| 摘要 | 第2-3页 |
| abstract | 第3-4页 |
| 1 绪论 | 第7-14页 |
| 1.1 问题的提出与研究意义 | 第7-8页 |
| 1.1.1 问题的提出 | 第7-8页 |
| 1.1.2 研究意义 | 第8页 |
| 1.2 国内外相关研究进展 | 第8-12页 |
| 1.2.1 概率销售问题的研究进展 | 第8-9页 |
| 1.2.2 生鲜配送优化问题的研究进展 | 第9-10页 |
| 1.2.3 干扰管理问题的研究进展 | 第10-11页 |
| 1.2.4 国内外的相关研究述评 | 第11-12页 |
| 1.3 本文研究的主要内容 | 第12-14页 |
| 2 车辆路径问题模型及其算法 | 第14-22页 |
| 2.1 车辆路径问题的相关理论 | 第14-15页 |
| 2.1.1 车辆路径问题的描述 | 第14页 |
| 2.1.2 典型的数学模型 | 第14-15页 |
| 2.2 车辆路径问题的经典算法 | 第15-17页 |
| 2.2.1 精确算法 | 第16页 |
| 2.2.2 启发式算法 | 第16-17页 |
| 2.3 粒子群算法的基本理论 | 第17-19页 |
| 2.3.1 粒子群算法的优化原理 | 第17页 |
| 2.3.2 算法的数学描述 | 第17-18页 |
| 2.3.3 粒子群算法的流程 | 第18-19页 |
| 2.4 经典的粒子群算法以及其他改进算法 | 第19-21页 |
| 2.4.1 标准型的粒子群算法 | 第19页 |
| 2.4.2 其他的改进算法 | 第19-21页 |
| 2.5 本章小结 | 第21-22页 |
| 3 概率销售模式下的生鲜农产品配送干扰管理模型 | 第22-30页 |
| 3.1 初始生鲜农产品配送模型 | 第22-24页 |
| 3.1.1 问题描述 | 第22页 |
| 3.1.2 参数及变量说明 | 第22-23页 |
| 3.1.3 初始生鲜农产品配送数学模型 | 第23-24页 |
| 3.2 基于客户消费行为的客户等级划分方法 | 第24-25页 |
| 3.2.1 物流配送研究对象的选择 | 第24页 |
| 3.2.2 客户消费行为特征的选择 | 第24页 |
| 3.2.3 基于系统聚类分析的客户细分 | 第24-25页 |
| 3.3 概率销售模式下的两阶段生鲜农产品配送干扰管理模型 | 第25-29页 |
| 3.3.1 第一阶段的生鲜农产品配送干扰管理子模型 | 第26-27页 |
| 3.3.2 第二阶段的生鲜农产品配送干扰管理子模型 | 第27-29页 |
| 3.4 本章小结 | 第29-30页 |
| 4 概率销售模式下的生鲜农产品配送干扰管理模型求解方法 | 第30-34页 |
| 4.1 求解方法的粒子表达方式 | 第30-31页 |
| 4.2 求解方法的步骤 | 第31-32页 |
| 4.3 求解方法的实现 | 第32-33页 |
| 4.4 本章小结 | 第33-34页 |
| 5 应用研究 | 第34-41页 |
| 5.1 问题描述及抽象 | 第34页 |
| 5.2 客户等级划分 | 第34-37页 |
| 5.3 问题求解 | 第37-38页 |
| 5.3.1 初始方案 | 第37页 |
| 5.3.2 概率销售模式下的配送调整方案 | 第37-38页 |
| 5.4 对比分析 | 第38-39页 |
| 5.5 本章小结 | 第39-41页 |
| 6 结论与展望 | 第41-43页 |
| 6.1 结论 | 第41-42页 |
| 6.2 展望 | 第42-43页 |
| 核心代码 | 第43-55页 |
| 参考文献 | 第55-62页 |
| 致谢 | 第62-63页 |
