| 第1章 绪论 | 第1-39页 |
| 1．1 选题背景与研究意义 | 第12-13页 |
| 1．1．1 选题背景 | 第12-13页 |
| 1．1．2 研究意义 | 第13页 |
| 1．2 国内外研究综述 | 第13-36页 |
| 1．2．1 国内VRP研究综述 | 第14-16页 |
| 1．2．2 国外VRP研究综述 | 第16-36页 |
| 1．3 研究中存在的问题 | 第36-37页 |
| 1．4 本论文研究内容 | 第37-39页 |
| 第2章 模糊需求信息条件下的VRP研究 | 第39-52页 |
| 2．1 问题的提出 | 第39页 |
| 2．2 问题的描述和模型建立 | 第39-43页 |
| 2．2．1 问题描述 | 第39-41页 |
| 2．2．2 解决问题的基本思路及模型建立 | 第41-43页 |
| 2．3 求解VRPFD的Sweeping启发式算法设计及实验分析 | 第43-46页 |
| 2．3．1 Sweeping算法设计 | 第43-45页 |
| 2．3．2 实验分析 | 第45-46页 |
| 2．4 求解VRPFD的基于模糊模拟的混合遗传算法设计及实验分析 | 第46-51页 |
| 2．4．1 遗传算法及其在VRP研究中的应用 | 第46-47页 |
| 2．4．2 求解VRPFD的基于模糊模拟的混合遗传算法 | 第47-49页 |
| 2．4．3 实验分析 | 第49-51页 |
| 2．5 小结 | 第51-52页 |
| 第3章 模糊旅行时间的VRP研究 | 第52-65页 |
| 3．1 问题描述与模型建立 | 第52-53页 |
| 3．2 具有模糊旅行时间的VRP的修正C-W节约算法 | 第53-58页 |
| 3．2．1 C-W节约算法的基本思想 | 第53页 |
| 3．2．2 具有模糊旅行时间的VRP的修正C-W节约算法涉及 | 第53-55页 |
| 3．2．3 算例 | 第55-58页 |
| 3．3 求解模型旅行时间的VRP的基于模糊推理的混合遗传算法 | 第58-63页 |
| 3．3．1 解决问题的基本思路 | 第58-59页 |
| 3．3．2 基于模糊推理的选优 | 第59-61页 |
| 3．3．3 基于模糊推理的混合遗传算法 | 第61-62页 |
| 3．3．4 算例及结果分析 | 第62-63页 |
| 3．4 小结 | 第63-65页 |
| 第4章 具有模糊预约时间的VRP研究 | 第65-84页 |
| 4．1 问题描述 | 第66-71页 |
| 4．1．1 模糊预约时间 | 第66-68页 |
| 4．1．2 模糊预约时间与传统时间窗的区别 | 第68页 |
| 4．1．3 具有模糊预约时间的多对多货物收发情况下的VRP描述 | 第68页 |
| 4．1．4 模型建立 | 第68-71页 |
| 4．2 求解具有模糊预约时间的多对多货物收发情况下的VRP的混合遗传算法 | 第71-81页 |
| 4．3 实验分析 | 第81-83页 |
| 4．4 小结 | 第83-84页 |
| 第5章 模糊需求信息条件下的实时动态VRP研究 | 第84-91页 |
| 5．1 问题描述与模型建立 | 第84-87页 |
| 5．1．1 问题描述 | 第84-85页 |
| 5．1．2 解决问题的基本思路 | 第85-86页 |
| 5．1．3 模型建立 | 第86-87页 |
| 5．2 具有模糊需求的VRP的基于模糊可能性的实时启发式算法 | 第87-88页 |
| 5．2．1 算法设计 | 第87页 |
| 5．2．2 行驶距离计算 | 第87-88页 |
| 5．3 随机实验及结果分析 | 第88-89页 |
| 5．4 小结 | 第89-91页 |
| 第6章 具有模糊预约时间的动态VRP研究 | 第91-100页 |
| 6．1 问题描述 | 第91页 |
| 6．2 求解具有模糊预约时间的动态VRP的一种插入启发式算法 | 第91-98页 |
| 6．2．1 算法设计的基本思路及算法步骤 | 第92-93页 |
| 6．2．2 可行插入位置的确定 | 第93-94页 |
| 6．2．3 最好服务时间的确定 | 第94-98页 |
| 6．3 算例 | 第98-99页 |
| 6．4 小结 | 第99-100页 |
| 结论 | 第100-103页 |
| 致谢 | 第103-104页 |
| 参考文献 | 第104-119页 |
| 攻读博士学位期间发表的论文及科研情况 | 第119-120页 |
