| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第12-24页 |
| 1.1 论文研究背景及意义 | 第12-15页 |
| 1.2 国内外研究现状 | 第15-21页 |
| 1.2.1 我国农业及农产品电子商务发展研究 | 第15-16页 |
| 1.2.2 生鲜产品物流与供应链方面的研究 | 第16-17页 |
| 1.2.3 配载与车辆路径集成优化研究 | 第17-21页 |
| 1.3 研究内容及技术路线 | 第21-24页 |
| 1.3.1 文章主要内容 | 第21-23页 |
| 1.3.2 技术路线 | 第23页 |
| 1.3.3 预期结论及目标 | 第23-24页 |
| 第2章 生鲜电商物流配送相关理论概述 | 第24-33页 |
| 2.1 生鲜电商的概念及分类 | 第24-25页 |
| 2.1.1 生鲜商品及生鲜电商的概念 | 第24-25页 |
| 2.1.2 生鲜电商的分类 | 第25页 |
| 2.2 生鲜电商物流配送状况概述 | 第25-27页 |
| 2.2.1 生鲜电商物流配送模式 | 第25-26页 |
| 2.2.2 生鲜电商物流配送模式存在的问题 | 第26-27页 |
| 2.3 配载、车辆路径优化相关理论概述 | 第27-33页 |
| 2.3.1 物流配送优化研究 | 第27-29页 |
| 2.3.2 车辆配载问题优化研究 | 第29-30页 |
| 2.3.3 车辆路径问题优化研究 | 第30-31页 |
| 2.3.4 车辆装载与车辆路径问题的联系 | 第31-33页 |
| 第3章 JSY公司配载与车辆路径集成优化模型的构建 | 第33-46页 |
| 3.1 车辆路径问题模型 | 第33-34页 |
| 3.2 车辆配载模型 | 第34-36页 |
| 3.3 车辆配载问题和车辆路径问题集成优化模型 | 第36-40页 |
| 3.3.1 建模前的准备 | 第36页 |
| 3.3.2 集成优化模型的构建 | 第36-39页 |
| 3.3.3 集成优化模型的处理 | 第39-40页 |
| 3.4 生鲜电商企业JSY公司运营情况分析 | 第40-44页 |
| 3.4.1 JSY公司基本情况介绍 | 第40-41页 |
| 3.4.2 JSY公司的特色优势 | 第41-42页 |
| 3.4.3 JSY公司运营中存在的问题及解决途径 | 第42-44页 |
| 3.5 车辆路径和车辆配载集成优化模型在JSY公司的应用 | 第44-46页 |
| 第4章 算法设计 | 第46-59页 |
| 4.1 算法的选择 | 第46-48页 |
| 4.1.1 算法设计的思路 | 第46-47页 |
| 4.1.2 算法的选择 | 第47-48页 |
| 4.2 遗传算法介绍 | 第48-55页 |
| 4.2.1 遗传算法的特点 | 第49-50页 |
| 4.2.2 遗传算法的主要内容 | 第50-52页 |
| 4.2.3 遗传算法运算流程 | 第52-54页 |
| 4.2.4 遗传算法的改进 | 第54-55页 |
| 4.3 改进遗传算法的设计 | 第55-58页 |
| 4.3.1 染色体编码 | 第55页 |
| 4.3.2 种群初始化 | 第55-56页 |
| 4.3.3 适应度函数设计 | 第56页 |
| 4.3.4 遗传算子设计 | 第56-58页 |
| 4.3.5 终止条件 | 第58页 |
| 4.4 算法的编程实现 | 第58-59页 |
| 第5章 算例分析 | 第59-75页 |
| 5.1 算例介绍 | 第59-63页 |
| 5.2 结果及分析 | 第63-72页 |
| 5.3 与传统方式的对比分析 | 第72-75页 |
| 结论与展望 | 第75-78页 |
| 1、研究总结 | 第75-76页 |
| 2、后续研究展望 | 第76-78页 |
| 致谢 | 第78-79页 |
| 参考文献 | 第79-83页 |
| 附录1 改进遗传算法的Matlab程序 | 第83-87页 |