基于改进蚁群算法的物流配送车辆路径优化研究
| 致谢 | 第1-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6-11页 |
| 1 绪论 | 第11-28页 |
| ·问题提出及研究意义 | 第11-13页 |
| ·问题提出 | 第11-12页 |
| ·研究意义 | 第12-13页 |
| ·研究现状及评述 | 第13-26页 |
| ·车辆路径问题研究现状 | 第13-24页 |
| ·蚁群算法的研究现状 | 第24-25页 |
| ·研究中存在的问题 | 第25-26页 |
| ·研究技术路线 | 第26-27页 |
| ·研究方法 | 第27-28页 |
| 2 车辆路径优化和蚁群算法的概念界定 | 第28-36页 |
| ·车辆路径优化的界定 | 第28-30页 |
| ·车辆路径问题的构成要素分析 | 第30-31页 |
| ·蚁群算法的界定及其特点 | 第31-35页 |
| ·蚁群算法的界定 | 第31-34页 |
| ·蚁群算法的特点 | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 3 蚁群算法的参数设置及其对算法性能的影响研究 | 第36-46页 |
| ·启发式因子α与β的选择 | 第36-38页 |
| ·挥发系数ρ的选择及自适应蚁群算法 | 第38-43页 |
| ·挥发系数ρ的选择 | 第38-40页 |
| ·自适应蚁群算法 | 第40-43页 |
| ·蚂蚁数量m的选择 | 第43-44页 |
| ·总信息量Q的选择 | 第44-45页 |
| ·本章小结 | 第45-46页 |
| 4 基于密度聚类的双层蚁群算法及其求解VRP问题 | 第46-62页 |
| ·几种改进蚂蚁系统的对比分析 | 第46-53页 |
| ·带精英策略的蚂蚁系统 | 第46-47页 |
| ·基于优化排序的蚂蚁系统 | 第47-48页 |
| ·蚁群系统 | 第48-51页 |
| ·最大-最小蚂蚁系统 | 第51-52页 |
| ·最优-最差蚂蚁系统 | 第52页 |
| ·实验对比分析 | 第52-53页 |
| ·基于密度聚类的双层蚁群算法 | 第53-57页 |
| ·基于聚类求解VRP问题的基本思想 | 第53-54页 |
| ·基于密度聚类的双层蚁群算法步骤 | 第54-57页 |
| ·改进算法求解VRP问题 | 第57-61页 |
| ·本章小结 | 第61-62页 |
| 5 改进的混合蚁群算法 | 第62-78页 |
| ·遗传算法的主要步骤及实验分析 | 第62-67页 |
| ·遗传算法的主要步骤 | 第62-64页 |
| ·实验分析 | 第64-67页 |
| ·改进的混合蚁群算法 | 第67-72页 |
| ·路径的构造 | 第67页 |
| ·信息素更新策略 | 第67-68页 |
| ·遗传算子引入 | 第68-70页 |
| ·算法流程 | 第70-72页 |
| ·混合算法性能分析 | 第72-76页 |
| ·本章小结 | 第76-78页 |
| 6 基于混合蚁群算法的车辆路径优化 | 第78-114页 |
| ·带容量约束的车辆路径优化 | 第78-88页 |
| ·CVRP描述 | 第78-79页 |
| ·CVRP的的数学模型 | 第79-80页 |
| ·求解CVRP的混合算法设计 | 第80-81页 |
| ·CVRP优化仿真 | 第81-88页 |
| ·带时间窗约束的车辆路径优化 | 第88-96页 |
| ·VRPTW描述 | 第88-91页 |
| ·VRPTW的数学模型 | 第91-92页 |
| ·求解VRPTW的混合算法设计 | 第92-93页 |
| ·VRPTW优化仿真 | 第93-96页 |
| ·同时送货和取货车辆路径优化 | 第96-103页 |
| ·VRPSDP描述 | 第96-97页 |
| ·VRPSDP的数学模型 | 第97-99页 |
| ·求解VRPSDP的混合算法设计 | 第99页 |
| ·VRPSDP优化仿真 | 第99-103页 |
| ·多目标车辆路径优化及其算法 | 第103-113页 |
| ·MOVRP描述 | 第104-105页 |
| ·MOVRP的模型建立 | 第105-106页 |
| ·求解MOVRP的算法设计 | 第106-108页 |
| ·MOVRP优化仿真 | 第108-113页 |
| ·本章小结 | 第113-114页 |
| 7 结论与展望 | 第114-116页 |
| ·结论 | 第114-115页 |
| ·展望 | 第115-116页 |
| 参考文献 | 第116-131页 |
| 作者简历 | 第131-133页 |
| 学位论文数据集 | 第133-134页 |
| 附件 | 第134页 |
