物流企业车辆调度优化方法研究
| 摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 第1章 绪论 | 第11-17页 |
| ·选题背景及研究意义 | 第11页 |
| ·国内外现状研究 | 第11-14页 |
| ·研究工作 | 第14-15页 |
| ·论文结构安排 | 第15-17页 |
| 第2章 车辆调度问题研究 | 第17-29页 |
| ·车辆调度问题概述 | 第17-20页 |
| ·车辆调度问题定义 | 第17-18页 |
| ·车辆调度问题的组成要素 | 第18-19页 |
| ·车辆调度问题种类 | 第19-20页 |
| ·车辆调度问题数学模型 | 第20-25页 |
| ·面向载重能力约束的车辆调度问题（CVRP） | 第20-22页 |
| ·带时间窗车辆调度问题（VRPTW） | 第22-25页 |
| ·车辆调度问题的求解方法 | 第25-27页 |
| ·精确算法 | 第25页 |
| ·传统启发式 | 第25-26页 |
| ·现代启发式 | 第26-27页 |
| ·本章小结 | 第27-29页 |
| 第3章 改进蚁群算法研究 | 第29-51页 |
| ·蚁群算法基本原理 | 第29-30页 |
| ·蚁群算法数学模型 | 第30-35页 |
| ·数学模型 | 第30-32页 |
| ·实现流程 | 第32-34页 |
| ·蚁群优化算法研究现状 | 第34-35页 |
| ·本文对蚁群算法的改进 | 第35-43页 |
| ·初始解的构建方法 | 第35-36页 |
| ·状态转移概率的改进 | 第36-39页 |
| ·信息素更新策略 | 第39-40页 |
| ·参数设置 | 第40-43页 |
| ·改进后算法的仿真分析 | 第43-49页 |
| ·TSP数学模型 | 第43页 |
| ·算法实现步骤 | 第43-46页 |
| ·仿真分析 | 第46-49页 |
| ·本章小结 | 第49-51页 |
| 第4章 蚁群算法求解车辆调度问题 | 第51-67页 |
| ·求解面向载重能力约束的车辆调度问题 | 第51-60页 |
| ·面向载重能力约束的车辆调度问题概述 | 第51页 |
| ·CVRP 任务分解 | 第51-52页 |
| ·算法实现 | 第52-55页 |
| ·仿真分析 | 第55-60页 |
| ·求解带时间窗的车辆调度问题 | 第60-65页 |
| ·带时间窗车辆调度问题概述 | 第60页 |
| ·算法实现 | 第60-62页 |
| ·仿真分析 | 第62-65页 |
| ·本章小结 | 第65-67页 |
| 第5章 物流企业车辆调度软件系统设计 | 第67-85页 |
| ·物流企业货物配送及业务流程分析 | 第67-68页 |
| ·物流车辆调度概述 | 第67-68页 |
| ·业务流程分析 | 第68页 |
| ·车辆调度系统架构及功能设计 | 第68-73页 |
| ·系统架构 | 第68-70页 |
| ·系统功能 | 第70页 |
| ·数据库设计 | 第70-73页 |
| ·车辆调度系统实现 | 第73-82页 |
| ·开发平台介绍 | 第73页 |
| ·系统登录及主界面实现 | 第73-74页 |
| ·信息管理功能模块实现 | 第74-78页 |
| ·订单管理功能模块 | 第78-79页 |
| ·调度管理功能模块 | 第79-81页 |
| ·GIS 地理信息管理功能模块 | 第81-82页 |
| ·蚁群算法在调度中的应用分析 | 第82-84页 |
| ·测试实例 | 第82-83页 |
| ·结果分析 | 第83-84页 |
| ·本章小结 | 第84-85页 |
| 第6章 结论与展望 | 第85-87页 |
| ·结论 | 第85-86页 |
| ·展望 | 第86-87页 |
| 参考文献 | 第87-91页 |
| 致谢 | 第91-92页 |
| 作者简介 | 第92-93页 |
