基于复杂网络和机器学习的冷链物流末端共同配送研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-19页 |
| 1.1 研究背景及意义 | 第10-13页 |
| 1.1.1 研究背景 | 第10-12页 |
| 1.1.2 研究意义 | 第12-13页 |
| 1.2 研究现状 | 第13-15页 |
| 1.2.1 冷链物流的研究现状 | 第13-14页 |
| 1.2.2 共同配送的研究现状 | 第14-15页 |
| 1.3 研究框架及创新点 | 第15-19页 |
| 1.3.1 研究思路 | 第15-17页 |
| 1.3.2 研究内容 | 第17页 |
| 1.3.3 研究创新点 | 第17-19页 |
| 第二章 相关概述及理论基础 | 第19-29页 |
| 2.1 相关概念 | 第19-22页 |
| 2.1.1 冷链物流 | 第19-20页 |
| 2.1.2 共同配送 | 第20-21页 |
| 2.1.3 冷链物流共同配送必要性 | 第21-22页 |
| 2.2 相关理论与方法 | 第22-27页 |
| 2.2.1 社区发现理论 | 第22-23页 |
| 2.2.2 分类方法 | 第23-25页 |
| 2.2.3 收益分配理论 | 第25-27页 |
| 2.3 共同配送方案设计 | 第27-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第三章 冷链物流末端共同配送区域划分 | 第29-47页 |
| 3.1 案例背景 | 第29-30页 |
| 3.2 共同配送区域划分问题描述 | 第30-31页 |
| 3.3 社区发现算法 | 第31-36页 |
| 3.3.1 模块度(Modularity) | 第31-32页 |
| 3.3.2 Louvain算法 | 第32-36页 |
| 3.4 算法框架 | 第36-35页 |
| 3.5 末端配送区域划分 | 第35-45页 |
| 3.5.1 数据采集 | 第35页 |
| 3.5.2 模型构建 | 第35-44页 |
| 3.5.3 模型求解 | 第44-45页 |
| 3.6 结果分析 | 第45-46页 |
| 3.7 本章小结 | 第46-47页 |
| 第四章 冷链物流末端共同配送服务模式选择 | 第47-61页 |
| 4.1 网点服务模式选择问题描述 | 第47页 |
| 4.2 配送服务模式总结 | 第47-51页 |
| 4.2.1 生鲜电商的主要配送模式 | 第47-50页 |
| 4.2.2 冷链物流末端网点服务模式分类 | 第50-51页 |
| 4.3 分类算法 | 第51-53页 |
| 4.3.1 组合分类方法 | 第51-52页 |
| 4.3.2 Adaboost | 第52-53页 |
| 4.4 算法实现 | 第53-59页 |
| 4.4.1 算法步骤 | 第53-55页 |
| 4.4.2 数据采集与描述 | 第55-56页 |
| 4.4.3 模型构建 | 第56-59页 |
| 4.5 算法预测 | 第59-60页 |
| 4.6 本章小结 | 第60-61页 |
| 第五章 冷链物流末端共同配送收益分配 | 第61-69页 |
| 5.1 共同配送收益分配问题描述 | 第61页 |
| 5.2 收益分配的影响因素 | 第61-62页 |
| 5.3 收益分配模型 | 第62-65页 |
| 5.3.1 模型描述 | 第62-63页 |
| 5.3.2 Shapley值法 | 第63-64页 |
| 5.3.3 加权Shapley值法 | 第64-65页 |
| 5.4 案例分析 | 第65-68页 |
| 5.5 本章小结 | 第68-69页 |
| 第六章 总结与展望 | 第69-72页 |
| 6.1 总结 | 第69-70页 |
| 6.2 展望 | 第70-72页 |
| 参考文献 | 第72-76页 |
| 致谢 | 第76-78页 |
| 攻读学位期间取得的研究成果 | 第78页 |
