| 第一章 绪论 | 第1-14页 |
| 1．1 选题背景 | 第9-10页 |
| 1．2 研究的目的 | 第10-11页 |
| 1．3 国内外研究现状 | 第11-12页 |
| 1．4 本文研究的问题以及工作内容 | 第12-14页 |
| 1．4．1 研究的问题 | 第12页 |
| 1．4．2 主要工作内容 | 第12-14页 |
| 第二章 车辆线路优化问题(VRP)的数学模型与算法回顾 | 第14-21页 |
| 2．1 数学模型 | 第14-16页 |
| 2．1．1 一般VRP的数学模型 | 第14-16页 |
| 2．1．2 宽时间窗VRP的数学模型 | 第16页 |
| 2．2 VRP的算法回顾 | 第16-21页 |
| 第三章 遗传算法概述 | 第21-30页 |
| 3．1 算法的产生与发展 | 第21-22页 |
| 3．2 基本遗传算法 | 第22-23页 |
| 3．3 遗传算法实现的基本技术 | 第23-29页 |
| 3．3．1 编码方法 | 第23-24页 |
| 3．3．2 适应度函数 | 第24-25页 |
| 3．3．3 遗传算子 | 第25-27页 |
| 3．3．4 运行参数 | 第27-28页 |
| 3．3．5 约束条件的处理方法 | 第28-29页 |
| 3．4 遗传算法的特点与应用 | 第29-30页 |
| 第四章 宽时间窗 VRP的节约启发式算法和标准遗传算法设计 | 第30-42页 |
| 4．1 宽时间窗VRP的节约启发式算法设计 | 第30-33页 |
| 4．1．1 算法思想 | 第30-31页 |
| 4．1．2 算法步骤与框图 | 第31-33页 |
| 4．2 宽时间窗VRP的标准遗传算法设计 | 第33-42页 |
| 4．2．1 编码方法 | 第33-34页 |
| 4．2．2 选择算子设计 | 第34页 |
| 4．2．3 交叉算子设计 | 第34-35页 |
| 4．2．4 变异算子设计 | 第35-36页 |
| 4．2．5 控制参数与终止条件 | 第36-37页 |
| 4．2．6 初始群体的确定 | 第37-38页 |
| 4．2．7 适应度函数的确定 | 第38-39页 |
| 4．2．8 求解VRP的标准遗传算法步骤与框图 | 第39-42页 |
| 第五章 宽时间窗 VRP的遗传节约混合算法设计 | 第42-51页 |
| 5．1 混合遗传算法的特点和基本原则 | 第42-44页 |
| 5．2 宽时间窗VRP的遗传节约混合算法设计 | 第44-47页 |
| 5．2．1 算法的基本思想 | 第44-45页 |
| 5．2．2 算法的实现主要技术 | 第45-47页 |
| 5．3 遗传节约混合遗传算法主要步骤和框图 | 第47-48页 |
| 5．4 遗传节约混合算法的特点 | 第48-51页 |
| 第六章 算法的实现及性能分析 | 第51-64页 |
| 6．1 算法实现 | 第51页 |
| 6．2 不同运行参数下遗传节约混合算法的性能分析 | 第51-57页 |
| 6．2．1 算例说明 | 第51-52页 |
| 6．2．2 群体规模对算法性能的影响 | 第52-55页 |
| 6．2．3 交叉率、变异率对算法性能的影响 | 第55-57页 |
| 6．3 三种算法的性能比较 | 第57-58页 |
| 6．4 实例应用 | 第58-64页 |
| 第七章 结论与展望 | 第64-65页 |
| 7．1 结论 | 第64页 |
| 7．2 研究展望 | 第64-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-70页 |
| 附录 遗传节约混合算法源程序 | 第70-94页 |