| 摘要 | 第6-8页 |
| ABSTRACT | 第8-9页 |
| 第一章 绪论 | 第13-28页 |
| 1.1 研究来源、背景与意义 | 第13-17页 |
| 1.1.1 研究来源 | 第13页 |
| 1.1.2 研究背景 | 第13-15页 |
| 1.1.3 研究意义 | 第15-17页 |
| 1.2 国内外文献综述 | 第17-22页 |
| 1.2.1 低碳供应链与低碳物流 | 第17-19页 |
| 1.2.2 经典车辆路径问题 | 第19-21页 |
| 1.2.3 考虑燃油消耗的车辆路径问题 | 第21-22页 |
| 1.2.4 研究文献评述 | 第22页 |
| 1.3 研究内容与技术路线 | 第22-28页 |
| 1.3.1 研究内容 | 第22-23页 |
| 1.3.2 研究框架 | 第23-25页 |
| 1.3.3 研究创新点 | 第25-26页 |
| 1.3.4 研究技术路线 | 第26-28页 |
| 第二章 低碳物流基本理论与燃油消耗因子分析 | 第28-40页 |
| 2.1 低碳物流概述 | 第28-32页 |
| 2.1.1 低碳物流的内涵 | 第28-30页 |
| 2.1.2 低碳物流的特征 | 第30-32页 |
| 2.2 低碳物流配送实现途径 | 第32-36页 |
| 2.2.1 配送能源与技术的开发使用 | 第32-33页 |
| 2.2.2 配送模式的改进 | 第33-34页 |
| 2.2.3 配送路径的优化 | 第34-36页 |
| 2.3 燃油消耗影响因素分析 | 第36-40页 |
| 2.3.1 车的因素 | 第37-38页 |
| 2.3.2 环境因素 | 第38页 |
| 2.3.3 人的因素 | 第38-40页 |
| 第三章 低碳物流配送车辆路径问题模型的建立 | 第40-57页 |
| 3.1 物流配送车辆路径问题概述 | 第40-43页 |
| 3.1.1 物流配送车辆路径问题的构成要素 | 第40-41页 |
| 3.1.2 物流配送车辆路径问题的分类 | 第41-43页 |
| 3.2 带容量限制的车辆路径问题 | 第43-51页 |
| 3.2.1 不考虑燃油消耗的CVRP数学模型 | 第44-46页 |
| 3.2.1.1 问题描述 | 第44页 |
| 3.2.1.2 模型假设 | 第44页 |
| 3.2.1.3 模型构建 | 第44-46页 |
| 3.2.2 考虑燃油消耗的CVRP数学模型 | 第46-51页 |
| 3.2.2.1 问题描述 | 第46页 |
| 3.2.2.2 燃油消耗影响因子分析与确立 | 第46-49页 |
| 3.2.2.3 模型假设 | 第49-50页 |
| 3.2.2.4 低碳CVRP模型构建 | 第50-51页 |
| 3.3 带时间窗的车辆路径问题 | 第51-57页 |
| 3.3.1 不考虑燃油消耗的VRPTW数学模型 | 第51-53页 |
| 3.3.1.1 问题描述 | 第51-52页 |
| 3.3.1.2 模型构建 | 第52-53页 |
| 3.3.2 考虑燃油消耗的VRPTW数学模型 | 第53-57页 |
| 3.3.2.1 问题描述 | 第54-55页 |
| 3.3.2.2 模型构建 | 第55-57页 |
| 第四章 基于改进萤火虫算法的CVRP求解 | 第57-84页 |
| 4.1 萤火虫算法简介 | 第57-58页 |
| 4.1.1 萤火虫算法研究概况 | 第57页 |
| 4.1.2 萤火虫算法描述 | 第57-58页 |
| 4.2 基于混沌云模型的人工萤火虫优化算法 | 第58-68页 |
| 4.2.1 人工萤火虫算法的改进思路 | 第59页 |
| 4.2.2 混沌算法和云模型算法相关改进理论简述 | 第59-62页 |
| 4.2.2.1 混沌算法 | 第59-60页 |
| 4.2.2.2 云模型算法 | 第60-62页 |
| 4.2.3 CCMGSO算法 | 第62-64页 |
| 4.2.3.1 CCMGSO算法思想 | 第62-63页 |
| 4.2.3.2 CCMGSO算法描述 | 第63-64页 |
| 4.2.3.3 CCMGSO算法流程图 | 第64页 |
| 4.2.4 CCMGSO算法性能测试 | 第64-68页 |
| 4.2.4.1 实验测试函数 | 第64-65页 |
| 4.2.4.2 实验参数设置 | 第65-66页 |
| 4.2.4.3 实验结果与分析 | 第66-68页 |
| 4.3 改进萤火虫算法在CVRP中的应用 | 第68-84页 |
| 4.3.1 GSO-CVRP算法设计 | 第68-71页 |
| 4.3.2 GSO-CVRP算法实施步骤 | 第71-72页 |
| 4.3.3 算例实验与仿真分析 | 第72-84页 |
| 第五章 基于改进蚁群算法的VRPTW求解 | 第84-97页 |
| 5.1 蚁群算法简介 | 第84-89页 |
| 5.1.1 蚁群算法的发展历程 | 第84页 |
| 5.1.2 蚁群算法的基本思想 | 第84-85页 |
| 5.1.3 基本蚁群算法求解VRP模型的流程 | 第85-89页 |
| 5.2 求解低碳VRPTW的蚁群算法设计 | 第89-91页 |
| 5.2.1 启发因子设计 | 第89-90页 |
| 5.2.2 移动概率选择规则 | 第90页 |
| 5.2.3 信息素更新策略 | 第90-91页 |
| 5.2.4 局部算子优化 | 第91页 |
| 5.3 改进蚁群算法求解低碳VRPTW算例分析 | 第91-97页 |
| 5.3.1 算例介绍 | 第91-92页 |
| 5.3.2 未考虑燃油消耗的VRPTW求解 | 第92-94页 |
| 5.3.3 考虑燃油消耗的VRPTW求解 | 第94-97页 |
| 第六章 总结与展望 | 第97-101页 |
| 6.1 总结 | 第97-99页 |
| 6.2 展望 | 第99-101页 |
| 参考文献 | 第101-107页 |
| 附录 | 第107-120页 |
| 附录1 混沌萤火虫算法的主程序代码 | 第107-114页 |
| 附录2 低碳CVRP核心代码 | 第114-119页 |
| 附录3 虚拟距离参数取值表 | 第119-120页 |
| 攻读硕士学位期间发表的学术论文及取得的相关科研成果 | 第120-121页 |
| 致谢 | 第121-122页 |