基于遗传算法的装配式预制构件配送模型研究
| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 1 绪论 | 第9-19页 |
| 1.1 研究背景及意义 | 第9-12页 |
| 1.1.1 研究背景 | 第9-11页 |
| 1.1.2 研究意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.2.1 国外研究现状 | 第12-13页 |
| 1.2.2 国内研究现状 | 第13-16页 |
| 1.3 研究内容及研究框架 | 第16-19页 |
| 1.3.1 研究内容 | 第16-17页 |
| 1.3.2 研究框架 | 第17-19页 |
| 2 预制构件配送理论 | 第19-24页 |
| 2.1 物流配送基础理论 | 第19-21页 |
| 2.1.1 物流配送基本理论 | 第19-20页 |
| 2.1.2 物流配送车辆调度问题 | 第20-21页 |
| 2.2 预制构件配送理论 | 第21-23页 |
| 2.2.1 装配式预制构件配送特性 | 第21-22页 |
| 2.2.2 预制构件车辆调度理论 | 第22-23页 |
| 2.3 本章小结 | 第23-24页 |
| 3 预制构件车辆调度模型建立 | 第24-38页 |
| 3.1 基本情况 | 第24-25页 |
| 3.2 预制构件配送与传统物流配送的区别 | 第25-26页 |
| 3.3 建立模型前提条件 | 第26-27页 |
| 3.4 构建模型 | 第27-37页 |
| 3.4.1 模型中各参数含义 | 第27-29页 |
| 3.4.2 参数的推导 | 第29-33页 |
| 3.4.3 模型优化目标 | 第33-37页 |
| 3.5 本章小结 | 第37-38页 |
| 4 调度模型求解 | 第38-48页 |
| 4.1 遗传算法 | 第38-42页 |
| 4.1.1 遗传算法简介 | 第38-39页 |
| 4.1.2 遗传算法流程 | 第39-40页 |
| 4.1.3 遗传算法的特点 | 第40-42页 |
| 4.2 遗传算法与爬山算法相结合 | 第42-47页 |
| 4.2.1 遗传算法改进思路 | 第42页 |
| 4.2.2 爬山算法简介 | 第42-43页 |
| 4.2.3 混合算法 | 第43-47页 |
| 4.3 本章小结 | 第47-48页 |
| 5 混合算法求解预制构件配送模型 | 第48-57页 |
| 5.1 混合算法求解预制构件配送模型步骤 | 第48-52页 |
| 5.1.1 对车辆调度方案进行编码 | 第48-49页 |
| 5.1.2 适应值函数的选取 | 第49-50页 |
| 5.1.3 爬山操作与遗传操作 | 第50-52页 |
| 5.2 实例分析 | 第52-56页 |
| 5.2.1 算例构建 | 第52-53页 |
| 5.2.2 求解算例 | 第53-56页 |
| 5.3 本章小结 | 第56-57页 |
| 6 结论与展望 | 第57-59页 |
| 6.1 结论 | 第57-58页 |
| 6.2 展望 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 攻读硕士期间发表的论文及所取得的研究成果 | 第63-64页 |
| 致谢 | 第64-65页 |
