基于群体智能优化算法的多行程车辆路径问题的研究

目录

声明

第1章 绪 论

1.1 论文的研究背景和意义

1.1.1课题来源

1.1.2 研究背景

1.1.3 研究目标

1.1.4 研究意义

1.2车辆路径问题概述

1.2.1 VRP模型综述

1.2.2 动态需求VRP的组成要素及分类

1.2.3动态需求VRP的求解策略与常用算法

1.3 城市物流配送的基本特点

1.3.1 多层次的配送

1.3.2 城市配送的动态性

1.3.3 多行程的路径问题

1.4 基于群体智能优化算法的VRP研究现状

1.4.1国内研究现状

1.4.2国外研究现状

1.5 基于动态需求的VRP的研究现状

1.6 本文主要研究内容及组织结构

1.6.1 研究的技术路线

1.6.2 本文的主要工作

1.7 本章小结

第2章 改进烟花算法求解多行程车辆路径问题

2.1 引言

2.2 问题模型

2.3 MFWA优化算法

2.3.1 标准FWA算法

2.3.2 编码与解码

2.3.3 适应度计算

2.3.4 基于反学习的初始化方法

2.3.5 蜂群搜索算子

2.3.6 MFWA算法流程及复杂度分析

2.4 仿真测试

2.4.1 MTVRP算例参数设置

2.4.2 MFWA求解MTVRP参数校验

2.4.3 MTVRP问题测试及结果分析

2.5本章小结

第3章 考虑货物到达时间的带时间窗的多行程车辆路径问题

3.1 引言

3.2问题模型

3.3 Beam-PSO优化算法

3.3.1 标准PSO算法

3.3.2 编码与解码

3.3.3 适应度计算

3.3.4 基于Beam Search的局部搜索流程

3.3.5 Beam-PSO算法流程及复杂度分析

3.4 仿真测试

3.4.1 MTVRP-TW-RD算例参数设置

3.4.3 Beam-PSO求解MTVRP-TW-RD参数校验

3.4.4 MTVRP-TW-RD算例测试结果分析

3.5本章小结

第4章 考虑货物兼容性的带时间窗的多行程车辆路径问题

4.1 引言

4.2问题模型

4.3 HTLBO优化算法

4.3.1 标准TLBO算法

4.3.2 编码与解码

4.3.3 适应度计算

4.3.4 基于TS的局部优化方法

4.3.5 HTLBO算法流程及复杂度分析

4.4 仿真测试

4.4.1 MTVRP-TW-MC算例参数设置

4.4.2 HTLBO算法求解MTVRP-TW-MC参数校验

4.4.3 MTVRP-TW-MC算例测试结果分析

4.5 本章小结

第5章 集成配送中心选址的多行程车辆路径问题

5.1 引言

5.2 问题模型

5.3新型混合蛙跳算法(NSFLA)

5.3.1 标准蛙跳算法（SFLA）

5.3.2 编码与解码

5.3.3 适应度计算

5.3.4 局部搜索

5.3.5 NSFLA算法流程及复杂度分析

5.4 仿真测试

5.4.1 JDCL-MTVRP算例参数设置

5.4.2 NSFLA求解JDCL-MTVRP的参数校验

5.4.3 JDCL-MTVRP问题测试及结果分析

5.5 大规模客户点问题的求解

5.6本章小结

第6 章基于动态需求的车辆调度与路径优化平台

6.1 引言

6.2 实例应用过程

6.3 本章小结

第7章 总结与展望

7.1 全文总结

7.2 创新点

7.3 工作展望

致谢

参考文献

攻读学位期间获得与学位论文相关的科研成果