 | 第41-45页 |
| ·自然蚁群的特点 | 第41-42页 |
| ·人工蚁群的模型 | 第42-43页 |
| ·蚁群系统 | 第43-45页 |
| ·蚁群优化算法 | 第45-48页 |
| ·蚁群优化算法的实现 | 第45-47页 |
| ·蚁群优化算法的特点 | 第47-48页 |
| ·蚁群优化算法的收敛性分析 | 第48页 |
| ·蚁群优化算法中参数的设置 | 第48-50页 |
| ·蚁群优化算法的优点与不足 | 第50-53页 |
| ·蚁群算法的优点 | 第50-51页 |
| ·蚁群算法的不足 | 第51-53页 |
| 5 改进蚁群算法求解 VRPTW 问题 | 第53-75页 |
| ·改进蚁群算法的基本原理 | 第53-61页 |
| ·信息素更新方式 | 第53-55页 |
| ·目标节点选择策略 | 第55-56页 |
| ·局部最优搜索策略 | 第56-57页 |
| ·最优个体灾变策略 | 第57-58页 |
| ·相关控制参数设置 | 第58-60页 |
| ·改讲算法收敛性分析 | 第60-61页 |
| ·改进蚁群算法求解 VRPTW 问题的基本步骤 | 第61-64页 |
| ·算法仿真实验 | 第64-75页 |
| ·算法仿真研究 | 第64-71页 |
| ·实验结果分析 | 第71-75页 |
| 6 结论与展望 | 第75-77页 |
| ·结论 | 第75-76页 |
| ·展望 | 第76-77页 |
| 参考文献 | 第77-80页 |
| 致谢 | 第80-81页 |
| 攻读学位期间已发表的学术论文及科研成果 | 第81页 |
