| 中文摘要 | 第1-5页 |
| 英文摘要 | 第5-10页 |
| 1 绪论 | 第10-27页 |
| ·问题的提出及研究意义 | 第10-12页 |
| ·问题的提出 | 第10-11页 |
| ·研究的意义 | 第11-12页 |
| ·研究现状 | 第12-19页 |
| ·分销网络优化的国外、国内研究现状及研究动向 | 第12-14页 |
| ·蚁群算法的国外、国内研究现状及研究动向 | 第14-18页 |
| ·蚁群算法及其分销网络优化中的应用研究进展 | 第18-19页 |
| ·分销网络优化 | 第19-24页 |
| ·分销网络优化概述 | 第19-20页 |
| ·网络优化的概念及特征 | 第20-21页 |
| ·分销网络优化的一般问题和模型描述及算法的介绍 | 第21-24页 |
| ·论文的基本研究思路、研究内容及创新之处 | 第24-27页 |
| ·论文的基本研究思路 | 第24-25页 |
| ·论文的研究内容 | 第25页 |
| ·论文的创新之处 | 第25-27页 |
| 2 网络优化中的算法介绍及应用 | 第27-38页 |
| ·图论算法 | 第27-29页 |
| ·图搜索算法 | 第27页 |
| ·最短路径 | 第27页 |
| ·最小生成树(MST) | 第27-28页 |
| ·斯坦纳(Steiner)树 | 第28-29页 |
| ·其他图论算法 | 第29页 |
| ·基于运筹学的算法 | 第29页 |
| ·常用的智能仿生算法在网络优化中的应用及评价 | 第29-38页 |
| ·智能仿生算法概述 | 第29页 |
| ·人工神经网络及其在网络优化中的应用研究进展 | 第29-31页 |
| ·遗传算法及其在网络优化中的应用研究进展 | 第31-32页 |
| ·DNA分子算法及其在网络优化中的应用研究进展 | 第32-34页 |
| ·禁忌搜索算法(Tabu Search, TS) | 第34-36页 |
| ·模拟退火算法(Simulated Annealing, SA) | 第36-37页 |
| ·小结 | 第37-38页 |
| 3 蚁群算法(Ant Colony Optimization, ACO) | 第38-42页 |
| ·蚁群算法(ACO)概述 | 第38页 |
| ·蚁群算法优化原理 | 第38-40页 |
| ·蚁群算法的特点 | 第40页 |
| ·蚁群算法的应用 | 第40-42页 |
| ·应用领域介绍 | 第40-41页 |
| ·本文的应用 | 第41-42页 |
| 4 蚁群算法(ACO)与其他算法的比较研究 | 第42-52页 |
| ·蚁群算法(ACO)与传统算法在TSP问题上的比较研究 | 第42-46页 |
| ·流动推销员问题(TSP) | 第42页 |
| ·传统算法解TSP问题 | 第42-43页 |
| ·ACO求解TSP问题 | 第43页 |
| ·实例比较结果 | 第43-46页 |
| ·小结 | 第46页 |
| ·ACO在分销网络优化中的应用 | 第46-48页 |
| ·分销网络优化的ACO模式 | 第46页 |
| ·ACO的实现 | 第46-48页 |
| ·实例比较结果 | 第48-51页 |
| ·数据准备 | 第48-49页 |
| ·比较结果 | 第49-51页 |
| ·本章小结 | 第51-52页 |
| 5 基于蚁群算法的分销网络优化模型 | 第52-59页 |
| ·基本思想 | 第52-53页 |
| ·模型建立及最优Steiner树的引入 | 第53-54页 |
| ·问题描述 | 第53-54页 |
| ·模型描述 | 第54页 |
| ·基于蚁群算法的分销网络最优Steiner树求解 | 第54-56页 |
| ·分销网络最优Steiner树的蚁群算法模式 | 第54-55页 |
| ·分销网络最优Steiner树蚁群算法的实现 | 第55-56页 |
| ·程序设计 | 第56页 |
| ·应用实例 | 第56-58页 |
| ·本章小结 | 第58-59页 |
| 6 结束语 | 第59-61页 |
| ·本文结论 | 第59-60页 |
| ·本文的不足和后续工作 | 第60-61页 |
| 致 谢 | 第61-62页 |
| 参考文献 | 第62-67页 |
| 附录1. 作者在攻读硕士学位期间发表的论文目录 | 第67-68页 |
| 附录2. 作者在攻读硕士学位期间参加的科研项目 | 第68-69页 |
| 附录3. 程序设计 | 第69-76页 |
| 附录4. 程序设计 | 第76-90页 |
