基于量子蚁群算法的动态VRP问题的研究与应用
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-15页 |
| 1.1 选题研究背景 | 第8页 |
| 1.2 研究目的及意义 | 第8-9页 |
| 1.3 国内外研究综述 | 第9-12页 |
| 1.3.1 国外研究综述 | 第9-11页 |
| 1.3.2 国内研究综述 | 第11-12页 |
| 1.4 研究内容及本文结构 | 第12-15页 |
| 1.4.1 研究内容 | 第12-13页 |
| 1.4.2 学位论文结构 | 第13-15页 |
| 第二章 车辆路径问题概述 | 第15-21页 |
| 2.1 车辆路径问题概述 | 第15页 |
| 2.2 车辆路径问题的分类 | 第15-17页 |
| 2.3 动态车辆路径问题的描述 | 第17-18页 |
| 2.4 动态车辆路径问题的分类 | 第18页 |
| 2.5 需求不确定的动态车辆路径问题 | 第18-19页 |
| 本章小结 | 第19-21页 |
| 第三章 动态车辆路径问题优化模型 | 第21-27页 |
| 3.1 客户满意度 | 第21-22页 |
| 3.2 两阶段模型 | 第22-25页 |
| 3.2.1 初始阶段调度模型 | 第22-24页 |
| 3.2.2 动态优化阶段模型 | 第24-25页 |
| 3.3 实时动态优化 | 第25页 |
| 本章小结 | 第25-27页 |
| 第四章 算法的设计及仿真实验 | 第27-40页 |
| 4.1 蚁群算法 | 第27-28页 |
| 4.1.1 蚁群算法的产生 | 第27页 |
| 4.1.2 蚁群算法的原理 | 第27-28页 |
| 4.2 量子理论 | 第28-30页 |
| 4.2.1 量子计算的产生 | 第28页 |
| 4.2.2 量子理论与智能算法的结合 | 第28-30页 |
| 4.3 传统的量子蚁群算法 | 第30-32页 |
| 4.3.1 量子比特编码 | 第30-31页 |
| 4.3.2 量子旋转门更新 | 第31-32页 |
| 4.4 改进的量子蚁群算法 | 第32-33页 |
| 4.4.1 量子H_ε门更新 | 第32页 |
| 4.4.2 状态转移规则 | 第32-33页 |
| 4.4.3 信息素的更新 | 第33页 |
| 4.5 算法步骤 | 第33-35页 |
| 4.6 仿真实验 | 第35-39页 |
| 本章小结 | 第39-40页 |
| 第五章 动态车辆配送系统的实现 | 第40-53页 |
| 5.1 系统的开发思想与技术 | 第40-42页 |
| 5.1.1 百度地图 | 第40-41页 |
| 5.1.2 SSH框架 | 第41-42页 |
| 5.2 系统的网络结构 | 第42-43页 |
| 5.3 系统的功能分析 | 第43-44页 |
| 5.4 系统的实现 | 第44-47页 |
| 5.5 系统测试 | 第47-51页 |
| 5.5.1 测试目的 | 第47页 |
| 5.5.2 测试内容 | 第47页 |
| 5.5.3 测试方法 | 第47页 |
| 5.5.4 测试标准 | 第47页 |
| 5.5.5 测试过程与结果 | 第47-51页 |
| 本章小结 | 第51-53页 |
| 总结与展望 | 第53-54页 |
| 参考文献 | 第54-58页 |
| 致谢 | 第58页 |
