| 摘要 | 第5-7页 |
| abstract | 第7-8页 |
| 第一章 绪论 | 第14-21页 |
| 1.1 选题背景和研究意义 | 第14-15页 |
| 1.2 国内外研究现状 | 第15-17页 |
| 1.3 本文的研究目标 | 第17页 |
| 1.4 本文的研究内容 | 第17-18页 |
| 1.5 本文的研究方法及技术路线 | 第18-21页 |
| 研究方法 | 第18页 |
| 试验方法 | 第18-20页 |
| 技术路线 | 第20-21页 |
| 第二章 带时间车窗的路径优化模型 | 第21-26页 |
| 2.1 带时间车窗的车辆路径问题概述 | 第21-22页 |
| 车辆路径问题 | 第21页 |
| 多起点和多终点 | 第21页 |
| 单一起点和单一终点 | 第21页 |
| 不考虑客户需求和车辆容量限制 | 第21页 |
| 考虑客户对送达时间的需求 | 第21-22页 |
| 2.2 带时间车窗的最优车辆路径模型 | 第22-23页 |
| 2.3 带时间车窗的最优车辆路径模型的数据验证 | 第23-26页 |
| 第三章 解决TSP问题和TSPTW问题的算法 | 第26-38页 |
| 3.1 旅行商问题概述 | 第26页 |
| 3.2 解决TSP问题的几种算法比较 | 第26-32页 |
| 3.2.1 遗传算法 | 第26-27页 |
| 3.2.2 蚁群算法 | 第27-29页 |
| 3.2.3 禁忌搜索算法 | 第29-30页 |
| 3.2.4 弗洛伊德算法 | 第30-31页 |
| 3.2.5 各类算法比较 | 第31-32页 |
| 3.3 改进的禁忌搜索法和弗洛伊德算法解决TSPTW问题 | 第32-38页 |
| 3.3.1 改进的弗洛伊德算法解决带时间车窗的TSP问题(小数据量) | 第32-34页 |
| 3.3.2 改进的禁忌搜索算法解决带时间车窗的TSP问题(小数据量) | 第34-36页 |
| 3.3.3 改进的禁忌搜索法和弗洛伊德算法比较分析 | 第36-38页 |
| 第四章 改进的禁忌搜索法和弗洛伊德算法在实际物流配送中的运用 | 第38-48页 |
| 4.1 不带时间车窗的旅行商问题 | 第38-40页 |
| 4.1.1 禁忌搜索法求最短路径 | 第38-40页 |
| 4.1.2 弗洛伊德算法求最短路径 | 第40页 |
| 4.2 改进的禁忌搜索法和弗洛伊德算法在实际物流配送中的运用 | 第40-46页 |
| 4.2.1 改进的弗洛伊德算法解决带时间车窗的实际物流路径优化问题 | 第40-42页 |
| 4.2.2 改进的禁忌搜索法在实际物流中的应用 | 第42-44页 |
| 4.2.3 改进的弗洛伊德算法与改进的禁忌搜索法相结合在实际物流中的应用 | 第44-46页 |
| 4.2.4 可视化展现 | 第46页 |
| 4.3 本章小结 | 第46-48页 |
| 第五章 物流配送时效模型的建立 | 第48-66页 |
| 5.1 物流配送时效模型问题概述 | 第48页 |
| 5.2 建模过程 | 第48-63页 |
| 5.2.1 数据来源及数据处理 | 第48-51页 |
| 5.2.2 特征选择 | 第51-53页 |
| 5.2.3 决策树预测 | 第53-57页 |
| 5.2.4 多元回归预测 | 第57-59页 |
| 5.2.5 时间序列模型预测 | 第59-63页 |
| 5.3 时效模型的评价与总结 | 第63-66页 |
| 第六章 模型的改进空间和后续工作 | 第66-69页 |
| 6.1 路径优化问题的不足与后续工作 | 第66-67页 |
| 模型的不足 | 第66页 |
| 模型的后续工作 | 第66-67页 |
| 6.2 时效预测问题的不足与后续工作 | 第67-69页 |
| 模型的不足 | 第67页 |
| 模型后续工作 | 第67-69页 |
| 第七章 结论及政策建议 | 第69-73页 |
| 7.1 结论 | 第69页 |
| 7.2 研究特色 | 第69-71页 |
| 7.2.1 选题特色 | 第69-70页 |
| 7.2.2 内容特色 | 第70-71页 |
| 7.3 政策建议 | 第71-73页 |
| 参考文献 | 第73-76页 |
| 附录 | 第76-91页 |
| 致谢 | 第91页 |
