| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 物流配送车辆调度优化问题的研究背景及意义 | 第10-11页 |
| 1.2 国内外的研究现状 | 第11-12页 |
| 1.3 本文工作 | 第12-13页 |
| 1.4 本文的组织结构 | 第13-14页 |
| 第二章 物流系统中的配送车辆路径优化问题相关理论 | 第14-22页 |
| 2.1 物流系统中的配送车辆路径优化问题及分类 | 第14-15页 |
| 2.2 求解VRP问题的精确算法 | 第15-16页 |
| 2.2.1 分枝定界法 | 第15页 |
| 2.2.2 枚举法 | 第15-16页 |
| 2.2.3 动态规划法 | 第16页 |
| 2.3 求解VRP的启发式算法 | 第16-18页 |
| 2.3.1 求解VRP的经典启发式算法 | 第16-17页 |
| 2.3.2 求解VRP的现代启发式算法 | 第17-18页 |
| 2.4 蚁群算法 | 第18-20页 |
| 2.4.1 蚁群算法的基本思想 | 第18-19页 |
| 2.4.2 蚁群算法的实现过程 | 第19-20页 |
| 2.4.3 蚁群优化的特点 | 第20页 |
| 2.5 本章小结 | 第20-22页 |
| 第三章 基于改进Pareto蚁群算法的车辆路径问题研究 | 第22-30页 |
| 3.1 带时间窗的车辆路径优化问题的描述 | 第22-23页 |
| 3.2 改进的Pareto蚁群算法 | 第23-26页 |
| 3.2.1 IPACA算法概述 | 第23页 |
| 3.2.2 IPACA改进的蚂蚁状态转移规则 | 第23-24页 |
| 3.2.3 IPACA的基于Pareto最优解集的全局更新规则 | 第24-25页 |
| 3.2.4 算法步骤 | 第25-26页 |
| 3.3 仿真实验与结果分析 | 第26-29页 |
| 3.3.1 仿真实验1 | 第26-28页 |
| 3.3.2 仿真实验2 | 第28-29页 |
| 3.4 本章小结 | 第29-30页 |
| 第四章 对有干扰事件发生的车辆路径问题研究 | 第30-36页 |
| 4.1 有干扰事件发生的车辆路径问题描述 | 第30-32页 |
| 4.2 带干扰处理的蚁群算法 | 第32-33页 |
| 4.2.1 对于VRPTW的干扰事件的扰动恢复策略 | 第32-33页 |
| 4.2.2 算法步骤 | 第33页 |
| 4.3 仿真实验与结果分析 | 第33-35页 |
| 4.4 本章小结 | 第35-36页 |
| 第五章 具有同时送取货需求的车辆路径问题的研究 | 第36-46页 |
| 5.1 具有同时送取货需求的车辆路径问题描述 | 第36-37页 |
| 5.2 基于自适应记忆的蚁群算法 | 第37-40页 |
| 5.2.1 评价值函数的选择 | 第37-38页 |
| 5.2.2 邻域结构和候选解 | 第38页 |
| 5.2.3 记忆表和特赦准则 | 第38-39页 |
| 5.2.4 AMP-ACA的算法流程 | 第39-40页 |
| 5.3 仿真实验与结果分析 | 第40-45页 |
| 5.3.1 仿真实验1 | 第40-42页 |
| 5.3.2 仿真实验2 | 第42-43页 |
| 5.3.3 仿真实验3 | 第43-45页 |
| 5.4 本章小结 | 第45-46页 |
| 第六章 总结与展望 | 第46-48页 |
| 6.1 总结 | 第46页 |
| 6.2 展望 | 第46-48页 |
| 致谢 | 第48-50页 |
| 参考文献 | 第50-54页 |
| 附录A (攻读硕士期间发表的论文及参加的科研项目) | 第54-56页 |
| 附录B (攻读硕士期间发表的软件著作权) | 第56页 |
