基于粒子群—蚁群算法的随机需求车辆路径问题研究
| 摘要 | 第1-8页 |
| Abstract | 第8-10页 |
| 1 绪论 | 第10-18页 |
| ·选题背景及意义 | 第10-12页 |
| ·物流及物流行业 | 第10页 |
| ·物流配送、回收与车辆路径问题 | 第10-12页 |
| ·车辆路径问题研究现状 | 第12-15页 |
| ·国内外车辆路径问题研究进展 | 第12-13页 |
| ·随机需求车辆路径问题研究现状 | 第13-15页 |
| ·研究中存在的主要问题 | 第15-16页 |
| ·所用的一些专有名词缺乏统一的提法 | 第15页 |
| ·数学模型的建立中存在着一些不足之处 | 第15-16页 |
| ·所运用的算法存在一些问题 | 第16页 |
| ·扩展研究成果较少 | 第16页 |
| ·论文的主要研究内容 | 第16-18页 |
| 2 聚类分析和群智能算法基本理论 | 第18-33页 |
| ·聚类分析 | 第18-22页 |
| ·聚类的一般步骤 | 第18页 |
| ·聚类算法的分类 | 第18-20页 |
| ·K—均值算法 | 第20-22页 |
| ·聚类分析在车辆路径问题中的应用 | 第22页 |
| ·群智能算法 | 第22-33页 |
| ·蚁群优化算法 | 第22-27页 |
| ·粒子群优化算法 | 第27-31页 |
| ·粒子群—蚁群混合算法 | 第31-33页 |
| 3 随机需求车辆路径问题模型的建立及求解 | 第33-43页 |
| ·随机需求车辆路径问题模型的建立 | 第33-37页 |
| ·标准车辆路径问题 | 第33页 |
| ·随机需求车辆路径问题 | 第33-37页 |
| ·模型求解的方法与步骤 | 第37-39页 |
| ·K—均值聚类分析 | 第37-38页 |
| ·粒子群—蚁群混合算法 | 第38-39页 |
| ·实例测试 | 第39-43页 |
| ·进行 K—均值聚类分析 | 第39-41页 |
| ·应用粒子群—蚁群混合算法进行路径规划 | 第41-43页 |
| 4 结论与展望 | 第43-45页 |
| ·结论 | 第43页 |
| ·主要创新点 | 第43-44页 |
| ·展望 | 第44-45页 |
| 参考文献 | 第45-50页 |
| 附录 1 | 第50-53页 |
| 附录 2 | 第53-56页 |
