| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-19页 |
| 1.1 研究背景及其意义 | 第9-11页 |
| 1.1.1 研究背景 | 第9-10页 |
| 1.1.2 研究意义 | 第10-11页 |
| 1.2 文献综述 | 第11-15页 |
| 1.2.1 电子商务的相关研究 | 第11页 |
| 1.2.2 时间窗背景下的两类问题的相关研究 | 第11-13页 |
| 1.2.3 启发式算法的相关研究 | 第13-15页 |
| 1.3 研究内容及框架 | 第15-16页 |
| 1.3.1 主要研究内容 | 第15-16页 |
| 1.3.2 论文研究框架图 | 第16页 |
| 1.4 论文创新点 | 第16-19页 |
| 第二章 相关理论研究 | 第19-33页 |
| 2.1 电子商务中B2C的概述 | 第19-20页 |
| 2.2 B2C环境下的物流配送现状 | 第20-25页 |
| 2.2.1 B2C对物流配送的影响 | 第20-21页 |
| 2.2.2 B2C环境下物流配送的模式 | 第21-23页 |
| 2.2.3 不同类型B2C电子商务企业物流配送的特点 | 第23页 |
| 2.2.4 B2C环境下物流需求的特点 | 第23-25页 |
| 2.3 B2C环境下物流配送车辆路径问题的概述 | 第25-31页 |
| 2.3.1 车辆路径问题描述 | 第25页 |
| 2.3.2 时间窗概述 | 第25-28页 |
| 2.3.3 车辆路径问题模型概述 | 第28-29页 |
| 2.3.4 车辆路径问题求解算法概述 | 第29-31页 |
| 2.4 本章小节 | 第31-33页 |
| 第三章 基于时间窗的多阶段车辆路径问题研究 | 第33-47页 |
| 3.1 引言 | 第33页 |
| 3.2 基于时间窗的多阶段车辆路径问题介绍 | 第33-35页 |
| 3.3 数学模型的建立 | 第35-37页 |
| 3.3.1 延迟成本 | 第35页 |
| 3.3.2 时间阶段内客户的划分 | 第35-36页 |
| 3.3.3 可推迟客户的评价指标 | 第36页 |
| 3.3.4 基于时间窗的多阶段车辆路径问题的模型 | 第36-37页 |
| 3.4 遗传算法的设计 | 第37-41页 |
| 3.4.1 自适应遗传算法的设计 | 第37-41页 |
| 3.4.2 算法策略流程图的设计 | 第41页 |
| 3.5 算例仿真分析 | 第41-44页 |
| 3.5.1 实验一 | 第41-43页 |
| 3.5.2 实验二 | 第43-44页 |
| 3.6 本章小节 | 第44-47页 |
| 第四章 带有时间窗的多目标车辆路径问题研究 | 第47-61页 |
| 4.1 引言 | 第47页 |
| 4.2 带有时间窗的多目标车辆路径问题描述 | 第47-49页 |
| 4.2.1 问题描述 | 第47-48页 |
| 4.2.2 多目标问题优化的定义 | 第48-49页 |
| 4.3 数学模型 | 第49-53页 |
| 4.3.1 带时间窗的车辆路径问题的基本模型 | 第49-51页 |
| 4.3.2 带时间窗的多目标车辆路径问题的数学模型 | 第51-53页 |
| 4.4 算法设计 | 第53-57页 |
| 4.4.1 遗传编码设计 | 第53页 |
| 4.4.2 初始化种群 | 第53-54页 |
| 4.4.3 适应度函数的设计 | 第54-55页 |
| 4.4.4 自适应遗传算子 | 第55-56页 |
| 4.4.5 终止条件 | 第56-57页 |
| 4.5 实验仿真及分析 | 第57-59页 |
| 4.6 本章小节 | 第59-61页 |
| 第五章 总结和展望 | 第61-63页 |
| 5.1 全文结论 | 第61-62页 |
| 5.2 研究展望 | 第62-63页 |
| 致谢 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 攻读学位期间取得的研究成果 | 第69页 |