| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 前言 | 第9-15页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 研究意义 | 第10-11页 |
| 1.3 研究内容与创新点 | 第11-15页 |
| 1.3.1 研究内容 | 第11-12页 |
| 1.3.2 研究方法研究 | 第12页 |
| 1.3.3 技术路线 | 第12-13页 |
| 1.3.4 论文的创新与不足 | 第13-15页 |
| 第二章 国内外研究现状综述 | 第15-21页 |
| 2.1 大规模定制化服务相关研究 | 第15-16页 |
| 2.2 众包与众包物流相关研究 | 第16-19页 |
| 2.2.1 众包概念内涵 | 第16-17页 |
| 2.2.2 众包模式的应用 | 第17-18页 |
| 2.2.3 众包物流与“最后一公里”配送 | 第18-19页 |
| 2.3 关于客户模糊时间窗的研究 | 第19-20页 |
| 2.4 本章小结 | 第20-21页 |
| 第三章 大规模定制服务下众包物流调度问题提出 | 第21-24页 |
| 3.1 大规模定制服务 | 第21页 |
| 3.2 众包物流模式 | 第21-23页 |
| 3.2.1 众包物流的概念 | 第21-22页 |
| 3.2.2 众包物流配送模式的优势分析 | 第22-23页 |
| 3.3 本章小结 | 第23-24页 |
| 第四章 大规模定制服务下的众包物流调度模型 | 第24-41页 |
| 4.1 问题描述与假设 | 第24-27页 |
| 4.2 模糊时间窗 | 第27-28页 |
| 4.3 模型构建 | 第28-30页 |
| 4.3.1 考虑众包物流人员收益的目标函数 | 第28页 |
| 4.3.2 考虑客户平均满意度的目标函数 | 第28页 |
| 4.3.3 模型约束条件 | 第28-29页 |
| 4.3.4 众包物流调度模型 | 第29-30页 |
| 4.4 算法选择 | 第30-31页 |
| 4.4.1 粒子群算法简介 | 第30页 |
| 4.4.2 粒子群算法原理 | 第30-31页 |
| 4.4.3 粒子群算法改进 | 第31页 |
| 4.5 模型求解 | 第31-33页 |
| 4.5.1 粒子编码 | 第31-32页 |
| 4.5.2 适应度函数设计 | 第32-33页 |
| 4.6 调度优化流程 | 第33-34页 |
| 4.7 算例分析 | 第34-39页 |
| 4.7.1 算例描述及基本数据 | 第34-37页 |
| 4.7.2 不同运力分配方案的收益激励分析 | 第37-38页 |
| 4.7.3 大促时期众包物流运力调度方案分析 | 第38-39页 |
| 4.8 本章小结 | 第39-41页 |
| 第五章 大规模定制供需环境对众包物流调度的作用机制 | 第41-61页 |
| 5.1 研究分析与案例选择 | 第42-43页 |
| 5.1.1 研究分析过程 | 第42页 |
| 5.1.2 案例选择过程 | 第42-43页 |
| 5.2 大规模定制供需环境特性分析 | 第43-48页 |
| 5.2.1 客户需求分析 | 第43-45页 |
| 5.2.2 能力供给分析 | 第45-47页 |
| 5.2.3 配送时间调度模式的关键控制点分析 | 第47-48页 |
| 5.3 研究假设与案例 | 第48-53页 |
| 5.3.1 研究假设 | 第48-51页 |
| 5.3.2 案例基本情况 | 第51-53页 |
| 5.4 基于多案例的假设检验 | 第53-58页 |
| 5.4.1 时间调度 | 第53-56页 |
| 5.4.2 时间调度的绩效评价 | 第56-58页 |
| 5.5 本章小结 | 第58-61页 |
| 第六章 结论和展望 | 第61-63页 |
| 6.1 结论 | 第61-62页 |
| 6.2 展望 | 第62-63页 |
| 参考文献 | 第63-71页 |
| 攻读硕士学位期间发表论文情况 | 第71-72页 |
| 致谢 | 第72页 |