| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-19页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.1.1 研究背景 | 第9-10页 |
| 1.1.2 研究意义 | 第10页 |
| 1.2 国内外国内外文献研究综述 | 第10-16页 |
| 1.2.1 车辆路径问题(VRP)研究现状 | 第10-13页 |
| 1.2.2 设施选址(LAP)问题 | 第13-14页 |
| 1.2.3 选址-路径问题(LRP)研究现状 | 第14-16页 |
| 1.3 研究内容和与行文思路 | 第16-19页 |
| 1.3.1 研究内容 | 第16-17页 |
| 1.3.2 研究方法 | 第17-18页 |
| 1.3.3 技术路线 | 第18-19页 |
| 第2章 电动物流车在城市配送中应用分析 | 第19-29页 |
| 2.1 电动汽车概述 | 第19-22页 |
| 2.1.1 电动汽车分类 | 第19-20页 |
| 2.1.2 充电模式 | 第20-21页 |
| 2.1.3 充电基础设施分类 | 第21-22页 |
| 2.2 电动物流车在城市配送中的应用 | 第22-25页 |
| 2.2.1 城市配送概述 | 第22页 |
| 2.2.2 现代城市配送的特点与发展趋势 | 第22-23页 |
| 2.2.3 电动汽车在配送中的应用现状 | 第23-24页 |
| 2.2.4 国家扶持政策 | 第24-25页 |
| 2.3 基于SWOT分析模型的电动物流车态势分析 | 第25-27页 |
| 2.3.1 优势分析 | 第25-26页 |
| 2.3.2 劣势分析 | 第26页 |
| 2.3.3 机遇分析 | 第26-27页 |
| 2.3.4 威胁分析 | 第27页 |
| 2.4 本章小结 | 第27-29页 |
| 第3章 基于电动物流车的LRP组合优化基础框架模型 | 第29-37页 |
| 3.1 电动汽车LRP问题分析 | 第29-30页 |
| 3.2 电动汽车LRP问题模型构建 | 第30-31页 |
| 3.2.1 问题描述 | 第30页 |
| 3.2.2 模型假设 | 第30-31页 |
| 3.3 构建基于电动汽车的LRP的数学模型 | 第31-36页 |
| 3.3.1 参数定义 | 第31页 |
| 3.3.2 目标函数分析 | 第31-33页 |
| 3.3.3 约束条件分析 | 第33-35页 |
| 3.3.4 模型求解思路 | 第35-36页 |
| 3.4 本章小结 | 第36-37页 |
| 第4章 混合遗传模拟退火算法求解电动汽车LRP问题 | 第37-53页 |
| 4.1 模拟退火算法 | 第37-41页 |
| 4.1.1 模拟退火算法概述 | 第37-39页 |
| 4.1.2 模拟退火算法有关技术问题 | 第39-41页 |
| 4.2 遗传算法 | 第41-46页 |
| 4.2.1 遗传算法概述 | 第41-43页 |
| 4.2.2 遗传算法的技术处理 | 第43-46页 |
| 4.3 遗传和模拟退火组合算法求解LRP模型 | 第46-49页 |
| 4.3.1 遗传和模拟退火组合算法设计思路 | 第46-47页 |
| 4.3.2 基于混合遗传模拟退火算法求解LRP的具体实现 | 第47-49页 |
| 4.4 遗传模拟退火组合算法算例研究 | 第49-52页 |
| 4.4.1 基础数据 | 第50页 |
| 4.4.2 运算结果 | 第50-52页 |
| 4.5 本章小结 | 第52-53页 |
| 第5章 结论与展望 | 第53-55页 |
| 5.1 本研究的结论 | 第53页 |
| 5.2 对未来的展望 | 第53-55页 |
| 参考文献 | 第55-60页 |
| 致谢 | 第60-61页 |
| 攻读硕士学位期间的研究成果 | 第61页 |
