摘要 | 第3-4页 |
ABSTRACT | 第4-5页 |
1 绪论 | 第9-17页 |
1.1 研究背景及意义 | 第9-11页 |
1.1.1 论文的研究背景 | 第9-10页 |
1.1.2 论文的研究意义 | 第10-11页 |
1.2 不确定环境下多式联运的研究现状 | 第11-14页 |
1.2.1 多式联运的基础性研究现状 | 第11-12页 |
1.2.2 多式联运的最优路径研究现状 | 第12-14页 |
1.3 论文的主要研究内容和框架 | 第14-16页 |
1.3.1 论文的研究内容 | 第14-15页 |
1.3.2 论文的框架结构 | 第15-16页 |
1.4 本章小结 | 第16-17页 |
2 多式联运的组织过程 | 第17-25页 |
2.1 主要交通运输方式及其特点 | 第17-18页 |
2.2 多式联运的过程及其特点 | 第18-21页 |
2.2.1 多式联运的过程 | 第18-20页 |
2.2.2 多式联运的特点 | 第20-21页 |
2.3 多式联运的运输组织方法 | 第21-23页 |
2.3.1 协作式多式联运的运输组织方法 | 第21-22页 |
2.3.2 衔接式多式联运的运输组织方法 | 第22-23页 |
2.4 多式联运对运输时间与费用的要求 | 第23-24页 |
2.4.1 多式联运的运输时间要求 | 第23页 |
2.4.2 多式联运的运输费用要求 | 第23-24页 |
2.5 本章小结 | 第24-25页 |
3 不确定环境下多式联运时间-费用模型的构建 | 第25-39页 |
3.1 多式联运中不确定因素分析 | 第25-29页 |
3.1.1 多式联运运输过程的因素分析 | 第25-27页 |
3.1.2 影响多式联运运输时间的不确定因素分类 | 第27-29页 |
3.2 多式联运过程中不确定因素的表达 | 第29-31页 |
3.3 多式联运路网图的构建 | 第31-32页 |
3.3.1 多式联运问题的描述 | 第31页 |
3.3.2 多式联运网络图的构造 | 第31-32页 |
3.4 不确定环境下多式联运的时间-费用模型的建立 | 第32-34页 |
3.4.1 多式联运问题的基本假设 | 第32-33页 |
3.4.2 模型的构建与说明 | 第33-34页 |
3.5 时间-费用模糊模型的清晰转换 | 第34-38页 |
3.5.1 模糊机会约束规划 | 第34-36页 |
3.5.2 时间-费用模型的转换 | 第36-38页 |
3.6 本章小结 | 第38-39页 |
4 基于 NSGAⅡ遗传算法的多式联运时间-费用模型的求解 | 第39-49页 |
4.1 多目标数学规划 | 第39-40页 |
4.1.1 多式联运时间-费用多目标优化问题 | 第39页 |
4.1.2 多目标优化问题的 Pareto 最优解 | 第39-40页 |
4.2 多式联运时间-费用多目标优化问题的求解算法 | 第40-42页 |
4.2.1 多目标优化传统算法的局限性 | 第40-41页 |
4.2.2 基于 NSGAⅡ算法的多目标优化运算过程 | 第41-42页 |
4.3 多式联运时间-费用模型的 NSGAⅡ算法设计 | 第42-47页 |
4.3.1 多式联运时间-费用模型解的编码 | 第42-43页 |
4.3.2 多式联运时间-费用模型初始解的生成 | 第43-44页 |
4.3.3 多式联运时间-费用模型的适应度评估 | 第44页 |
4.3.4 NSGAⅡ算法基本算子的设计 | 第44-47页 |
4.4 多式联运时间-费用模型的运算流程 | 第47-48页 |
4.5 本章小结 | 第48-49页 |
5 实例仿真 | 第49-57页 |
5.1 案例描述 | 第49页 |
5.2 基础数据统计 | 第49-52页 |
5.3 算法求解 | 第52-54页 |
5.3.1 虚拟网络图的构造 | 第52-53页 |
5.3.2 遗传算法的实现 | 第53-54页 |
5.4 运行结果分析 | 第54-56页 |
5.5 本章小结 | 第56-57页 |
6 结论与展望 | 第57-59页 |
6.1 论文的总结 | 第57-58页 |
6.2 论文的工作展望 | 第58-59页 |
致谢 | 第59-60页 |
参考文献 | 第60-64页 |
附录 | 第64页 |
A. 作者在攻读学位期间发表的论文目录 | 第64页 |
B. 作者在攻读学位期间取得的科研成果目录 | 第64页 |