改进的蜂群算法在订单分批问题中的应用研究
| 摘要 | 第3-4页 |
| abstract | 第4页 |
| 第1章 绪论 | 第7-16页 |
| 1.1 研究的背景与意义 | 第7-8页 |
| 1.1.1 研究的背景 | 第7页 |
| 1.1.2 研究的意义 | 第7-8页 |
| 1.2 国内外研究现状 | 第8-14页 |
| 1.2.1 订单分批相关研究 | 第8-12页 |
| 1.2.2 人工蜂群算法相关研究 | 第12-13页 |
| 1.2.3 目前的研究总结与分析 | 第13-14页 |
| 1.3 本文的研究内容 | 第14-15页 |
| 1.4 本文的结构 | 第15页 |
| 1.5 本章小结 | 第15-16页 |
| 第2章 拣选理论研究 | 第16-28页 |
| 2.1 拣选基本概念 | 第16-17页 |
| 2.2 拣选的基本理论 | 第17-24页 |
| 2.2.1 订单拣选方式 | 第17-18页 |
| 2.2.2 拣选路径策略 | 第18-24页 |
| 2.3 订单分批理论 | 第24-27页 |
| 2.3.1 订单分批概述 | 第24页 |
| 2.3.2 传统的订单分批策略 | 第24-25页 |
| 2.3.3 新型的订单分批策略 | 第25-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第3章 订单分批模型创建 | 第28-35页 |
| 3.1 问题概述 | 第28-29页 |
| 3.2 订单分批模型的构建 | 第29-33页 |
| 3.2.1 模型创建的前提 | 第29-30页 |
| 3.2.2 模型创建的假设 | 第30页 |
| 3.2.3 模型的建立 | 第30-33页 |
| 3.3 仓库拣货路径模型的构建 | 第33-34页 |
| 3.3.1 路径模型创建的假设 | 第33-34页 |
| 3.3.2 路径模型的建立 | 第34页 |
| 3.4 本章小结 | 第34-35页 |
| 第4章 人工蜂群算法理论及其改进 | 第35-46页 |
| 4.1 人工蜂群算法产生背景 | 第35页 |
| 4.2 人工蜂群算法的基本原理 | 第35-37页 |
| 4.3 人工蜂群算法的基本步骤 | 第37-38页 |
| 4.4 人工蜂群算法的改进 | 第38-45页 |
| 4.4.1 基于“反学习”理论的人工蜂群算法 | 第39-40页 |
| 4.4.2 “S”型子种群分组理论 | 第40页 |
| 4.4.3 自适应调整因子搜索 | 第40-42页 |
| 4.4.4 灵敏度—信息素搜索方式 | 第42-44页 |
| 4.4.5 改进的人工蜂群算法流程图 | 第44-45页 |
| 4.5 本章小结 | 第45-46页 |
| 第5章 改进的人工蜂群算法在订单分批模型中的应用 | 第46-56页 |
| 5.1 应用背景介绍 | 第46-47页 |
| 5.2 改进的人工蜂群算法在小批量订单中的应用 | 第47-50页 |
| 5.2.1 未分批的订单拣选情况 | 第48页 |
| 5.2.2 基于相似性的分批算法对订单进行分批 | 第48-50页 |
| 5.2.3 改进的蜂群算法的订单分批 | 第50页 |
| 5.3 改进的人工蜂群算法在较大批量订单中的应用 | 第50-54页 |
| 5.3.1 基于引力模型的订单分批方式 | 第52-53页 |
| 5.3.2 改进蜂群算法的分批结果 | 第53-54页 |
| 5.4 结论与分析 | 第54-55页 |
| 5.5 本章小结 | 第55-56页 |
| 第6章 总结与展望 | 第56-58页 |
| 6.1 总结 | 第56-57页 |
| 6.2 展望 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 附录 | 第61-65页 |
| 攻读学位期间发表学术论文与科研成果 | 第65-66页 |
| 致谢 | 第66页 |
