1 绪论 1
1.1 研究背景及意义 1
1.2 车辆路径问题及其研究现状 3
1.2.1 车辆路径问题分类 3
1.2.2 国外研究现状 4
1.2.3 国内研究现状 20
1.3 存在问题及研究方向 22
1.4 本书主要研究内容 25
2 蚁群算法原理及其改进 28
2.1 蚁群算法的原理 28
2.2 蚁群算法 30
2.2.1 蚁群算法的发展概况 30
2.2.2 蚁群算法的变量和参数 32
2.2.3 状态转移概率 34
2.2.4 信息素轨迹强度更新 35
2.3 蚁群算法的改进 36
2.3.1 状态转移概率公式的改进 36
2.3.2 信息素更新策略的改进 37
2.4 改进蚁群算法求解VRP的基本步骤 37
2.5 实例分析 39
2.6 小结 43
3 基于连通可靠性的车辆路径问题研究 45
3.1 连通可靠性的基本概念 45
3.2 路网连通可靠性及其计算方法 47
3.3 基于连通可靠性车辆路径问题的数学模型 48
3.4 基于连通可靠性的车辆路径问题的蚁群算法 50
3.4.1 状态转移概率公式 50
3.4.2 信息素轨迹更新 52
3.5 数值计算及分析 53
3.6 小结 59
4 基于行程时间可靠性的车辆路径问题研究 61
4.1 引言 62
4.2 行程时间可靠性及其近似算法 63
4.2.1 用户均衡分配模型系统的行程时间可靠性 64
4.2.2 行程时间可靠性的近似算法 65
4.3 基于行程时间可靠性的VRP数学模型 66
4.4 VRPTTTR的蚁群算法 68
4.4.1 状态转移概率公式的改进 69
4.4.2 信息素更新策略 70
4.5 实例分析 71
4.6 多种可靠性混合的车辆路径问题 75
4.6.1 多种可靠性混合的车辆路径问题数学模型 75
4.6.2 蚁群算法的状态转移概率公式 77
4.6.3 数据仿真与分析 80
4.7 小结 85
5 基于信息熵蚁群算法的FTTVRP问题研究 86
5.1 引言 87
5.2 相关模糊理论及FTTVRP的数学模型 88
5.2.1 模糊理论 88
5.2.2 FTTVRP的多目标数学模型 89
5.2.3 多目标函数的处理 91
5.3 基于信息熵的蚁群算法 92
5.3.1 信息熵的基本概念和性质 92
5.3.2 基于信息熵的蚁群算法 92
5.3.3 信息素更新策略和改进 93
5.4 计算实例 94
5.5 小结 96
6 突发事件下物流配送问题的蚁群聚类算法研究 98
6.1 引言 98
6.2 问题假设和数学模型 100
6.3 蚁群聚类算法 104
6.3.1 BM聚类和LF聚类 104
6.3.2 改进LF蚁群聚类算法 106
6.4 算例 108
6.5 小结 110
7 广西应急物流三级配送体系研究 112
7.1 概述 112
7.2 广西应急物流配送体系现存问题 113
7.2.1 缺乏专业化的应急组织机构 113
7.2.2 应对各种灾害的预案准备不足 114
7.2.3 物资储备不足 114
7.2.4 应急车辆运输管理不足 114
7.2.5 信息保障不足 115
7.2.6 缺乏专业的应急物流人才 115
7.3 广西应急物流配送体系建设措施 116
7.3.1 建立应急物流配送控制中心 116
7.3.2 建立完善的应急物流配送信息平台 116
7.3.3 联合军事部门 117
7.3.4 联合第三方物流 117
7.3.5 严格执行国家法律法规 118
7.3.6 资源管理 118
7.4 三级配送管理模式 120
7.4.1 第一级配送体系 120
7.4.2 第二级配送体系 121
7.4.3 第三级配送体系 122
7.4.4 三级配送体系综合管理 123
7.5 小结 123
8 结论与展望 124
8.1 本书研究的主要结论 124
8.2 本书的主要创新点 127
8.3 展望 127
参考文献 129
附录 R210数据文件内容 152
后记 157