| 独创声明 | 第1页 |
| 学位论文版权使用授权书 | 第7-8页 |
| 中文摘要 | 第8-9页 |
| 英文摘要 | 第9-10页 |
| 1 引言 | 第10-18页 |
| ·论文研究的背景和意义 | 第10-15页 |
| ·本文研究的背景 | 第10-15页 |
| ·论文研究的意义 | 第15页 |
| ·国内外对车辆路径问题的研究现状 | 第15-17页 |
| ·国外对车辆路径问题研究现状 | 第16页 |
| ·国内车辆路径问题研究现状 | 第16-17页 |
| ·本论文的主要研究内容及技术路线 | 第17-18页 |
| 2 有关现代物流和优化技术的基本理论 | 第18-28页 |
| ·现代物流概述 | 第18-20页 |
| ·物流的概念 | 第18页 |
| ·物流管理 | 第18-19页 |
| ·现代物流运输、配送管理 | 第19-20页 |
| ·最佳库存 | 第20页 |
| ·最优化理论与方法 | 第20-25页 |
| ·图论的有关知识 | 第21-22页 |
| ·图论中的路径优化问题 | 第22-24页 |
| ·路径优化问题的性质 | 第24-25页 |
| ·TSP问题简介 | 第25-28页 |
| ·TSP问题的定义 | 第25页 |
| ·TSP问题的理论意义 | 第25页 |
| ·求解 TSP问题的方法的简介 | 第25页 |
| ·VRP和 M-TSP及 TSP之间的关系 | 第25-26页 |
| ·一些求解车辆运输路径优化的算法 | 第26-28页 |
| 3 蚁群算法 | 第28-44页 |
| ·蚁群系统 | 第28-33页 |
| ·蚁群算法的基本思路 | 第29-30页 |
| ·蚁群算法的特点 | 第30页 |
| ·蚁群系统研究现状 | 第30-31页 |
| ·蚁群算法的应用领域 | 第31-33页 |
| ·基本蚂蚁系统模型的建立 | 第33-35页 |
| ·变量代码说明 | 第33页 |
| ·每只蚂蚁具有如下特征 | 第33页 |
| ·简单蚁群算法的流程图 | 第33-35页 |
| ·蚁群算法参数的设置及收敛性的研究 | 第35-39页 |
| ·参数设置 | 第35页 |
| ·不同参数设置的试验 | 第35-36页 |
| ·试验结果和结论 | 第36-39页 |
| ·改进蚁群算法 | 第39-44页 |
| 4 改进蚁群算法在车辆路径问题中的应用研究 | 第44-54页 |
| ·遗传算法与蚂蚁算法融合的基本思想 | 第44页 |
| ·改进算法的思想 | 第44-46页 |
| ·GAAA算法中遗传算法的结构原理 | 第46-48页 |
| ·遗传算法的结构原理 | 第46页 |
| ·GAAA算法中遗传算法的改进研究 | 第46-48页 |
| ·GAAA算法中的蚂蚁算法的设计 | 第48-49页 |
| ·VRP数学模型的建立 | 第49-50页 |
| ·VRP问题描述 | 第49页 |
| ·VRP数学模型的建立 | 第49-50页 |
| ·遗传算法与GAAA算法在TSP问题的仿真结果对比 | 第50-54页 |
| ·遗传算法对 TSP的仿真 | 第52页 |
| ·改进蚁群算法对 TSP的仿真 | 第52-53页 |
| ·实验结果分析 | 第53-54页 |
| 5 用MATLAB编程实现改进的蚁群算法对乳品企业原奶车辆路径优化 | 第54-59页 |
| ·乳品企业原奶运输 VRP数学模型的建立 | 第54-56页 |
| ·用Matlab编程实现车辆路径优化 | 第56-59页 |
| ·生成距离矩阵 | 第57页 |
| ·遗传算法生成初始信息 | 第57页 |
| ·改进蚁群算法计算最短路径 | 第57页 |
| ·2-opt去交叉 | 第57页 |
| ·计算结果并画图 | 第57页 |
| ·结果分析 | 第57-59页 |
| 6 结论 | 第59-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-66页 |
| 附录 | 第66-69页 |
| 攻读硕士学位期间发表学术论文 | 第69页 |