物流网络系统车辆调度问题研究PDF|Epub|txt|kindle电子书版本网盘下载

物流网络系统车辆调度问题研究PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 绪论1

1.1 研究背景1

1.2 车辆调度概念3

1.3 以配送中心为核心的车辆调度模型5

1.3.1 单配送中心配送模式6

1.3.2 准多配送中心配送模式7

1.3.3 多配送中心配送模式8

1.4 多车场车辆调度的研究现状9

1.5 现有研究中存在的问题18

1.6 多需求点车辆调度模式的提出19

1.6.1 进化设计理论19

1.6.2 运输组织方式的趋势21

1.6.3 多需求点货运模式的提出22

1.6.4 多需求点车辆调度特点24

1.7 研究目的和意义25

1.8 研究框架25

第2章 求解模型的蚁群、粒子群算法介绍28

2.1 蚁群优化算法及分析28

2.1.1 蚁群算法介绍28

2.1.2 蚁群系统模型29

2.1.3 蚁群算法的改进31

2.1.4 蚁群算法特点32

2.2 粒子群优化算法及分析33

2.2.1 粒子群算法介绍33

2.2.2 粒子群算法过程34

2.2.3 改进粒子群算法34

2.2.4 粒子群算法特点36

2.3 算法应用前景36

第3章 多设施规划模型及其求解37

3.1 背景37

3.2 模型描述和符号38

3.2.1 模型描述38

3.2.2 模型假设条件39

3.2.3 参数表示39

3.2.4 模型建立40

3.3 多设施规划的模型及其粒子群算法优化40

3.3.1 粒子的表达方式40

3.3.2 优化过程41

3.4 实例及分析42

3.4.1 实例42

3.4.2 求解结果43

3.4.3 对优化结果的修正处理46

3.4.4 对优化结果的分析47

第4章 车辆调度问题中的交通约束条件48

4.1 交通分配规律分析48

4.1.1 背景48

4.1.2 研究情况49

4.2 交通分配模型49

4.3 基于粒子群算法的交通分配模型求解50

4.3.1 粒子群算法求交通分配模型过程50

4.3.2 粒子群算法求解交通分配模型的合理性分析51

4.3.3 仿真计算52

4.4 BPR路阻函数概况54

4.4.1 BPR函数特点54

4.4.2 BPR函数改进的研究概况55

4.4.3 已有改进研究中存在的问题56

4.5 BPR函数的改进研究57

4.5.1 交通量表示方式的改进58

4.5.2 交通密度函数的阻抗表示59

4.6 旅游交通网络优化能力配置61

4.6.1 问题的提出61

4.6.2 能力优化模型62

4.6.3 旅游交通网络的仿真模型64

4.6.4 基于仿真模型的瓶颈分析66

4.6.5 近似梯度指导下的变异策略67

4.6.6 数据试验67

第5章 货物装箱问题的求解71

5.1 货物分配到车辆的粒子群优化求解71

5.1.1 满载装车问题的粒子群算法求解72

5.1.2 仿真计算72

5.2 单车三维装箱问题的粒子群优化74

5.2.1 问题描述74

5.2.2 符号约定75

5.2.3 三维装箱问题的数学模型75

5.2.4 堆叠处理及填充处理77

5.2.5 粒子的表示方法77

5.2.6 粒子的基本操作和更新公式78

5.2.7 算法步骤描述79

5.2.8 应用实例79

第6章 多需求点车辆调度模型的建立85

6.1 调度系统描述85

6.2 模型的假设与前提86

6.3 多需求点车辆调度问题的微观化表示86

6.4 多需求点车辆调度模型88

6.4.1 参数定义88

6.4.2 分目标函数91

6.4.3 总目标函数92

6.4.4 约束条件93

6.5 复杂情况下适应度函数及约束的简化95

6.5.1 适应度函数简化95

6.5.2 约束简化95

6.5.3 仿真采用的简化车辆调度模型96

第7章 多需求点车辆调度模型的优化98

7.1 VSP和TSP蚁群算法区别98

7.2 单车路径优化的改进蚁群算法100

7.2.1 改进的参数标定100

7.2.2 改进的状态转移规则100

7.2.3 仿真实例101

7.2.4 仿真结果102

7.3 多需求点车辆调度问题的改进蚁群算法104

7.3.1 改进的参数标定104

7.3.2 改进的状态转移规则105

7.3.3 仿真实例105

7.3.4 仿真结果107

7.4 多需求点车辆调度问题的粒子群、蚁群混合算法研究111

7.4.1 构造粒子表达方式111

7.4.2 混合算法实现过程113

7.4.3 多需求点车辆调度的混合算法仿真计算113

7.5 货物转运配送车辆调度模型的粒子群、蚁群算法混合优化求解115

7.5.1 粒子表达方式的构造115

7.5.2 蚁群禁忌表的改进116

7.5.3 粒子群、蚁群算法混合算法实现过程117

7.5.4 仿真实例及其仿真结果分析118

7.6 车辆调度问题算法的比较及全局优化分析120

7.6.1 算法间的比较120

7.6.2 全局优化分析121

7.6.3 模型及算法的特点121

第8章 粒子群优化算法适用于分配问题的求解模式123

8.1 求解模式123

8.2 粒子群优化在制造单元重构中的应用124

8.2.1 模型参数标定124

8.2.2 优化模型125

8.2.3 优化的粒子群算法125

8.2.4 仿真计算126

8.3 多人分配到多任务的分配模型及粒子群优化128

8.3.1 构建数学模型129

8.3.2 分配方案的粒子位置向量表达方式129

8.3.3 优化过程130

第9章 多需求点车辆调度软件系统研究开发131

9.1 系统分析131

9.2 软件系统基础平台分析132

9.2.1 Java及J2EE132

9.2.2 MVC三层体系结构133

9.2.3 WebWork框架133

9.2.4 Spring框架135

9.2.5 Hibernate136

9.3 软件系统的WehWork+Spring+Hibernate框架138

9.4 多需求点车辆调度系统建设139

9.4.1 数据库结构139

9.4.2 页面结构139

参考文献141