| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 1 绪论 | 第10-20页 |
| 1.1 研究背景及意义 | 第10-12页 |
| 1.1.1 研究背景 | 第10-11页 |
| 1.1.2 研究意义 | 第11-12页 |
| 1.2 国内外多式联运研究现状 | 第12-16页 |
| 1.2.1 多式联运路径优化模型研究现状 | 第12-15页 |
| 1.2.2 多式联运路径优化算法研究现状 | 第15-16页 |
| 1.2.3 本文的出发点 | 第16页 |
| 1.3 本文的主要内容 | 第16-19页 |
| 1.4 本文的创新点 | 第19-20页 |
| 2 相关理论与方法概述 | 第20-36页 |
| 2.1 多式联运概述 | 第20-25页 |
| 2.1.1 多式联运的定义 | 第20-21页 |
| 2.1.2 多式联运的特点 | 第21-23页 |
| 2.1.3 我国多式联运发展现状 | 第23-24页 |
| 2.1.4 多式联运问题与VRP问题的区别与联系 | 第24-25页 |
| 2.2 低碳环境下的多式联运概述 | 第25-29页 |
| 2.2.1 低碳多式联运的概念及必要性 | 第25-26页 |
| 2.2.2 低碳多式联运的政策保障 | 第26-27页 |
| 2.2.3 单一运输方式的能耗系数 | 第27-28页 |
| 2.2.4 碳排放量核算方法 | 第28-29页 |
| 2.3 遗传算法概述 | 第29-33页 |
| 2.3.1 遗传算法简介 | 第29-30页 |
| 2.3.2 遗传算法的基本要素 | 第30-32页 |
| 2.3.3 遗传算法的特点 | 第32-33页 |
| 2.4 基于信息熵的TOPSIS方法概述 | 第33-34页 |
| 2.4.1 基于信息熵的TOPSIS方法简介 | 第33页 |
| 2.4.2 基于信息熵的TOPSIS方法评价步骤 | 第33-34页 |
| 2.5 本章小结 | 第34-36页 |
| 3 考虑货损率的低碳多式联运多目标路径优化模型 | 第36-58页 |
| 3.1 多式联运问题描述与建模分析 | 第36-43页 |
| 3.1.1 基于图论的虚拟网络图构建 | 第36-39页 |
| 3.1.2 多式联运问题描述 | 第39-40页 |
| 3.1.3 建模因素分析 | 第40-42页 |
| 3.1.4 多式联运目标函数构建 | 第42-43页 |
| 3.2 考虑货损率的低碳多式联运多目标路径优化模型的构建 | 第43-45页 |
| 3.2.1 货损率的求解 | 第43-44页 |
| 3.2.2 考虑货损率的低碳多式联运多目标路径优化模型的构建 | 第44-45页 |
| 3.3 ET-GA多目标问题算法设计 | 第45-48页 |
| 3.3.1 多目标优化的概念 | 第45-46页 |
| 3.3.2 ET-GA算法流程 | 第46-48页 |
| 3.4 ET-GA算法的低碳多式联运多目标路径优化模型求解 | 第48-57页 |
| 3.4.1 算法实现 | 第48-52页 |
| 3.4.2 模型求解 | 第52-57页 |
| 3.5 本章小结 | 第57-58页 |
| 4 考虑非正常工作时间的低碳多式联运单目标路径优化模型 | 第58-70页 |
| 4.1 考虑非正常工作时间的多式联运问题模型构建 | 第58-63页 |
| 4.1.1 非正常工作时间的问题描述 | 第58页 |
| 4.1.2 时间成本的计算 | 第58-60页 |
| 4.1.3 碳排放成本的计算 | 第60-62页 |
| 4.1.4 综合成本最小的低碳多式联运路径优化模型构建 | 第62-63页 |
| 4.2 基于遗传算法的单目标优化模型求解 | 第63-69页 |
| 4.2.1 算法实现 | 第63-64页 |
| 4.2.2 模型求解 | 第64-69页 |
| 4.3 本章小结 | 第69-70页 |
| 5 结论与展望 | 第70-72页 |
| 5.1 结论 | 第70-71页 |
| 5.2 展望 | 第71-72页 |
| 参考文献 | 第72-76页 |
| 致谢 | 第76-78页 |
| 附录A | 第78页 |
