面向物流配送系统中定位路径优化的聚类进化算法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 选题的研究背景及意义 | 第9-11页 |
| 1.1.1 选题背景 | 第9-10页 |
| 1.1.2 研究意义 | 第10-11页 |
| 1.2 国内外理论研究现状 | 第11-12页 |
| 1.3 本文的研究内容及技术路线 | 第12-15页 |
| 1.3.1 研究内容 | 第12-13页 |
| 1.3.2 技术路线 | 第13-15页 |
| 第2章 定位-运输路线安排问题研究 | 第15-21页 |
| 2.1 物流配送中心研究 | 第15-17页 |
| 2.1.1 配送中心选址概述 | 第15页 |
| 2.1.2 配送中心选址原则及方法 | 第15-17页 |
| 2.2 LRP 问题的描述 | 第17-21页 |
| 2.2.1 LAP 问题 | 第17-18页 |
| 2.2.2 VRP 问题 | 第18-19页 |
| 2.2.3 LRP 问题 | 第19页 |
| 2.2.4 LRP 的研究方向 | 第19-21页 |
| 第3章 定位-运输路线安排问题的算法研究 | 第21-35页 |
| 3.1 遗传算法 | 第21-29页 |
| 3.1.1 遗传算法概述 | 第21页 |
| 3.1.2 遗传算法的特点 | 第21-22页 |
| 3.1.3 遗传算法的基本原理 | 第22-26页 |
| 3.1.4 遗传算法的基本流程 | 第26-27页 |
| 3.1.5 遗传算法的改进 | 第27-29页 |
| 3.2 聚类算法 | 第29-35页 |
| 3.2.1 聚类算法概述 | 第29-30页 |
| 3.2.2 K-means 聚类算法基本原理 | 第30-32页 |
| 3.2.3 K-means 聚类算法的步骤 | 第32-33页 |
| 3.2.4 K-means 聚类算法的性能分析 | 第33-35页 |
| 第4章 定位-运输路径安排问题的数学模型 | 第35-43页 |
| 4.1 LRP 问题的分类 | 第35-38页 |
| 4.1.1 按内容分类 | 第35-36页 |
| 4.1.2 按算法分类 | 第36-38页 |
| 4.2 模型分析 | 第38-40页 |
| 4.2.1 LAP 问题模型 | 第38-39页 |
| 4.2.2 VRP 问题模型 | 第39-40页 |
| 4.2.3 LRP 问题模型需要考虑的因素 | 第40页 |
| 4.3 LRP 模型的建立 | 第40-43页 |
| 4.3.1 模型假设 | 第40-41页 |
| 4.3.2 模型参数及决策变量 | 第41-42页 |
| 4.3.3 数学模型 | 第42-43页 |
| 第5章 算法设计 | 第43-61页 |
| 5.1 算法思路 | 第43-44页 |
| 5.2 第一阶段的聚类算法设计 | 第44-50页 |
| 5.2.1 K 值学习的遗传算法设计 | 第44-47页 |
| 5.2.2 遗传聚类算法设计实验测试 | 第47-50页 |
| 5.3 第二阶段改进混合进化算法的路径安排设计 | 第50-55页 |
| 5.4 算例分析 | 第55-61页 |
| 第6章 结束语 | 第61-63页 |
| 6.1 结论 | 第61页 |
| 6.2 展望 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 攻读硕士学位期间发表的学术论文 | 第67-69页 |
| 致谢 | 第69页 |
