| 摘要 | 第2-4页 |
| ABSTRACT | 第4-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 研究意义 | 第10-11页 |
| 1.3 研究内容 | 第11-12页 |
| 1.4 论文框架结构 | 第12-15页 |
| 第2章 文献综述 | 第15-30页 |
| 2.1 公路货运行业概述 | 第15-18页 |
| 2.1.1 我国货运市场发展历程 | 第15-16页 |
| 2.1.2 "互联网+货车"的货运模式 | 第16-18页 |
| 2.2 公路货运运价问题研究现状 | 第18-21页 |
| 2.3 启发式算法概述 | 第21-29页 |
| 2.3.1 模拟退火算法 | 第21-23页 |
| 2.3.2 禁忌搜索算法 | 第23页 |
| 2.3.3 遗传算法 | 第23-25页 |
| 2.3.4 BP神经网络算法 | 第25-26页 |
| 2.3.5 粒子群算法 | 第26-27页 |
| 2.3.6 蚁群算法 | 第27-29页 |
| 2.3.7 算法比较 | 第29页 |
| 2.4 本章小结 | 第29-30页 |
| 第3章 多元回归公路货运运价制定模型 | 第30-38页 |
| 3.1 问题来源 | 第30-31页 |
| 3.2 公路运价影响因素的选取 | 第31-35页 |
| 3.2.1 影响运价的因素 | 第31-32页 |
| 3.2.2 影响因素的关联性分析 | 第32-35页 |
| 3.3 多元线性回归运价制定模型构建 | 第35-37页 |
| 3.4 本章小结 | 第37-38页 |
| 第4章 基于GA-BP的公路货运运价制定模型 | 第38-48页 |
| 4.1 基于BP神经网络的运价制定模型构建 | 第38-41页 |
| 4.2 BP神经网络的不足与改进 | 第41-43页 |
| 4.3 基于GA-BP算法的运价制定模型构建 | 第43-47页 |
| 4.3.1 遗传算法的概念与算法实现 | 第43-45页 |
| 4.3.2 遗传算法优化BP神经网络 | 第45-46页 |
| 4.3.3 GA-BP算法的实现 | 第46-47页 |
| 4.4 本章小结 | 第47-48页 |
| 第5章 实证分析 | 第48-63页 |
| 5.1 背景介绍 | 第48-49页 |
| 5.2 数据收集与处理 | 第49-52页 |
| 5.3 运价模型的实证分析 | 第52-59页 |
| 5.3.1 多元线性回归运价制定模型实例分析 | 第52-55页 |
| 5.3.2 基于BP神经网络的运价制定模型实例分析 | 第55-57页 |
| 5.3.3 基于GA-BP算法的运价制定模型实例分析 | 第57-59页 |
| 5.4 对比分析 | 第59-62页 |
| 5.4.1 BP网络模型与GA-BP模型对比 | 第59-60页 |
| 5.4.2 三种模型对比分析 | 第60-62页 |
| 5.5 本章小结 | 第62-63页 |
| 第6章 总结与结论 | 第63-65页 |
| 6.1 论文的研究内容与结论 | 第63-64页 |
| 6.2 研究的不足与展望 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 附录1 数据及核心代码 | 第69-78页 |
| 附录2 攻读硕士学位期间参与项目与学术成果 | 第78-79页 |
| 致谢 | 第79-80页 |