基于蚁群算法的物流配送车辆优化调度研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 第一章 绪论 | 第9-22页 |
| ·课题背景 | 第9-20页 |
| ·物流配送车辆优化调度问题 | 第9-11页 |
| ·经典VRP 问题的数学模型 | 第11-12页 |
| ·经典VRP 问题的图论描述 | 第12-13页 |
| ·VRP 问题研究现状 | 第13-15页 |
| ·遗传算法在经典VRP 问题上的应用 | 第15-20页 |
| ·论文选题意义 | 第20页 |
| ·论文内容安排 | 第20-22页 |
| 第二章 基本蚁群算法在经典VRP 上的应用 | 第22-32页 |
| ·基本蚁群算法概述 | 第22-25页 |
| ·蚁群算法的发展及研究现状 | 第25-26页 |
| ·MAX-MIN 蚁群系统 | 第26-27页 |
| ·基本蚁群算法在经典 VRP 问题上的应用 | 第27-32页 |
| ·算法设计 | 第27-28页 |
| ·算法描述 | 第28-29页 |
| ·应用蚁群算法求解VRP 与 TSP 的区别 | 第29-30页 |
| ·算法分析 | 第30-32页 |
| 第三章 蚁群算法中的优化选路方法研究 | 第32-38页 |
| ·参数对蚁群算法性能影响的分析 | 第32-35页 |
| ·参数α和β对算法性能的影响分析 | 第32-33页 |
| ·参数m 对算法性能的影响分析 | 第33-34页 |
| ·参数Q 对算法性能的影响分析 | 第34页 |
| ·参数ρ对算法性能的影响分析 | 第34-35页 |
| ·优化选路方法 | 第35-38页 |
| 第四章 自适应蚁群算法 | 第38-49页 |
| ·蚁群算法的改进策略 | 第38-45页 |
| ·个体差异策略 | 第38-42页 |
| ·近似解可行化算法 | 第42-45页 |
| ·自适应蚁群算法 | 第45-47页 |
| ·算法设计 | 第45-46页 |
| ·算法描述 | 第46-47页 |
| ·仿真实验 | 第47-49页 |
| 第五章 总结和进一步的工作 | 第49-52页 |
| ·总结 | 第49页 |
| ·进一步的工作 | 第49-52页 |
| ·蚁群算法的模型改进 | 第49-50页 |
| ·蚁群算法的理论研究 | 第50页 |
| ·蚁群算法的应用领域 | 第50-51页 |
| ·蚁群算法的智能融合实现 | 第51-52页 |
| 参考文献 | 第52-56页 |
| 致谢 | 第56-57页 |
| 攻读学位期间发表的论文及参与的科研项目 | 第57-58页 |
| 中文详细摘要 | 第58-69页 |
