| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| ABSTRACT | 第9-10页 |
| 第一章 绪论 | 第15-22页 |
| 1.1 研究背景及意义 | 第15-16页 |
| 1.2 国内外研究现状 | 第16-20页 |
| 1.2.1 蚁群算法研究现状 | 第17页 |
| 1.2.2 多车场车辆调度研究现状 | 第17-18页 |
| 1.2.3 带时间窗的车辆调度研究现状 | 第18-19页 |
| 1.2.4 开放式车辆调度研究现状 | 第19-20页 |
| 1.3 本文研究内容及创新点 | 第20页 |
| 1.4 文章组织结构 | 第20-22页 |
| 第二章 开放式车辆调度问题概述 | 第22-30页 |
| 2.1 OVRP问题概述 | 第22-26页 |
| 2.1.1 OVRP问题的描述 | 第22-24页 |
| 2.1.2 OVRP问题的数学模型 | 第24-25页 |
| 2.1.3 OVRP问题的分类 | 第25-26页 |
| 2.2 OVRP问题的求解算法 | 第26-29页 |
| 2.2.1 精确算法 | 第26页 |
| 2.2.2 启发式算法 | 第26-29页 |
| 2.3 本章小结 | 第29-30页 |
| 第三章 基于参数控制的改进蚁群算法 | 第30-43页 |
| 3.1 基本蚁群算法原理 | 第30-33页 |
| 3.2 基于细菌觅食算法与K-means聚类的改进蚁群算法 | 第33-41页 |
| 3.2.1 细菌觅食算法 | 第33-35页 |
| 3.2.2 K-means算法 | 第35-37页 |
| 3.2.3 K-means与细菌觅食算法相结合的聚类技术 | 第37-39页 |
| 3.2.4 基于混合聚类技术对蚁群算法参数的调整 | 第39-41页 |
| 3.3 基于Logistic混沌映射对参数的调整 | 第41-42页 |
| 3.4 本章小结 | 第42-43页 |
| 第四章 基于改进蚁群算法的开放式车辆调度问题的求解 | 第43-61页 |
| 4.1 引言 | 第43-44页 |
| 4.2 带软时间窗的开放式车辆调度的数学模型 | 第44-47页 |
| 4.2.1 带软时间窗的单车场OVRP数学模型 | 第44-45页 |
| 4.2.2 带软时间窗的多车场OVRP数学模型 | 第45-47页 |
| 4.3 求解OVRPSTW的改进蚁群算法 | 第47-51页 |
| 4.3.1 产生初始解 | 第47-48页 |
| 4.3.2 2-opt算法优化 | 第48-49页 |
| 4.3.3 蚁群状态的判断 | 第49页 |
| 4.3.4 算法参数调整 | 第49页 |
| 4.3.5 信息素的更新 | 第49页 |
| 4.3.6 算法实现步骤 | 第49-51页 |
| 4.4 仿真实验 | 第51-60页 |
| 4.4.1 实验分析 | 第51-52页 |
| 4.4.2 SOVRPSTW实验分析 | 第52-55页 |
| 4.4.3 MDOVRPSTW实验分析 | 第55-60页 |
| 4.5 本章小结 | 第60-61页 |
| 第五章 总结与展望 | 第61-63页 |
| 5.1 工作总结 | 第61页 |
| 5.2 工作展望 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第67-69页 |
