信阅平台

编辑推荐

《配送车辆优化调度模型与算法》可作为物流管理、物流工程、交通运输等相关专业师生的参考书，也可供物流行业的管理人员、专业技术人员及软件设计、开发人员学习参考。

展开

内容介绍

《配送车辆优化调度模型与算法》中分别建立了无时限单向、有时限单向、无时限双向和有时限双向单配送中心车辆优化调度问题，无时限和有时限多配送中心车辆优化调度问题以及动态车辆配送优化调度问题和动态网络配送车辆优化调度问题的基于直观描述的数学模型。分别设计和实现了无时限单向配送车辆优化调度问题的爬山算法、禁忌搜索算法、模拟退火算法、基本遗传算法、爬山遗传算法和模拟退火遗传算法，并通过实验计算分析了有关算法策略和运行参数对各种算法性能的影响。分别设计并实现了硬时间窗单向、软时间窗单向、无时限双向、硬时间窗双向和软时间窗双向配送车辆优 化调度问题以及无时限和有时限多配送中心车辆优化调度问题的禁忌搜索算法和模拟退火算法，设计并实现了动态车辆配送优化调度问题的两阶段算法以及动态网络配送车辆优化调度问题的遗传算法，并通过实验计算证明了上述算法的良好性能。

展开

第1章绪论 1.1 研究配送车辆优化调度问题的意义 1.2 配送车辆优化调度问题概述 1.2.1 配送车辆优化调度问题的描述 1.2.2 配送车辆优化调度问题的构成要素 1.2.3 配送车辆优化调度问题的分类 1.2.4 对本书所研究的配送车辆优化调度问题的界定 1.3 配送车辆优化调度问题的现有求解方法综述 1.3.1 旅行商方法 1.3.2 动态规划法 1.3.3 节约法 1.3.4 扫描法 1.3.5 分区配送算法 1.3.6 方案评价法 1.3.7 现代优化计算方法 第2章无时限单向配送车辆优化调度问题的模型及其爬山算法 2.1 组合优化问题及其求解方法概述 2.1.1 组合优化问题的描述 2.1.2 组合优化中邻域的概念 2.1.3 组合优化问题的求解方法 2.1.4 求解组合优化问题时处理约束条件的方法 2.2 无时限单向配送车辆优化调度问题的数学模型 2.3 爬山算法的原理和实现步骤 2.4 无时限单向配送车辆优化调度问题的爬山算法的设计 2.4.1 解的表示 2.4.2 解的评价 2.4.3 邻域选点方法 2.4.4 终止准则 2.5 无时限单向配送车辆化调度问题的爬山算法的实现 2.5.1 算法策略的确定 2.5.2 算法的结构 2.5.3 算法的程序实现 2.5.4 实验计算和结果分析 2.6 算法策略和运行参数对爬山算法性能的影响 2.6.1 解的表示方法对爬山算法性能的影响 2.6.2 邻域选点策略对爬山算法性能的影响 2.6.3 爬山算法的寻优过程 第3章无时限单向配送车辆优化调度问题的禁忌搜索算法和模拟退火算法 3.1 禁忌搜索算法的原理和实现步骤 3.2 无时限单向配送车辆优化调度问题的禁忌搜索算法的设计 3.3 无时限单向配送车辆优化调度问题的禁忌搜索算法的实现 3.3.1 算法策略的确定 3.3.2 算法的结构 3.3.3 算法的程序实现 3.3.4 实验计算和结果分析 3.4 算法策略和运行参数对禁忌搜索算法性能的影响 3.4.1 禁忌长度对禁忌搜索算法性能的影响 3.4.2 迭代搜索策略对禁忌搜索算法性能的影响 3.4.3 邻域选点策略对禁忌搜索算法性能的影响 3.4.4 禁忌搜索算法的寻优过程及其与爬山算法的比较 3.5 模拟退火算法的原理和实现步骤 3.5.1 模拟退火算法的原理 3.5.2 模拟退火算法的实现步骤 3.6 无时限单向配送车辆优化调度问题的模拟退火算法的设计 3.7 无时限单向配送车辆优化调度问题的模拟退火算法的实现 3.7.1 算法策略的确定 3.7.2 算法的结构 3.7.3 算法的程序实现 3.7.4 实验计算和结果分析 3.8 算法策略和运行参数对模拟退火算法性能的影响 3.8.1 初始温度对模拟退火算法性能的影响 3.8.2 降温速度对模拟退火算法性能的影响 3.8.3 迭代搜索策略对模拟退火算法性能的影响 3.8.4 模拟退火算法的寻优过程及其与其他算法的比较 第4章无时限单向配送车辆优化调度问题的遗传算法及其改进 4.1 遗传算法的原理和实现步骤 4.1.1 遗传算法的基础用语 4.1.2 遗传算法的基本要素 4.1.3 遗传算法的基本结构 4.1.4 遗传算法的基本特征 4.1.5 设计遗传算法的基本步骤 4.2 无时限单向配送车辆优化调度问题的遗传算法的设计 4.2.1 编码表示 4.2.2 适应度评估 4.2.3 选择操作 4.2.4 交叉算子 4.2.5 变异算子 4.2.6 终止准则 4.3 无时限单向配送车辆优化调度问题的遗传算法的实现 4.3.1 算法策略的确定 4.3.2 算法的结构 4.3.3 算法的程序实现 4.3.4 实验计算和结果分析 4.4.