声明
符号说明
第一章绪论
1.1研究的背景
1.2国内外研究现状
1.2.1选址问题
1.2.2最短路径问题
1.2.3时变车辆路径问题
1.2.4LRP及绿色LRP问题
1.2.5LRP算法
1.2.6生物启发式算法
1.2.7超启发算法
1.3研究的内容
1.3.1时间依赖网络绿色选址-路径问题模型研究
1.3.2算法研究
1.4研究方法及技术路线
1.4.1研究方法
1.4.2技术路线
1.4.3论文章节安排
第二章静态网络绿色选址-路径问题与算法
2.1问题描述
2.2静态网络车辆油耗计算
2.3绿色选址-路径问题建模
2.4改进型人工蜂群算法
2.4.1人工蜂群算法
2.4.2相关定义
2.4.3算法改进
2.4.4算法流程
2.5算法性能测试
2.5.1仿真实验环境
2.5.2参数设置
2.5.3改进型人工蜂群与经典选址-路径算法对比分析
2.5.4改进型人工蜂群与袍子群算法、遗传算法对比分析
2.6优化目标对比分析
2.6.1GLRP与传统选址-路径优化目标对比分析
2.6.2单纯油耗目标与选址=路径总成本目标对比分析
2.7小结
第三章时变网络绿色选址-路径问题与算法
3.1时变网络描述及其特征
3.2时变网络两节点行程时间计算
3.3时变网络绿色选址-路径问题建模
3.3.1时变网络选址-路径问题描述
3.3.2时变网络车辆油耗计算
3.3.3时变绿色选址-路径问题建模
3.4多种群人工蜂群算法
3.4.1多种群人工蜂群算法统—模型
3.4.2多种群人工蜂群算法流程
3.4.3多种群人工蜂群算法伪代码与流程图
3.5初始种群的生成方法
3.5.1NNC算法
3.5.2IMTT算法步骤
3.5.3IMTT算法流程图
3.6实验与分析
3.6.1测试案例与设置
3.6.2初始种群的影响
3.6.4对比分析
3.6.4客户特征的影响
3.6.5解结果
3.6小结
第四章随机时变路网绿色选址-路径问题与算法
4.1随机时变路网绿色选址-路径模型
4.1.1假设条件与约束条件
4.1.2目标函数
4.1.3随机时变路网行程时间的鲁棒优化
4.2人工蜂群超启发算法设计
4.2.1底层算子设计
4.2.2基于人工蜂群算法的高层策略设计
4.2.3蚁群超启发算法
4.2.4禁忌搜索超启发算法
4.2.5接受策略设计
4.2.6超启发算法运算过程
4.3随机时变路网最短路径问题
4.3.1随机时变行程车速函数鲁棒优化
4.3.2时变路网最短路径算法
4.4实验数据
4.4.1随机时变路网
4.4.2客户生成方法
4.4.3配送中心生成为法
4.4.4车辆数据
4.5求解与分析
4.5.1小规模案例
4.5.29种组合超启发算法对比分析
4.5.3人工蜂群超启发算法求解STDGLRP
4.5.4 波动水平的影响
4.6小结
第五章多目标时变路网绿色选址-路径问题
5.1多目标优化问题
5.1.1多目标转单目标问题方法
5.1.2Pareto支配机制
5.2.1问题描述
5.2.2时变路网多目标绿色选址-路径问题模型
5.3MOTDGLRP问题的求解算法
5.3.1多目标人工蜂群超启发算法
5.3.2带精英策略的非支配排序遗传算法
5.3.3基于分解框架的多目标离散人工蜂群算法
5.4三种算法Pareto解集的对比分析
5.4.1仿真案例与初始设置
5.4.2三种算法得到的最优解集比较
5.4.3三种算法收敛速率
5.4.4ABCHH算法Pareto面进化分析
5.4.5所有算例的结果与分析
5.5小结
第六章结论
6.1总结
6.2创新点
6.3工作展望
参考文献
致谢
作者简介
1 作者简历
2 攻读博士/硕士学位期间发表的学术论文
3 参与的科研项目及获奖情况
学位论文数据集
浙江工业大学;
