| 摘要 | 第1-4页 |
| Abstract | 第4-10页 |
| 第1章 绪论 | 第10-16页 |
| ·引言 | 第10页 |
| ·国内外发展现状 | 第10-14页 |
| ·GIS 的研究现状分析 | 第10-12页 |
| ·物流配送路线优化研究现状 | 第12-13页 |
| ·基于GIS 的物流配送系统的研究现状及存在问题 | 第13-14页 |
| ·选题意义 | 第14页 |
| ·本文的研究内容及组织结构 | 第14-16页 |
| ·研究内容 | 第14-15页 |
| ·组织结构 | 第15-16页 |
| 第2章 物流配送与地理信息系统 | 第16-25页 |
| ·物流配送 | 第16-18页 |
| ·物流配送的概念 | 第16页 |
| ·现代物流配送 | 第16-18页 |
| ·GIS 概述 | 第18-21页 |
| ·GIS 的基本构成 | 第18-19页 |
| ·GIS 的基本特征与功能 | 第19-20页 |
| ·GIS 的开发方法 | 第20-21页 |
| ·GIS 与物流系统的集成分析 | 第21-22页 |
| ·集成的可行性 | 第22页 |
| ·集成的必要性 | 第22页 |
| ·GIS 在物流中的应用 | 第22-24页 |
| ·本章小结 | 第24-25页 |
| 第3章 物流配送中的车辆路径问题研究 | 第25-45页 |
| ·车辆路径规划相关问题 | 第25-28页 |
| ·Dijkstra 最短路径算法 | 第25-27页 |
| ·旅行商问题（TSP） | 第27-28页 |
| ·物流车辆路径问题（VRP） | 第28-31页 |
| ·VRP 问题描述 | 第28-29页 |
| ·VRP 数学模型 | 第29页 |
| ·VRP 问题的分类 | 第29-31页 |
| ·VRP 求解方法 | 第31-37页 |
| ·精确算法 | 第31-32页 |
| ·启发式算法 | 第32-34页 |
| ·改进启发式算法 | 第34-37页 |
| ·蚁群算法 | 第37-44页 |
| ·蚁群算法基本原理 | 第37-38页 |
| ·人工蚁群系统和真实蚁群系统的异同 | 第38-40页 |
| ·蚁群算法的特点 | 第40-41页 |
| ·蚁群算法的数学模型 | 第41-44页 |
| ·本章小结 | 第44-45页 |
| 第4章 基于空间聚类和蚁群算法的VRP 求解 | 第45-61页 |
| ·空间聚类的提出 | 第45页 |
| ·空间聚类算法 | 第45-48页 |
| ·基于GIS 的聚类分析 | 第45-46页 |
| ·常用聚类算法简介 | 第46-47页 |
| ·空间聚类算法的选择 | 第47-48页 |
| ·基于加权的K-MEANS 聚类算法的物流区域划分 | 第48-52页 |
| ·基本的K-means 算法 | 第48-50页 |
| ·改进K-means 算法——加权K-means 算法 | 第50-52页 |
| ·蚁群算法求解配送分区内路线 | 第52-56页 |
| ·蚁群算法的实现步骤 | 第52-54页 |
| ·蚁群算法的仿真分析 | 第54-56页 |
| ·VRP 实例求解及实验分析 | 第56-60页 |
| ·本章小结 | 第60-61页 |
| 第5章 原型系统设计与实现 | 第61-70页 |
| ·GIS 与车辆路径规划的集成 | 第61-62页 |
| ·准备工作 | 第62-66页 |
| ·系统平台和开发工具 | 第62-63页 |
| ·建立路网拓扑模型 | 第63-65页 |
| ·算法模型的引入 | 第65-66页 |
| ·原型系统的实现 | 第66-69页 |
| ·地图基本操作的实现 | 第66-67页 |
| ·最优路径分析的实现 | 第67-69页 |
| ·系统特点 | 第69页 |
| ·本章小结 | 第69-70页 |
| 第6章 总结与展望 | 第70-72页 |
| ·总结 | 第70页 |
| ·展望 | 第70-72页 |
| 参考文献 | 第72-76页 |
| 在校期间发表的学术论文和参加科研情况 | 第76-77页 |
| 致谢 | 第77-78页 |
| 详细摘要 | 第78-80页 |