1 绪论
1.1.1 研究背景
1.1.2 研究目的及意义
1.2 国内外研究现状
1.2.1 生鲜电商相关研究现状
1.2.2 设施选址相关研究现状
1.2.3 前置仓相关研究现状
1.2.4 文献评述
1.3.1 研究内容
1.3.2 论文创新点
1.4.1 研究方法
1.4.2 技术路线
2 生鲜前置仓选址相关理论概述
2.1.1 前置仓的概念及分类
2.1.2 前置仓网络结构及特点分析
2.2.1 消费者感知价值的内涵
2.2.2 消费者感知价值影响因素
2.2.3 消费者感知价值指标选取
2.3 模糊理论分析
2.3.1 模糊集合的概念
2.3.2 模糊数的描述
2.3.3 模糊数的性质
2.4 本章小结
3 前置仓选址-需求点分配初步决策
3.1.1 需求特征分析
3.1.2 需求区域定位
3.2 聚类算法
3.2.1 K-Means聚类算法
3.2.2 AP聚类算法
3.2.3 聚类有效性评价指标
3.3 聚类结果分析
3.3.1 K-Means聚类结果
3.3.2 AP聚类结果
3.3.3 聚类结果对比分析
3.4 基于AP聚类算法的前置仓-需求点的初步决策
3.4.1 决策流程描述
3.4.2 实例模拟与分析
3.5 本章小结
4 基于免疫优化算法的前置仓选址-容量精细决策
4.1.1 问题描述
4.1.2 模型假设与参数符号的说明
4.1.3 消费者需求量描述
4.1.4 消费者新鲜度感知分析
4.1.5 基于消费者新鲜度感知的前置仓容量与运营分析
4.1.6 模型的建立
4.2 模型去模糊化处理
4.3.1 免疫优化算法概述
4.3.2 免疫优化算法的具体步骤
4.4 本章小结
5 A企业前置仓选址分析
5.1 A企业背景
5.2.1 需求点群聚集点确定
5.2.2 初步获取前置仓备选地址
5.3 前置仓选址-容量精细决策
5.3.1 生鲜产品需求量及相关参数获取
5.3.2 基于Matlab的免疫优化算法求解
5.3.3 算法有效性与模型合理性的验证
5.3.3 储存新鲜率灵敏度分析
5.4 本章小结
6 总结与展望
6.1 本文总结
6.2 未来展望
参考文献
附录
A. 作者在攻读学位期间承担的科研项目
B. 学位论文数据集
C.AP聚类算法和K-Means聚类算法代码
D. 免疫优化算法Matlab主函数代码
致谢
重庆大学;