实时订货信息下物流配送车辆调度优化研究
| 摘要 | 第1-5页 |
| Abstract | 第5-15页 |
| 第一章 绪论 | 第15-22页 |
| ·研究的背景与动机 | 第15-18页 |
| ·研究的目的与意义 | 第18-19页 |
| ·研究范围与假设 | 第19-20页 |
| ·本论文的主要工作与技术路线 | 第20-21页 |
| ·本章小结 | 第21-22页 |
| 第二章 实时订货信息下的物流配送分析 | 第22-32页 |
| ·实时订货信息下物流配送 | 第22-24页 |
| ·物流配送的界定 | 第22页 |
| ·实时订货信息与电子商务 | 第22页 |
| ·电子商务与物流配送 | 第22-23页 |
| ·实时订货信息下物流配送业务流程 | 第23-24页 |
| ·实时订货信息下的物流配送特性分析 | 第24-27页 |
| ·实时订货信息下物流配送特点 | 第24-26页 |
| ·实时订货信息下的物流配送与传统配送的差异 | 第26-27页 |
| ·基于实时订货信息下的物流配送模式划分 | 第27-29页 |
| ·一体化物流模式 | 第27-28页 |
| ·第三方物流模式 | 第28-29页 |
| ·实时订货信息下物流配送合理化分析 | 第29-30页 |
| ·不合理配送的表现形式 | 第29页 |
| ·配送合理化的标志 | 第29-30页 |
| ·配送合理化的主要方法 | 第30页 |
| ·本章小结 | 第30-32页 |
| 第三章 实时订货信息下物流配送车辆调度相关研究 | 第32-48页 |
| ·物流配送车辆调度概述 | 第32-38页 |
| ·物流配送车辆调度的基本概念 | 第32页 |
| ·车辆优化调度问题的构成要素 | 第32-35页 |
| ·车辆优化调度问题的分类 | 第35-36页 |
| ·物流配送车辆优化调度问题的研究现状分析 | 第36-38页 |
| ·实时订货信息下车辆优化调度问题及其相关模型研究 | 第38-43页 |
| ·随机性车辆优化调度问题界定 | 第38-39页 |
| ·旅行时间不确定下的随机性车辆优化调度问题 | 第39-40页 |
| ·需求点不确定下的随机性车辆优化调度问题 | 第40-41页 |
| ·需求量不确定下的随机性车辆优化调度问题 | 第41-42页 |
| ·实时订货信息下物流配送车辆优化调度问题 | 第42-43页 |
| ·车辆优化调度问题的算法研究 | 第43-47页 |
| ·TSP法 | 第43-44页 |
| ·节约法 | 第44-45页 |
| ·分区配送算法与扫描法 | 第45-46页 |
| ·现代优化计算方法 | 第46-47页 |
| ·本章小结 | 第47-48页 |
| 第四章 实时订货信息下物流配送车辆调度的模型构造 | 第48-59页 |
| ·问题定义与前提假设 | 第48-51页 |
| ·模式构建 | 第51-58页 |
| ·参数定义 | 第51-52页 |
| ·目标式 | 第52-57页 |
| ·约束条件 | 第57-58页 |
| ·本章小结 | 第58-59页 |
| 第五章 模型求解 | 第59-76页 |
| ·求解思路 | 第59-61页 |
| ·初始路线构建(混合遗传算法) | 第61-70页 |
| ·初始路线构建模型 | 第62页 |
| ·基本遗传算法与局部搜索算法原理 | 第62-66页 |
| ·本文采用的混合遗传算法求解设计 | 第66-69页 |
| ·混合遗传算法的计算机实现 | 第69-70页 |
| ·路线改善(禁忌搜索法) | 第70-75页 |
| ·最邻近法原理 | 第70-71页 |
| ·禁忌搜索法原理 | 第71-72页 |
| ·配送路线改善的计算方法 | 第72-74页 |
| ·算法计算机实现 | 第74-75页 |
| ·本章小结 | 第75-76页 |
| 第六章 案例测试及算法评价 | 第76-86页 |
| ·案例测试 | 第76-82页 |
| ·YCC东莞分公司基本情况 | 第76-77页 |
| ·本研究改善方案 | 第77-82页 |
| ·算法性能分析 | 第82-85页 |
| ·初始路线构造的混合遗传算法效果分析 | 第82-83页 |
| ·线路改善的算法效果评价 | 第83-85页 |
| ·本章小结 | 第85-86页 |
| 第七章 结论 | 第86-89页 |
| ·结论 | 第86-87页 |
| ·进一步研究方向 | 第87-89页 |
| 致谢 | 第89-90页 |
| 参考文献 | 第90-93页 |
| 附录 | 第93页 |
