声明
致谢
1 绪论
1.1 研究背景及意义
1.1.1 研究背景
1.1.2 研究意义
1.2 国内外研究现状
1.2.1 车辆路径优化问题研究现状
1.2.2 生鲜食品配送研究现状
1.2.3 电动物流车路径优化问题研究现状
1.3 研究现状总结
1.4 研究内容及技术路线
1.4.1 研究内容
1.4.2 技术路线
2 京东生鲜食品配送模式及电动物流车应用研究
2.1 京东生鲜食品物流配送模式研究
2.1.1 生鲜食品的内涵及特点
2.1.2 京东生鲜食品物流配送模式分析
2.2 电动物流车应用特性及充电模式分析
2.2.1 电动物流车概念及特性
2.2.2 电动物流车应用现状
2.2.3 电动物流车充电模式
2.3 京东电动物流车城市配送必要性分析
2.3.1 电动物流车发展需求分析
2.3.2 电动物流车政策支持
2.4 车辆路径优化问题概述
2.4.1 车辆路径优化问题基本概念
2.4.2 车辆路径优化问题主要类型
2.4.3 车辆路径优化问题求解算法
2.5 总结
3 京东生鲜食品电动物流车路径优化模型构建
3.1 传统 VRP 与 EVRP 的区别
3.1.1 传统车辆路径优化问题
3.1.2 电动物流车路径优化问题
3.1.3 传统 VRP 与 EVRP 的区别
3.2 模型构建思路
3.2.1 问题描述
3.2.2 基本假设
3.2.3 模型参数及决策变量说明
3.2.4 重点参数介绍
3.3 京东生鲜食品电动物流车路径优化模型建立
3.3.1 充电需求分析
3.3.2 配送成本分析
3.3.3 模型构建
3.4 本章小结
4 京东生鲜食品电动物流车路径优化算法研究
4.1 算法选择
4.1.1 遗传算法构成要素
4.1.2 遗传算法求解流程
4.2 模型求解算法设计
4.2.1 插入算法设计
4.2.2 遗传算法设计
4.3 本章小结
5 算例分析
5.1 算例背景
5.1.1 京东 7fresh 介绍
5.1.2 京东 7fresh 电动物流车配送中存在问题分析
5.2 数据选取
5.2.1 基础数据
5.2.2 其他参数设置
5.3 模型求解及结果分析
5.3.1 部分充电策略求解结果（场景一）
5.3.2 完全充电策略求解结果（场景二）
5.3.3 两种充电策略优化结果对比分析
5.4 敏感性分析
5.4.1 充电策略对求解结果的影响
5.4.2 算法改进对求解结果的影响
5.5 本章小结
6 总结与展望
6.1 全文总结
6.2 研究展望
参考文献
作者简历及攻读硕士/博士学位期间取得的研究成果
独创性声明
学位论文数据集
北京交通大学;
