| 摘要 | 第1-7页 |
| ABSTRACT | 第7-13页 |
| 第1章 绪论 | 第13-19页 |
| ·研究背景 | 第13-14页 |
| ·国内外研究现状 | 第14-17页 |
| ·车辆路径优化问题的提出 | 第14-15页 |
| ·车辆路径优化问题的分类 | 第15页 |
| ·车辆路径问题的研究方法 | 第15-17页 |
| ·论文研究的目的主要内容及拟解决的关键技术 | 第17页 |
| ·研究目的 | 第17页 |
| ·研究内容 | 第17页 |
| ·拟解决的关键技术 | 第17页 |
| ·论文章节安排 | 第17-19页 |
| 第2章 智能路径优化方法分析 | 第19-30页 |
| ·引言 | 第19页 |
| ·智能优化方法概述 | 第19-22页 |
| ·基本蚁群算法的研究 | 第22-29页 |
| ·基本蚁群算法基本原理 | 第23-24页 |
| ·基本蚁群算法模型 | 第24-28页 |
| ·基本蚁群算法优点及其不足 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 第3章 改进蚁群算法的研究与实现 | 第30-47页 |
| ·引言 | 第30页 |
| ·基于模式学习的动态小窗口蚁群算法(DLWACAPL) | 第30-40页 |
| ·小窗口蚁群算法 | 第31页 |
| ·动态小窗口蚁群算法 | 第31-32页 |
| ·基于模式学习的动态小窗口蚁群算法(DLWACAPL)的提出 | 第32-35页 |
| ·DLWACAPL的实现步骤 | 第35-36页 |
| ·DLWACAPL的验证 | 第36-40页 |
| ·融入遗传算法的蚁群算法 | 第40-46页 |
| ·蚁群算法与遗传算法融合的研究现状 | 第40-41页 |
| ·融入遗传算法的DLWACAPL(HACAGA)的提出 | 第41-42页 |
| ·HACAGA的实现步骤 | 第42页 |
| ·HACAGA的程序流程 | 第42-44页 |
| ·HACAGA的验证 | 第44-46页 |
| ·本章小结 | 第46-47页 |
| 第4章智 能物流车辆调度方法的研究 | 第47-70页 |
| ·引言 | 第47-48页 |
| ·面向能力约束的车辆调度问题(CVRP)的智能优化方法 | 第48-54页 |
| ·CVRP问题描述 | 第48-49页 |
| ·CVRP数学模型 | 第49-50页 |
| ·CVRP问题的传统启发式方法 | 第50-53页 |
| ·HACAGA和启发式相结合的智能优化算法及其应用 | 第53-54页 |
| ·面向时间窗的车辆调度问题(VRPTW)的智能优化方法 | 第54-59页 |
| ·VRPTW问题描述 | 第54-55页 |
| ·VRPTW数学模型 | 第55-57页 |
| ·VRPTW的邻域搜索算法 | 第57-58页 |
| ·HACAGA和邻域搜索相结合的智能优化算法及其应用 | 第58-59页 |
| ·面向车辆调度的多目标优化策略 | 第59-69页 |
| ·车辆调度的多目标体系 | 第59-64页 |
| ·多目标物流车辆调度问题的描述及数学模型 | 第64-67页 |
| ·多目标的综合优化方法 | 第67-68页 |
| ·多目标物流车辆调度问题的求解步骤 | 第68-69页 |
| ·本章小结 | 第69-70页 |
| 第5章 智能车辆调度系统的研制及其工程测试 | 第70-85页 |
| ·智能车辆调度系统的基本组成 | 第70-75页 |
| ·系统的主要功能模块 | 第70-71页 |
| ·系统的软硬件环境 | 第71-72页 |
| ·部分功能模块的运行界面 | 第72-75页 |
| ·单目标车辆调度问题的案例测试 | 第75-80页 |
| ·面向能力约束的车辆调度问题测试 | 第75-78页 |
| ·面向时间窗的车辆调度问题测试 | 第78-80页 |
| ·多目标车辆调度问题的案例测试 | 第80-83页 |
| ·本章小结 | 第83-85页 |
| 第6章 论文总结与研究展望 | 第85-87页 |
| ·论文总结 | 第85页 |
| ·研究展望 | 第85-87页 |
| 参考文献 | 第87-96页 |
| 致谢 | 第96-97页 |
| 攻读硕士学位期间发表的学术论文 | 第97页 |
