基于改进粒子群算法的配送中心车辆优化调度问题研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第10-17页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 国外研究现状 | 第11-12页 |
| 1.2.2 国内研究现状 | 第12-13页 |
| 1.2.3 研究现状总结 | 第13-14页 |
| 1.3 主要研究内容 | 第14-16页 |
| 1.4 本章小结 | 第16-17页 |
| 2 物流配送与车辆优化调度问题 | 第17-24页 |
| 2.1 物流配送的相关理论 | 第17-18页 |
| 2.1.1 物流配送的概念 | 第17页 |
| 2.1.2 配送中心的概念 | 第17-18页 |
| 2.2 配送的特点及分类 | 第18-19页 |
| 2.2.1 配送的特点 | 第18页 |
| 2.2.2 配送的分类 | 第18-19页 |
| 2.3 车辆调度问题 | 第19-23页 |
| 2.3.1 车辆调度问题的定义 | 第19-20页 |
| 2.3.2 车辆调度问题组成要素分析 | 第20页 |
| 2.3.3 车辆调度问题分类 | 第20-22页 |
| 2.3.4 车辆调度问题基本模型 | 第22-23页 |
| 2.4 本章小结 | 第23-24页 |
| 3 车辆调度问题算法研究 | 第24-39页 |
| 3.1 车辆调度问题算法理论 | 第24-25页 |
| 3.2 精确算法 | 第25-26页 |
| 3.2.1 集分割与列生成法 | 第25页 |
| 3.2.2 动态规划法 | 第25页 |
| 3.2.3 分支定界法 | 第25-26页 |
| 3.2.4 切平面法 | 第26页 |
| 3.2.5 精确算法对比分析 | 第26页 |
| 3.3 传统启发式算法 | 第26-30页 |
| 3.3.1 节约算法 | 第26-27页 |
| 3.3.2 两阶段算法 | 第27-28页 |
| 3.3.3 插入算法 | 第28-29页 |
| 3.3.4 扫描算法 | 第29页 |
| 3.3.5 传统启发式算法对比分析 | 第29-30页 |
| 3.4 现代启发式算法 | 第30-38页 |
| 3.4.1 禁忌搜索算法 | 第30-31页 |
| 3.4.2 模拟退火算法 | 第31-32页 |
| 3.4.3 遗传算法 | 第32-33页 |
| 3.4.4 蚁群算法 | 第33-34页 |
| 3.4.5 粒子群算法 | 第34-36页 |
| 3.4.6 现代启发式算法对比分析 | 第36-38页 |
| 3.5 本章小结 | 第38-39页 |
| 4 改进粒子群算法设计 | 第39-48页 |
| 4.1 粒子群算法基本原理 | 第39-40页 |
| 4.2 菌群算法 | 第40-42页 |
| 4.2.1 菌群算法的基本思想 | 第40页 |
| 4.2.2 菌群算法的流程 | 第40-42页 |
| 4.3 粒子群算法的改进 | 第42-45页 |
| 4.3.1 粒子群算法的改进途径 | 第42-43页 |
| 4.3.2 改进粒子群算法的基本思想 | 第43-44页 |
| 4.3.3 改进粒子群算法流程 | 第44-45页 |
| 4.4 改进粒子群算法分析 | 第45-47页 |
| 4.5 本章小结 | 第47-48页 |
| 5 改进粒子群算法求解配送中心车辆调度问题 | 第48-61页 |
| 5.1 配送中心车辆调度问题的数学模型 | 第48-51页 |
| 5.1.1 问题描述 | 第48页 |
| 5.1.2 模型建立 | 第48-50页 |
| 5.1.3 模型求解 | 第50-51页 |
| 5.2 改进粒子群算法在车辆调度问题中的应用 | 第51-54页 |
| 5.2.1 粒子编码 | 第51-52页 |
| 5.2.2 粒子进化方式 | 第52-53页 |
| 5.2.3 改进粒子群算法求解车辆调度问题的步骤 | 第53-54页 |
| 5.3 实验仿真与结果分析 | 第54-60页 |
| 5.3.1 实验数据 | 第54-56页 |
| 5.3.2 算例求解与结果分析 | 第56-60页 |
| 5.4 本章小结 | 第60-61页 |
| 6 总结与展望 | 第61-63页 |
| 6.1 总结 | 第61页 |
| 6.2 展望 | 第61-63页 |
| 致谢 | 第63-64页 |
| 参考 文献 | 第64-67页 |
| 攻读学位期间的研究成果 | 第67页 |
