| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第10-17页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 研究意义和研究目的 | 第11-12页 |
| 1.2.1 研究意义 | 第11-12页 |
| 1.2.2 研究目的 | 第12页 |
| 1.3 国内外研究现状 | 第12-14页 |
| 1.3.1 众包的研究现状 | 第12-13页 |
| 1.3.2 物流车辆路径的研究现状 | 第13-14页 |
| 1.4 研究内容和研究思路 | 第14-15页 |
| 1.4.1 研究内容 | 第14-15页 |
| 1.4.2 研究思路 | 第15页 |
| 1.5 论文创新点 | 第15-17页 |
| 2 相关理论 | 第17-23页 |
| 2.1 众包物流 | 第17页 |
| 2.2 众包物流平台 | 第17-19页 |
| 2.3 车辆路径问题 | 第19页 |
| 2.4 聚类分析 | 第19-21页 |
| 2.5 遗传算法 | 第21-23页 |
| 3 众包物流平台发包任务优化模型 | 第23-30页 |
| 3.1 问题描述 | 第23-24页 |
| 3.2 二阶段优化模型 | 第24-30页 |
| 3.2.1 基本假设 | 第25页 |
| 3.2.2 第一阶段：数据点集聚类分析模型 | 第25-27页 |
| 3.2.3 第二阶段：发包任务优化模型 | 第27-30页 |
| 4 众包物流平台发包任务优化算法 | 第30-44页 |
| 4.1 数据点集聚类分析方法 | 第30-33页 |
| 4.1.1 地理区域划分法 | 第30页 |
| 4.1.2 基于K-means聚类分析的优化划分法 | 第30-33页 |
| 4.2 发包任务优化遗传算法 | 第33-44页 |
| 4.2.1 发包任务优化思路 | 第33-34页 |
| 4.2.2 算法过程描述 | 第34-35页 |
| 4.2.3 主要算子设计 | 第35-40页 |
| 4.2.4 求解过程设计 | 第40-44页 |
| 5 实例应用及分析 | 第44-57页 |
| 5.1 实例背景 | 第44-47页 |
| 5.1.1 企业基本情况 | 第44页 |
| 5.1.2 基础数据 | 第44-47页 |
| 5.2 应用结果 | 第47-56页 |
| 5.2.1 数据点集聚类分析求解 | 第49-53页 |
| 5.2.2 发包任务遗传算法求解 | 第53-56页 |
| 5.3 结果分析 | 第56-57页 |
| 6 结论 | 第57-59页 |
| 参考文献 | 第59-62页 |
| 附录A 虚拟中心遗传算法MATLAB实现 | 第62-72页 |
| 个人简历、在学期间发表的学术论文及研究成果 | 第72-73页 |
| 致谢 | 第73页 |