算法策略和运行参数对遗传算法性能的影响 4.4.1 编码方法对遗传算法性能的影响 4.4.2 选择策略对遗传算法性能的影响 4.4.3 交叉算子对遗传算法性能的影响 4.4.4 变异算子对遗传算法性能的影响 4.4.5 交叉概率和变异概率对遗传算法性能的影响 4.4.6 群体规模和进化代数对遗传算法性能的影响 4.4.7 遗传算法的寻优过程及其与其他算法的比较 4.5 遗传算法改进的基本方法 4.5.1 基本遗传算法的不足 4.5.2 遗传算法的改进策略 4.6 无时限单向配送车辆优化调度问题的爬山遗传算法的设计与实现 4.6.1 算法策略的确定 4.6.2 算法的实现 4.6.3 实验计算和结果分析 4.7 无时限单向配送车辆优化调度问题的模拟退火遗传算法的设计与实现 4.7.1 模拟退火遗传算法的实现步骤 4.7.2 算法策略的确定 4.7.3 算法的结构 4.7.4 实验计算和结果分析 第5章有时限单向配送车辆优化调度问题的模型和算法 5.1 有时限单向配送车辆优化调度问题概述 5.2 硬时间窗单向配送车辆优化调度问题的数学模型 5.3 硬时间窗单向配送车辆优化调度问题的禁忌搜索算法 5.3.1 算法的设计和实现 5.3.2 实验计算和结果分析 5.4 硬时间窗单向配送车辆优化调度问题的模拟退火算法 5.4.1 算法的设计和实现 5.4.2 实验计算和结果分析 5.5 软时间觯向配送车辆优化调度问题的数掣模型 5.6 软时间窗单向配送车辆优化调度问题的禁忌搜索算法 5.6.1 算法的设计和实现 5.6.2 实验计算和结果分析 5.7 软时间窗单向配送车辆优化调度问题的模拟退火算法 5.7.1 算法的设计和实现 5.7.2 实验计算和结果分析 第6章双向配送车辆优化调度问题的模型和算法 6.1 双向配送车辆优化调度问题概述 6.2 无时限双向配送车辆优化调度问题的数学模型 6.3 无时限双向配送车辆优化调度问题的禁忌搜索算法 6.3.1 算法的设计和实现 6.3.2 实验计算和结果分析 6.4 无时限双向配送车辆优化调度问题的模拟退火算法 6.4.1 算法的设计和实现 6.4.2 实验计算和结果分析 6.5 硬时间窗双向配送车辆优化调度问题的数学模型 6.6 硬时间窗双向配送车辆优化调度问题的禁忌搜索算法 6.6.1 算法的设计和实现 6.6.2 实验计算和结果分析 6.7 硬时间窗双向配送车辆优化调度问题的模拟退火算法 6.7.1 算法的设计和实现 6.7.2 实验计算和结果分析 6.8 软时间窗双向配送车辆优化调度问题的数学模型 6.9 软时间窗双向配送车辆优化调度问题的禁忌搜索算法 6.9.1 算法的设计和实现 6.9.2 实验计算与结果分析 6.10 软时间窗双向配送车辆优化调度问题的模拟退火算法 6.10.1 算法的设计和实现 6.10.2 实验计算与结果分析 第7章多配送中心车辆优化调度问题的模型和算法 7.1 多配送中心车辆优化调度问题概述 7.2 多配送中心车辆优化调度问题的数学模型 7.2.1 多配送中心车辆优化调度问题的描述 7.2.2 无时限多配送中心车辆优化调度问题的数学模型 7.2.3 有时限多配送中心车辆优化调度问题的数学模型 7.3 多配送中心车辆优化调度问题的求解思路 7.4 无时限多配送中心车辆优化调度问题的禁忌搜索算法 7.4.1 算法策略的确定 7.4.2 算法的结构 7.4.3 算法的程序实现 7.4.4 实验计算和结果分析 7.5 无时限多配送中心车辆优化调度问题的模拟退火算法 7.5.1 算法策略的确定 7.5.2 算法的结构 7.5.3 实验计算和结果分析 7.6 有时限多配送中心车辆优化调度问题的禁忌搜索算法 7.6.1 算法的设计和实现 7.6.2 实验计算和结果分析 7.7 有时限多配送中心车辆优化调度问题的模拟退火算法 …… 第8章动态配送车辆优化调度问题的模型和算法 参考文献

展开