文摘
英文文摘
声明
第1章绪论
1.1选题背景和研究意义
1.2国内外研究现状
1.3本文的主要内容
第2章VRP的提出及各类VRP的算法
2.1 VRP的提出
2.2 VRP的分类
2.3求解VRP的算法
2.3.1精确算法
2.3.2人工智能算法
2.4开放式车辆路径问题
第3章基本蚁群算法及其实现
3.1蚁群算法的提出
3.2蚁群算法的基本原理
3.3蚁群算法的应用
3.4蚁群算法的特点
3.4.1蚁群算法的优点
3.4.2蚁群算法的缺点
3.5蚁群算法模型
3.5.1 TSP问题
3.5.2蚁群算法模型
3.6蚁群算法与其它人工智能算法的比较
第4章蚁群算法的改进及实现
4.1蚁群算法的改进
4.1.1带精英策略的蚁群算法
4.1.2基于优化排序的蚁群算法
4.1.3 Ant-Q System
4.1.4最大-最小蚁群算法(Max-Min Ant System)
4.1.5最优最差蚁群算法(Best-Worst Ant System,BWAS)
4.1.6混合蚁群算法
4.2编程实现典型改进蚁群算法及结果比较
4.2.1三种模型的实验结果
4.2.2基本蚁群算法与Ant-Q System、最大-最小蚁群算法、最优-最差蚁群算法的实验结果
第5章改进蚁群算法求解带约束条件的铁路VRP
5.1 VRP问题模型
5.2图论基础及图的存储结构
5.3铁路运输网络图的分层显示
5.4蚁群算法设计
5.4.1线路构造
5.4.2信息素的更新
5.4.3约束条件
5.5实验与结果
5.6算法中的参数选择
结论与展望
致谢
参考文献
附录
攻读硕士学位期间发表的论文及科研成果