| 摘要 | 第1-5页 |
| Abstract | 第5-13页 |
| 第1章 绪论 | 第13-23页 |
| ·课题的背景及研究意义 | 第13-14页 |
| ·国内外研究现状 | 第14-21页 |
| ·车辆路径问题研究现状 | 第14-19页 |
| ·蚁群算法研究现状 | 第19-21页 |
| ·论文的主要研究内容 | 第21-23页 |
| 第2章 蚁群算法改进研究 | 第23-43页 |
| ·引言 | 第23页 |
| ·智能优化算法 | 第23-31页 |
| ·智能优化算法概述 | 第23-24页 |
| ·智能优化算法的比较 | 第24-25页 |
| ·蚁群算法 | 第25-28页 |
| ·局部优化算法 | 第28-31页 |
| ·蚁群算法参数讨论 | 第31-37页 |
| ·蚂蚁数量的讨论 | 第31-34页 |
| ·信息素残留系数的讨论 | 第34-35页 |
| ·启发式因子的影响 | 第35-37页 |
| ·多蚁群动态参数蚁群算法 | 第37-42页 |
| ·多蚁群协作 | 第37-38页 |
| ·信息素及参数的动态更新 | 第38-39页 |
| ·改进后的蚁群算法复杂度分析 | 第39-40页 |
| ·改进后的蚁群算法收敛性分析 | 第40-41页 |
| ·改进后的蚁群算法对TSP 问题的求解 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 第3章 带时间窗口车辆路径问题模型及算法 | 第43-55页 |
| ·引言 | 第43页 |
| ·带时间窗口车辆路径问题 | 第43-45页 |
| ·多蚁群动态参数蚁群算法求解VRPTW | 第45-48页 |
| ·多蚁群动态参数蚁群算法 | 第45页 |
| ·仿真与实验 | 第45-48页 |
| ·混合算法求解VRPTW | 第48-54页 |
| ·大规模邻域搜索算法 | 第49-50页 |
| ·蚁群算法结合大规模邻域搜索 | 第50-51页 |
| ·仿真与实验 | 第51-54页 |
| ·本章小结 | 第54-55页 |
| 第4章 不确定需求车辆路径问题及其启发式蚁群算法 | 第55-73页 |
| ·引言 | 第55页 |
| ·随机需求车辆路径问题的求解 | 第55-63页 |
| ·VRPSD 优化的策略和方法 | 第56-58页 |
| ·改进蚁群算法求解VRPSD | 第58-59页 |
| ·实验分析 | 第59-63页 |
| ·模糊需求车辆路径问题的求解 | 第63-71页 |
| ·VRPFD 优化的策略和方法 | 第63-66页 |
| ·改进蚁群算法求解VRPFD | 第66-67页 |
| ·实验分析 | 第67-71页 |
| ·本章小结 | 第71-73页 |
| 第5章 动态车辆路径问题仿真及其混合算法 | 第73-91页 |
| ·引言 | 第73-74页 |
| ·动态需求车辆路径问题 | 第74-79页 |
| ·动态需求车辆路径问题描述 | 第74-75页 |
| ·存在禁行路线和交叉口延误的交通网络 | 第75-76页 |
| ·交通网络的映射模型 | 第76-79页 |
| ·基于城市网络拓扑和动态需求的DVRP 仿真 | 第79-83页 |
| ·路网的复杂网络特性指标 | 第79-81页 |
| ·符合复杂网络特性指标的路网产生模型 | 第81-82页 |
| ·测定动态需求产生模型的参数 | 第82-83页 |
| ·DVRP 的仿真框架和求解 | 第83-90页 |
| ·DVRP 的重优化和局域优化策略和仿真系统框架 | 第83-86页 |
| ·基于Solomon 题库变化得到的DVRP 求解 | 第86-88页 |
| ·基于模拟城市路网得到的DVRP 求解 | 第88-90页 |
| ·本章小结 | 第90-91页 |
| 第6章 行程时间不确定车辆路径问题与算法 | 第91-99页 |
| ·引言 | 第91页 |
| ·TDVRP 描述 | 第91-95页 |
| ·离散时间依赖函数讨论 | 第91-93页 |
| ·连续时间依赖函数讨论 | 第93-94页 |
| ·动态路网的其他影响因素 | 第94-95页 |
| ·求解TDVRP 问题的改进蚁群算法 | 第95-96页 |
| ·算法设计 | 第95页 |
| ·算法步骤 | 第95-96页 |
| ·实验结果与分析 | 第96-98页 |
| ·零时刻出发 | 第96-97页 |
| ·优化出发时刻 | 第97-98页 |
| ·本章小结 | 第98-99页 |
| 第7章 基于蚁群算法优化SVM 模型的城市道路行程时间预测 | 第99-112页 |
| ·引言 | 第99页 |
| ·经典支持向量机理论 | 第99-103页 |
| ·支持向量分类机 | 第100-101页 |
| ·支持向量回归机 | 第101-103页 |
| ·组合核函数和优化支持向量回归机参数方法 | 第103-108页 |
| ·组合核函数和参数影响 | 第103-104页 |
| ·基于蚁群算法的支持向量回归机参数优化 | 第104-108页 |
| ·基于支持向量回归机的行程时间预测 | 第108-111页 |
| ·数据的预处理 | 第108-109页 |
| ·仿真模型的建立和实验分析 | 第109-111页 |
| ·本章小结 | 第111-112页 |
| 结论 | 第112-114页 |
| 参考文献 | 第114-125页 |
| 攻读博士学位期间发表的学术论文 | 第125-127页 |
| 致谢 | 第127-128页 |
| 作者简介 | 第128页 |