| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 目录 | 第6-8页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 课题相关背景 | 第8-10页 |
| 1.2 本文的主要内容和组织结构 | 第10-11页 |
| 1.3 本章小结 | 第11-12页 |
| 第二章 相关背景知识介绍 | 第12-23页 |
| 2.1 ACO 算法 | 第12-16页 |
| 2.1.1 旅行商(TSP)问题 | 第13-14页 |
| 2.1.2 ACO 算法的数学模型 | 第14-16页 |
| 2.2 广义蚁群算法 | 第16-20页 |
| 2.2.1 广义蚁群算法的概率选择函数 | 第17页 |
| 2.2.2 广义蚁群算法的信息素更新过程 | 第17-20页 |
| 2.3 算法收敛性、收敛速度及复杂度 | 第20-22页 |
| 2.3.1 算法收敛性、收敛速度概述 | 第20页 |
| 2.3.2 算法复杂度概述 | 第20-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第三章 多目标广义蚁群算法的收敛性、收敛速度及复杂度 | 第23-50页 |
| 3.1 多目标广义蚁群算法 | 第23-27页 |
| 3.1.1 多目标优化问题 | 第23-24页 |
| 3.1.2 多目标广义蚁群算法 | 第24-26页 |
| 3.1.3 多目标评价准则 | 第26-27页 |
| 3.2 多目标广义蚁群算法的收敛性分析 | 第27-28页 |
| 3.3 多目标广义蚁群算法收敛速度分析 | 第28-32页 |
| 3.4 多目标广义蚁群算法复杂度 | 第32-39页 |
| 3.4.1 多目标广义蚁群算法时间复杂度 | 第32-38页 |
| 3.4.2 多目标广义蚁群算法空间复杂度 | 第38-39页 |
| 3.5 多目标广义蚁群算法的仿真实验 | 第39-49页 |
| 3.5.1 多目标广义蚁群算法收敛性实验 | 第39-43页 |
| 3.5.2 多目标广义蚁群算法的收敛速度仿真实验 | 第43-46页 |
| 3.5.3 多目标广义蚁群算法时间复杂度仿真实验 | 第46-49页 |
| 3.6 本章小结 | 第49-50页 |
| 第四章 多目标广义蚁群算法在物流车辆路径规划中的应用 | 第50-64页 |
| 4.1 车辆路径问题概述 | 第50-53页 |
| 4.1.1 车辆路径优化问题 | 第50-51页 |
| 4.1.2 车辆路径优化问题的分类 | 第51页 |
| 4.1.3 车辆路径优化问题的目标 | 第51-53页 |
| 4.2 多目标广义蚁群算法在物流车辆路径规划中的实现 | 第53-58页 |
| 4.2.1 多目标物流车辆路径规划问题数学模型 | 第53-54页 |
| 4.2.2 多目标广义蚁群算法求解多目标 VRP 问题 | 第54-57页 |
| 4.2.3 多目标广义蚁群算法在 VRP 中的具体实现步骤 | 第57-58页 |
| 4.3 多目标广义蚁群算法在车辆路径问题中的仿真实验 | 第58-62页 |
| 4.4 本章小结 | 第62-64页 |
| 第五章 总结与展望 | 第64-66页 |
| 5.1 总结 | 第64页 |
| 5.2 展望 | 第64-66页 |
| 参考文献 | 第66-68页 |
| 附录 1 程序清单 | 第68-69页 |
| 附录 2 攻读硕士学位期间撰写的论文 | 第69-70页 |
| 致谢 | 第70页 |
