| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 第1章 绪论 | 第9-21页 |
| 1.1 选题背景和研究意义 | 第9-10页 |
| 1.1.1 选题背景 | 第9-10页 |
| 1.1.2 研究意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-16页 |
| 1.2.1 VRP研究现状 | 第11-12页 |
| 1.2.2 VRPTW研究现状 | 第12-13页 |
| 1.2.3 满载VRP研究现状 | 第13-14页 |
| 1.2.4 快递VRP研究现状 | 第14-15页 |
| 1.2.5 综合述评 | 第15-16页 |
| 1.3 研究内容、方法及技术路线 | 第16-18页 |
| 1.3.1 研究内容 | 第16-17页 |
| 1.3.2 研究方法及技术路线 | 第17-18页 |
| 1.4 主要创新之处 | 第18-21页 |
| 第2章 理论基础与算法 | 第21-35页 |
| 2.1 物流优化基本理论 | 第21-23页 |
| 2.1.1 快递物流相关概念界定 | 第21页 |
| 2.1.2 物流优化相关理论 | 第21-22页 |
| 2.1.3 快递优化相关理论 | 第22-23页 |
| 2.2 车辆路线安排问题基本理论 | 第23-32页 |
| 2.2.1 车辆路线安排问题(VRP) | 第23-27页 |
| 2.2.2 带时间窗的车辆路线安排问题(VRPTW) | 第27-29页 |
| 2.2.3 求解VRPTW的常见算法 | 第29-32页 |
| 2.3 遗传算法 | 第32-33页 |
| 2.3.1 基本原理 | 第32-33页 |
| 2.3.2 算法特点 | 第33页 |
| 2.4 本章小结 | 第33-35页 |
| 第3章 模型与算法分析 | 第35-49页 |
| 3.1 前期研究与问题分析 | 第35-37页 |
| 3.2 模型构建 | 第37-40页 |
| 3.2.1 问题描述 | 第37-38页 |
| 3.2.2 符号说明 | 第38-39页 |
| 3.2.3 模型假设 | 第39页 |
| 3.2.4 模型建立 | 第39-40页 |
| 3.3 算法设计 | 第40-47页 |
| 3.3.1 参数的设定 | 第41页 |
| 3.3.2 编码 | 第41-42页 |
| 3.3.3 初始种群 | 第42-43页 |
| 3.3.4 适应度的计算 | 第43页 |
| 3.3.5 遗传操作 | 第43-46页 |
| 3.3.6 算法终止条件 | 第46-47页 |
| 3.4 本章小结 | 第47-49页 |
| 第4章 应用分析 | 第49-61页 |
| 4.1 数据资料 | 第49-52页 |
| 4.1.1 泉州快递企业发展现状 | 第49-50页 |
| 4.1.2 公司背景 | 第50页 |
| 4.1.3 数据参数 | 第50-52页 |
| 4.2 决策方案 | 第52-57页 |
| 4.2.1 种群规模和迭代次数取值分析 | 第52-54页 |
| 4.2.2 数值结果 | 第54-57页 |
| 4.3 结果讨论 | 第57-60页 |
| 4.4 本章小结 | 第60-61页 |
| 第5章 结语 | 第61-65页 |
| 5.1 研究结论 | 第61-62页 |
| 5.2 管理启示 | 第62-64页 |
| 5.3 研究局限及展望 | 第64-65页 |
| 参考文献 | 第65-71页 |
| 致谢 | 第71-73页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第73页 |