蚁群混合算法求解带时间窗车辆路径问题
| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 1 绪论 | 第8-13页 |
| 1.1 课题研究背景与意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.2.1 车辆路径问题模型的研究现状 | 第9页 |
| 1.2.2 求解车辆路径问题的算法研究现状 | 第9-11页 |
| 1.3 本文研究的主要内容及方法 | 第11页 |
| 1.4 论文组织安排 | 第11-13页 |
| 2 带时间窗车辆路径问题及算法综述 | 第13-17页 |
| 2.1 带时间窗车辆路径问题构成要素 | 第13-14页 |
| 2.2 带时间窗车辆路径问题的智能启发式求解算法 | 第14-16页 |
| 2.2.1 蚁群算法 | 第14-15页 |
| 2.2.2 遗传算法 | 第15-16页 |
| 2.2.3 鱼群算法 | 第16页 |
| 2.3 本章小结 | 第16-17页 |
| 3 带时间窗车辆路径问题模型建立 | 第17-23页 |
| 3.1 带时间窗车辆路径问题分析 | 第17页 |
| 3.2 带时间窗车辆路径问题模型建立 | 第17-22页 |
| 3.2.1 模型假设 | 第17-18页 |
| 3.2.2 符号说明 | 第18-19页 |
| 3.2.3 目标函数 | 第19-21页 |
| 3.2.4 模型建立 | 第21-22页 |
| 3.3 本章小结 | 第22-23页 |
| 4 蚁群混合算法设计 | 第23-33页 |
| 4.1 蚁群混合算法(ACO-GAF)设计思路 | 第23-24页 |
| 4.2 蚁群混合算法(ACO-GAF) | 第24-29页 |
| 4.2.1 蚂蚁状态转移概率的计算 | 第24-26页 |
| 4.2.2 遗传算法求解过程 | 第26-28页 |
| 4.2.3 轮盘赌择优 | 第28页 |
| 4.2.4 信息素更新 | 第28-29页 |
| 4.3 蚁群混合算法实现步骤 | 第29-32页 |
| 4.4 本章小结 | 第32-33页 |
| 5 蚁群混合算法实验仿真及应用 | 第33-49页 |
| 5.1 蚁群混合算法实验仿真 | 第33-40页 |
| 5.1.1 实验环境及数据来源 | 第33-34页 |
| 5.1.2 模型描述 | 第34页 |
| 5.1.3 参数设置 | 第34页 |
| 5.1.4 实验结果及比较 | 第34-40页 |
| 5.2 蚁群混合算法在超市物流配送问题中的应用 | 第40-48页 |
| 5.2.1 超市物流配送问题描述 | 第40页 |
| 5.2.2 数据收集 | 第40-45页 |
| 5.2.3 建立模型 | 第45-46页 |
| 5.2.4 实验结果及比较 | 第46-48页 |
| 5.3 本章小结 | 第48-49页 |
| 6 总结与展望 | 第49-51页 |
| 6.1 总结 | 第49页 |
| 6.2 展望 | 第49-51页 |
| 致谢 | 第51-52页 |
| 参考文献 | 第52-54页 |
| 附录 | 第54页 |
