基于改进蚁群算法的门店配送路径设计
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 1 绪论 | 第9-21页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 车辆路径问题研究现状 | 第10-17页 |
| 1.2.1 车辆路径问题的发展 | 第11-12页 |
| 1.2.2 车辆路径问题分类 | 第12-14页 |
| 1.2.3 带时间窗的车辆路径问题研究现状 | 第14-17页 |
| 1.3 蚁群算法研究现状 | 第17-19页 |
| 1.4 研究内容 | 第19-21页 |
| 2 软硬时间窗车辆路径问题优化模型 | 第21-26页 |
| 2.1 车辆路径问题VRP模型 | 第21-22页 |
| 2.2 VRPSHTW优化模型 | 第22-25页 |
| 2.2.1 模型假设条件 | 第23页 |
| 2.2.2 模型建立 | 第23-25页 |
| 2.3 本章小结 | 第25-26页 |
| 3 改进蚁群算法研究 | 第26-39页 |
| 3.1 基本蚁群算法 | 第26-31页 |
| 3.1.1 蚁群算法基本原理 | 第26页 |
| 3.1.2 蚁群算法基本模型 | 第26-28页 |
| 3.1.3 蚁群算法求解TSP基本步骤 | 第28-30页 |
| 3.1.4 蚁群算法求解VRP与 TSP的区别 | 第30页 |
| 3.1.5 蚁群算法基本参数 | 第30-31页 |
| 3.2 蚁群算法设计 | 第31-35页 |
| 3.2.1 状态转移规则 | 第32页 |
| 3.2.2 伪随机因子的改进 | 第32-33页 |
| 3.2.3 更新信息素浓度 | 第33页 |
| 3.2.4 改进蚁群算法的求解步骤 | 第33-35页 |
| 3.3 仿真结果比较 | 第35-38页 |
| 3.4 本章小结 | 第38-39页 |
| 4 改进蚁群算法的X食品门店配送应用 | 第39-46页 |
| 4.1 数据收集 | 第39-42页 |
| 4.2 参数设置 | 第42页 |
| 4.3 不同出发时刻下的配送结果 | 第42-45页 |
| 4.3.1 以最小的预计到达时刻为基准的配送策略 | 第42-43页 |
| 4.3.2 以最小的最晚服务时刻为基准的配送策略 | 第43-44页 |
| 4.3.3 配送结果对比分析 | 第44-45页 |
| 4.4 本章小结 | 第45-46页 |
| 5 结论与展望 | 第46-47页 |
| 5.1 结论 | 第46页 |
| 5.2 展望 | 第46-47页 |
| 参考文献 | 第47-50页 |
| 附录 | 第50-51页 |
| 致谢 | 第51页 |
