| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 论文研究背景及意义 | 第8-10页 |
| 1.1.1 论文研究背景 | 第8-9页 |
| 1.1.2 论文研究意义 | 第9-10页 |
| 1.2 论文研究目的和内容 | 第10页 |
| 1.2.1 论文研究目的 | 第10页 |
| 1.2.2 论文研究内容 | 第10页 |
| 1.3 本文的主要研究方法与技术路线 | 第10-12页 |
| 第二章 相关文献综述 | 第12-16页 |
| 2.1 VRP与VRPTW | 第12-13页 |
| 2.2 车辆路径问题优化方法 | 第13-15页 |
| 2.2.1 精确算法 | 第13页 |
| 2.2.2 节约里程法 | 第13页 |
| 2.2.3 禁忌搜索算法 | 第13-14页 |
| 2.2.4 遗传算法 | 第14页 |
| 2.2.5 蚁群算法 | 第14-15页 |
| 2.3 车辆路径问题优化方法对比总结 | 第15-16页 |
| 第三章 H配送中心车辆路径决策现状与问题分析 | 第16-24页 |
| 3.1 配送中心概况 | 第16-17页 |
| 3.2 配送中心车辆路径优化问题现状描述 | 第17-20页 |
| 3.2.1 客户需求产品分类 | 第17-18页 |
| 3.2.2 区域配送网络 | 第18-19页 |
| 3.2.3 客户需求时间窗 | 第19-20页 |
| 3.3 H配送中心现行车辆路径决策中存在的问题 | 第20-24页 |
| 3.3.1 企业车辆路径决策方式缺陷 | 第20-22页 |
| 3.3.2 企业车辆路径配送成本问题 | 第22-24页 |
| 第四章 H配送中心车辆路径问题优化方案设计 | 第24-46页 |
| 4.1 H配送中心车辆路径问题优化模型的建立 | 第24-27页 |
| 4.1.1 符号定义 | 第24-25页 |
| 4.1.2 约束条件 | 第25页 |
| 4.1.3 优化目标 | 第25-27页 |
| 4.2 基于蚁群算法的H配送中心车辆路径问题优化 | 第27-34页 |
| 4.2.1 蚁群系统与H配送中心VRPTW的结合 | 第27页 |
| 4.2.2 蚁群算法的模型构建 | 第27-31页 |
| 4.2.3 基于蚁群算法的H配送中心VRPTW优化模型的实现 | 第31-33页 |
| 4.2.4 蚁群算法的仿真实验结果 | 第33-34页 |
| 4.3 基于改进蚁群算法的H配送中心VRPTW优化 | 第34-42页 |
| 4.3.1 改进原理 | 第34页 |
| 4.3.2 改进蚁群算法的模型构建 | 第34-36页 |
| 4.3.3 基于改进蚁群算法的H配送中心VRPTW的实现 | 第36-42页 |
| 4.3.4 改进蚁群算法的仿真实验结果 | 第42页 |
| 4.4 H配送中心VRPTW模型人工决策与仿真实验结果对比 | 第42-46页 |
| 4.4.1 人工决策与蚁群算法实验结果对比 | 第42-43页 |
| 4.4.2 改进蚁群算法与蚁群算法仿真实验结果对比 | 第43-46页 |
| 第五章 总结与展望 | 第46-48页 |
| 5.1 本文工作总结 | 第46-47页 |
| 5.2 研究不足与展望 | 第47-48页 |
| 5.2.1 研究不足 | 第47页 |
| 5.2.2 研究展望 | 第47-48页 |
| 参考文献 | 第48-52页 |
| 附录A | 第52-58页 |
| 攻读学位期间所取得的相关科研成果 | 第58-60页 |
| 致谢 | 第60页 |
