| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 第1章 绪论 | 第9-21页 |
| 1.1 研究背景及意义 | 第9-11页 |
| 1.1.1 研究背景 | 第9-10页 |
| 1.1.2 研究意义 | 第10-11页 |
| 1.2 相关文献综述 | 第11-18页 |
| 1.2.1 VRP问题研究综述 | 第11-15页 |
| 1.2.2 电商物流的研究现状 | 第15-16页 |
| 1.2.3 带时间窗的电商快递路径优化研究现状 | 第16-17页 |
| 1.2.4 有关VRP问题的算法研究 | 第17-18页 |
| 1.2.5 综合评述 | 第18页 |
| 1.3 主要研究内容与技术路线 | 第18-21页 |
| 1.3.1 研究内容 | 第18-19页 |
| 1.3.2 创新点 | 第19页 |
| 1.3.3 技术路线图 | 第19-21页 |
| 第2章 相关理论基础 | 第21-28页 |
| 2.1 车辆路径问题理论基础 | 第21-26页 |
| 2.1.1 车辆路径问题定义 | 第21页 |
| 2.1.2 VRP问题的约束分类 | 第21-22页 |
| 2.1.3 车辆路径问题算法综述 | 第22-26页 |
| 2.2 蚁群算法相关理论 | 第26-28页 |
| 2.2.1 蚁群算法的基本思想 | 第26页 |
| 2.2.2 参数选择的依据及影响 | 第26-28页 |
| 第3章 带不确定时间窗的电商快递配送路径决策模型 | 第28-40页 |
| 3.1 电商快递配送路径优化问题分析 | 第28-30页 |
| 3.1.1 电商快递配送路径问题的构成要素分析 | 第28-29页 |
| 3.1.2 配送路径优化方法 | 第29-30页 |
| 3.2 配送路径优化问题基本模型 | 第30-31页 |
| 3.2.1 车辆路径问题的一般描述与特征 | 第30页 |
| 3.2.2 一般车辆路径问题的模型 | 第30-31页 |
| 3.3 带不确定时间窗的VRP问题描述及数学模型建立 | 第31-37页 |
| 3.3.1 不确定时间窗的界定 | 第31页 |
| 3.3.2 问题描述 | 第31-32页 |
| 3.3.3 基本假设 | 第32-34页 |
| 3.3.4 带不确定时间窗电商快递配送路径决策数学模型的建立 | 第34-37页 |
| 3.4 模型求解说明 | 第37-40页 |
| 3.4.1 时间窗处理 | 第37-38页 |
| 3.4.2 多目标的处理 | 第38-40页 |
| 第4章 带不确定时间窗的电商快递配送路径决策模型求解 | 第40-60页 |
| 4.1 求解算法说明 | 第40-43页 |
| 4.1.1 蚁群算法解决TSP问题的基本原理 | 第40-41页 |
| 4.1.2 蚁群算法解决TSP问题的基本步骤 | 第41-42页 |
| 4.1.3 蚁群算法的特点 | 第42-43页 |
| 4.2 数据的采集与处理 | 第43-50页 |
| 4.2.1 数据采集 | 第43-47页 |
| 4.2.2 数据的处理 | 第47-50页 |
| 4.3 算法步骤和实验条件 | 第50-60页 |
| 4.3.1 算法步骤 | 第50-51页 |
| 4.3.2 实验条件 | 第51-52页 |
| 4.3.3 计算结果及分析 | 第52-60页 |
| 第5章 结论与展望 | 第60-62页 |
| 5.1 研究的主要工作 | 第60页 |
| 5.2 研究展望 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 致谢 | 第66页 |
