本站原创摘要4-5
Abstract5-8
章 绪论8-15
1.1 论文选题的背景及研究8-9
1.1.1 论文选题的背景8-9
1.1.2 论文研究的9
1.2 物流配送车辆路径问题国内外研究综述9-12
1.2.1 国外车辆路径问题研究现状9-10
1.2.2 国内车辆路径问题研究现状10-12
1.2.3 国内外研究小结12
1.3 论文的主要研究内容、研究方法及研究的思路12-13
1.3.1 论文的主要研究内容12-13
1.3.2 研究方法及研究的思路13
1.4 论文的结构13-15
章 马鞍山卷烟配送中心配送现状分析15-24
2.1 马鞍山卷烟配送中心概况15-16
2.2 马鞍山卷烟配送中心配送车辆配送线路安排现状16
2.3 马鞍山烟草配送中心车辆配送中存在的问题16-17
2.4 解决问题的方法思路17-21
2.4.1 分区配送算法18
2.4.2 配送区域的划分18-21
2.5 小结21-24
章 基础知识24-35
3.1 车辆路径问题的经典求解方法24-25
3.1.1 精确算法24
3.1.2 构造算法24-25
3.1.3 两阶段法25
3.2 遗传算法25-28
3.2.1 遗传算法的国内外研究进展25-26
3.2.2 遗传算法的优缺点26-27
3.2.3 遗传算法的运算27-28
3.3 蚁群优化算法28-31
3.3.1 蚁群优化算法的国内外研究进展28
3.3.2 蚁群优化算法的优缺点28-29
3.3.3 蚁群优化算法的运算29-31
3.4 基本理论分析31-34
3.4.1 最优化问题的概述31-32
3.4.2 对偶问题的基本理论32-33
3.4.3 计算的复杂性33-34
3.5 小结34-35
章 带软时间窗和车辆配送时间的车辆路径问题的建模35-44
4.1 车辆路径问题的描述及分类35-37
4.1.1 车辆路径问题的描述35-36
4.1.2 车辆路径问题的分类36-37
4.2 车辆路径问题的数学模型分析37-40
4.2.1 一般 的数学模型37-38
4.2.2 带时间窗约束的车辆路径问题（TW）的数学模型38-40
4.3 带软时间窗和车辆配送时间的车辆路径问题的数学模型40-43
4.3.1 问题的描述40-41
4.3.2 数学模型的建立41-43
4.4 小结43-44
第五章 带软时间窗和车辆配送时间的车辆路径问题的算法的设计44-52
5.1 遗传蚁群优化算法的基本思想44
5.2 遗传算法的设计44-48
5.2.1 产生初始种群44
5.2.2 适应度44-46
5.2.3 选择46-47
5.2.4 交叉47
5.2.5 变异47-48
5.3 蚁群优化算法的设计48-50
5.3.1 转移规则的修订48
5.3.2 信息素更新规则48-50
5.3.3 信息素轨迹初始化50
5.4 停止准则50-51
5.5 遗传蚁群优化算法的运算51
5.6 小结51-52
第六章 马鞍山卷烟配送中心仿真分析与应用52-60
6.1 仿真分析52-57
6.1.1 算法性能测试52-55
6.1.2 遗传、蚁群优化、遗传蚁群优化三种算法的比较分析55-57
6.2 模型的应用57-59
6.3 小结59-60
第七章 与展望60-62
7.1 60-61
7.2 展望61-62