摘要 | 第7-9页 |
Abstract | 第9-10页 |
第一章 绪论 | 第14-24页 |
1.1 车辆路径问题研究意义 | 第14页 |
1.2 车辆路径问题概述 | 第14-18页 |
1.2.1 VRP构成要素 | 第14-15页 |
1.2.2 基本VRP的数学模型 | 第15-16页 |
1.2.3 车辆路径问题研究现状 | 第16-18页 |
1.3 算法研究概述 | 第18-22页 |
1.3.1 遗传算法概述 | 第18-20页 |
1.3.2 蚁群算法概述 | 第20-21页 |
1.3.3 量子进化算法概述 | 第21-22页 |
1.4 论文内容与安排 | 第22-24页 |
第二章 求解旅行商问题的混合遗传算法 | 第24-40页 |
2.1 引言 | 第24-25页 |
2.2 TSP问题的数学模型 | 第25-26页 |
2.3 解的表示 | 第26-28页 |
2.3.1 解的编码 | 第26页 |
2.3.2 解的初始化 | 第26-28页 |
2.4 HGA算法 | 第28-32页 |
2.4.1 GA算法 | 第28-29页 |
2.4.2 选择策略集 | 第29-30页 |
2.4.3 改进遗传算子集 | 第30-32页 |
2.5 基于距离信息的局部优化 | 第32-33页 |
2.6 HGA算法步骤 | 第33-34页 |
2.7 仿真实验与比较 | 第34-36页 |
2.7.1 实验设置 | 第34-35页 |
2.7.2 HGA算法与蚁群算法、扫描算法比较 | 第35-36页 |
2.8 HGA算法求解TSP仿真软件 | 第36-39页 |
2.8.1 主界面 | 第36页 |
2.8.2 设置参数 | 第36-37页 |
2.8.3 运行HGA算法 | 第37-39页 |
2.8.4 运行结束 | 第39页 |
2.9 小结 | 第39-40页 |
第三章 求解带容量约束车辆路径问题的有效混合量子进化算法 | 第40-66页 |
3.1 引言 | 第40-42页 |
3.2 CVRP问题的数学模型 | 第42-44页 |
3.3 混合量子进化算法EHQEA | 第44-56页 |
3.3.1 量子位观测模型简介 | 第44-45页 |
3.3.1.1 量子位 | 第44-45页 |
3.3.1.2 量子位观测模型 | 第45页 |
3.3.2 解的表示 | 第45-49页 |
3.3.2.1 解的编码 | 第45-46页 |
3.3.2.2 解的生成 | 第46-48页 |
3.3.2.3 解的改进 | 第48-49页 |
3.3.3 量子位观测模型的更新机制 | 第49-50页 |
3.3.4 量子位观测模型的变异机制 | 第50页 |
3.3.5 基于问题性质的两阶段混合变邻域局部搜索 | 第50-54页 |
3.3.6 EHQEA算法步骤 | 第54-55页 |
3.3.7 算法计算复杂度分析 | 第55-56页 |
3.4 仿真实验与比较 | 第56-61页 |
3.4.1 实验设置 | 第56-57页 |
3.4.2 关键参数设置 | 第57-59页 |
3.4.3 关键操作对比 | 第59-60页 |
3.4.4 EHQEA与CGA、IACO、QEA、HQGA比较 | 第60-61页 |
3.5 小结 | 第61-66页 |
第四章 求解带时间窗约束车辆路径问题的有效混合量子蚁群算法 | 第66-84页 |
4.1 引言 | 第66-68页 |
4.2 VRPTW问题的数学模型 | 第68-69页 |
4.3 有效混合量子蚁群算法EHQACA | 第69-80页 |
4.3.1 量子位观测模型 | 第70页 |
4.3.2 观测规则 | 第70-72页 |
4.3.3 解的编码及生成 | 第72页 |
4.3.4 解的评价 | 第72页 |
4.3.5 量子位观测模型的更新机制 | 第72-73页 |
4.3.6 信息素的更新机制 | 第73-74页 |
4.3.7 两阶段局部搜索 | 第74-78页 |
4.3.7.1 第1阶段局部搜索 | 第74-77页 |
4.3.7.2 第2阶段局部搜索 | 第77-78页 |
4.3.8 EHQACA算法步骤 | 第78-80页 |
4.4 实验设置与比较 | 第80-83页 |
4.5 小结 | 第83-84页 |
第五章 结论与展望 | 第84-86页 |
致谢 | 第86-88页 |
参考文献 | 第88-96页 |
附录A (攻读硕士期间发表的论文) | 第96页 |