| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-16页 |
| 1.1 研究背景 | 第11-12页 |
| 1.2 研究目的及意义 | 第12页 |
| 1.3 车辆路径问题研究现状 | 第12-14页 |
| 1.3.1 国外研究现状 | 第13页 |
| 1.3.2 国内研究现状 | 第13-14页 |
| 1.4 论文的框架及研究方法 | 第14-16页 |
| 第二章 相关技术与理论 | 第16-23页 |
| 2.1 云计算 | 第16-18页 |
| 2.1.1 云计算概述 | 第16-17页 |
| 2.1.2 云计算的应用现状 | 第17-18页 |
| 2.2 遗传算法 | 第18-22页 |
| 2.2.1 遗传算法概述 | 第18-21页 |
| 2.2.2 并行遗传算法研究现状 | 第21-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第三章 云计算环境下医药物流配送网络与利益分配方法 | 第23-33页 |
| 3.1 云计算环境下医药物流配送体系构建的必要性 | 第23页 |
| 3.2 云计算环境下医药物流配送网络分析 | 第23-26页 |
| 3.2.1 云计算环境下医药物流配送的技术框架 | 第24页 |
| 3.2.2 云计算环境下的医药物流配送利益相关方 | 第24-25页 |
| 3.2.3 云计算环境下的医药物流配送网络信息源分析 | 第25-26页 |
| 3.3 云计算环境下医药物流配送利益分配方法 | 第26-28页 |
| 3.3.1 Shapley值法 | 第26-27页 |
| 3.3.2 最小核心法 | 第27页 |
| 3.3.3 Nash谈判模型 | 第27-28页 |
| 3.4 实例分析 | 第28-32页 |
| 3.4.1 Shapley值法的分配 | 第28-30页 |
| 3.4.2 最小核心法的分配 | 第30-31页 |
| 3.4.3 Nash谈判模型的分配 | 第31-32页 |
| 3.5 本章小结 | 第32-33页 |
| 第四章 基于Hadoop云计算平台的遗传算法框架构建 | 第33-39页 |
| 4.1 Hadoop开源云计算平台 | 第33-35页 |
| 4.2 基于MapReduce的并行遗传算法的设计 | 第35-38页 |
| 4.2.1 遗传算法在MapReduce中的编程模型 | 第35-36页 |
| 4.2.2 遗传算法在MapReduce中的设计 | 第36-38页 |
| 4.3 本章小结 | 第38-39页 |
| 第五章 云环境下改进遗传算法在医药物流路径问题上的应用 | 第39-68页 |
| 5.1 云计算环境下医药物流配送车辆路径问题的求解算法 | 第39-40页 |
| 5.2 无时限多配送中心路径优化问题 | 第40-41页 |
| 5.2.1 问题描述 | 第40页 |
| 5.2.2 数学模型建立 | 第40-41页 |
| 5.3 云环境下改进遗传算法的设计 | 第41-56页 |
| 5.3.1 编码与解码 | 第41-42页 |
| 5.3.2 初始种群与适应度函数 | 第42-47页 |
| 5.3.3 选择算子 | 第47-48页 |
| 5.3.4 交叉算子 | 第48-49页 |
| 5.3.5 变异算子 | 第49-50页 |
| 5.3.6 2-Opt优化算法 | 第50-53页 |
| 5.3.7 算法的结构 | 第53-56页 |
| 5.4 Hadoop实验平台及优化结果分析 | 第56-67页 |
| 5.4.1 Hadoop云计算仿真实验平台的搭建 | 第56-60页 |
| 5.4.2 Hadoop云计算仿真实验平台的测试 | 第60-63页 |
| 5.4.3 实例分析 | 第63-67页 |
| 5.5 本章小结 | 第67-68页 |
| 第六章 总结与展望 | 第68-70页 |
| 6.1 总结 | 第68页 |
| 6.2 展望 | 第68-70页 |
| 参考文献 | 第70-74页 |
| 致谢 | 第74-75页 |
| 攻读硕士学位期间发表论文情况 | 第75页 |
