| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 研究背景及意义 | 第9-12页 |
| 1.1.1 研究背景 | 第9-11页 |
| 1.1.2 理论意义及应用价值 | 第11-12页 |
| 1.2 研究现状 | 第12-14页 |
| 1.2.1 国外研究现状 | 第12-14页 |
| 1.2.2 国内研究现状 | 第14页 |
| 1.3 主要研究工作及论文结构 | 第14-17页 |
| 第2章 车辆路径问题相关理论的概述 | 第17-29页 |
| 2.1 车辆路径问题概述 | 第17-23页 |
| 2.1.1 车辆路径问题的描述 | 第17-19页 |
| 2.1.2 车辆路径问题的组成要素 | 第19-22页 |
| 2.1.3 车辆路径问题的分类 | 第22-23页 |
| 2.2 经典车辆路径问题的数学模型 | 第23-24页 |
| 2.2.1 经典车辆路径问题的界定 | 第23页 |
| 2.2.2 经典车辆路径问题的数学模型 | 第23-24页 |
| 2.3 车辆路径问题的常用算法 | 第24-29页 |
| 2.3.1 精确算法 | 第24-25页 |
| 2.3.2 传统启发式算法 | 第25-26页 |
| 2.3.3 现代启发式算法 | 第26-27页 |
| 2.3.4 算法的优缺点比较 | 第27-29页 |
| 第3章 取送一体化多配送中心车辆路径问题的研究 | 第29-40页 |
| 3.1 取送一体化多配送中心车辆路径问题 | 第29-34页 |
| 3.1.1 取送一体化多配送中心车辆路径问题的描述 | 第29-30页 |
| 3.1.2 取送一体化多配送中心车辆路径问题模型建立的思想 | 第30-32页 |
| 3.1.3 取送一体化多配送中心车辆路径问题的界定 | 第32-33页 |
| 3.1.4 取送一体化多配送中心车辆路径问题的模型 | 第33-34页 |
| 3.2 多配送中心车辆路径问题的传统解法 | 第34-37页 |
| 3.2.1 聚合优化算法的介绍 | 第35页 |
| 3.2.2 利用聚合优化算法进行客户合并的策略 | 第35-37页 |
| 3.3 多配送中心车辆路径问题求解的新思路 | 第37-40页 |
| 第4章 遗传算法概述及求解算法的设计 | 第40-56页 |
| 4.1 遗传算法概述 | 第40-43页 |
| 4.2 云理论概述 | 第43-49页 |
| 4.2.1 基本概念 | 第44-45页 |
| 4.2.2 云发生器 | 第45-48页 |
| 4.2.3 云模型对遗传算法的改进 | 第48-49页 |
| 4.3 VRPSPD算法设计 | 第49-56页 |
| 4.3.1 编码及初始种群的生成 | 第49-50页 |
| 4.3.2 适应度计算 | 第50-51页 |
| 4.3.3 选择操作 | 第51-52页 |
| 4.3.4 交叉操作 | 第52-54页 |
| 4.3.5 变异操作 | 第54-56页 |
| 第5章 算例仿真及结果分析 | 第56-64页 |
| 5.1 仿真算例及相关参数设置 | 第56-57页 |
| 5.1.1 仿真算例 | 第56-57页 |
| 5.1.2 相关参数的设置 | 第57页 |
| 5.2 MDVRPSPD的求解方法 | 第57-62页 |
| 5.2.1 MDVRPSPD传统求解方法 | 第58-59页 |
| 5.2.2 本文提出方法的求解 | 第59-62页 |
| 5.3 算例结果比较和分析 | 第62-64页 |
| 第6章 总结与展望 | 第64-66页 |
| 6.1 论文总结 | 第64-65页 |
| 6.2 展望 | 第65-66页 |
| 参考文献 | 第66-70页 |
| 致谢 | 第70-71页 |
| 作者简介 | 第71页 |
