基于遗传蚁群算法的多目标冷链物流车辆路径问题研究
摘要 | 第4-5页 |
ABSTRACT | 第5-6页 |
1 绪论 | 第10-22页 |
1.1 研究背景及意义 | 第10-12页 |
1.1.1 研究背景 | 第10-11页 |
1.1.2 研究意义 | 第11-12页 |
1.2 国内外研究现状 | 第12-17页 |
1.2.1 常规车辆路径问题 | 第12-13页 |
1.2.2 冷链物流车辆路径问题 | 第13-14页 |
1.2.3 多目标车辆路径问题 | 第14-15页 |
1.2.4 智能优化算法 | 第15-17页 |
1.2.5 研究评述 | 第17页 |
1.3 研究内容与技术路线 | 第17-19页 |
1.3.1 研究内容 | 第17-18页 |
1.3.2 技术路线 | 第18-19页 |
1.3.3 研究方法与创新之处 | 第19页 |
1.4 论文框架 | 第19-20页 |
1.5 本章小结 | 第20-22页 |
2 相关理论概述 | 第22-32页 |
2.1 冷链物流 | 第22-23页 |
2.1.1 冷链物流概念及特点 | 第22页 |
2.1.2 冷链物流的流程 | 第22-23页 |
2.2 车辆路径问题 | 第23-25页 |
2.2.1 车辆路径问题定义及构成要素 | 第23-24页 |
2.2.2 车辆路径问题分类 | 第24页 |
2.2.3 车辆路径问题求解方法 | 第24-25页 |
2.3 冷链物流车辆路径问题 | 第25页 |
2.3.1 冷链物流车辆路径问题概述 | 第25页 |
2.3.2 冷链物流车辆路径问题的特点 | 第25页 |
2.4 多目标优化 | 第25-26页 |
2.4.1 多目标优化简介 | 第25-26页 |
2.4.2 ε约束法 | 第26页 |
2.5 遗传算法 | 第26-28页 |
2.5.1 遗传算法原理 | 第26页 |
2.5.2 遗传算法步骤 | 第26-27页 |
2.5.3 遗传算法流程图 | 第27-28页 |
2.6 蚁群算法 | 第28-31页 |
2.6.1 蚁群算法原理 | 第28-29页 |
2.6.2 状态转移规则 | 第29页 |
2.6.3 信息素更新规则 | 第29-30页 |
2.6.4 蚁群算法基本步骤 | 第30页 |
2.6.5 蚁群算法流程图 | 第30-31页 |
2.7 本章小结 | 第31-32页 |
3 冷链物流车辆路径问题模型 | 第32-40页 |
3.1 模型描述 | 第32-34页 |
3.1.1 问题描述 | 第32页 |
3.1.2 模型假设 | 第32-33页 |
3.1.3 参数说明 | 第33-34页 |
3.2 模型建立 | 第34-38页 |
3.2.1 成本函数 | 第34-36页 |
3.2.2 客户满意度函数 | 第36-37页 |
3.2.3 模型建立 | 第37-38页 |
3.3 本章小结 | 第38-40页 |
4 求解冷链物流车辆路径问题的遗传蚁群算法 | 第40-46页 |
4.1 遗传蚁群算法概述 | 第40页 |
4.2 遗传蚁群算法的设计 | 第40-44页 |
4.2.1 编码方式 | 第40页 |
4.2.2 种群初始化 | 第40-41页 |
4.2.3 计算种群适应度 | 第41-42页 |
4.2.4 交叉操作 | 第42-43页 |
4.2.5 变异操作 | 第43页 |
4.2.6 更新信息素 | 第43-44页 |
4.2.7 输出最优解 | 第44页 |
4.3 遗传蚁群算法流程图 | 第44-45页 |
4.4 本章小结 | 第45-46页 |
5 算例与仿真分析 | 第46-60页 |
5.1 算例描述 | 第46-47页 |
5.2 运行环境与参数设置 | 第47-48页 |
5.2.1 运行环境 | 第47页 |
5.2.2 模型参数设定 | 第47-48页 |
5.2.3 算法参数设定 | 第48页 |
5.3 算例求解及分析 | 第48-58页 |
5.3.1 算法稳定性 | 第49-51页 |
5.3.2 算例求解 | 第51-56页 |
5.3.3 最优配送路线 | 第56-58页 |
5.4 本章小结 | 第58-60页 |
6 结论与展望 | 第60-62页 |
6.1 研究结论 | 第60-61页 |
6.2 研究展望 | 第61-62页 |
参考文献 | 第62-68页 |
附录 | 第68-70页 |
致谢 | 第70-72页 |
攻读学位期间发表的学术论文目录 | 第72-73页 |