物流網路系統車輛調度問題研究（簡體書）

《物流網絡系統車輛調度問題研究》從全局的角度，充分整合貨物和車輛資源進行車輛調度，為物流網絡系統的貨物配送提供數學模型及其優化方法，《物流網絡系統車輛調度問題研究》的主要內容如下：
①構建多設施規劃模型并對模型進行粒子群優化算法求解，這里的多設施包括工廠、物流中心或配送中心，優化的結果是根據顧客的需求，確定這些物流設施的地理位置、規模的大小、數量的多少；
②車輛調度過程中考慮實際交通狀況，將粒子群算法用于交通量多路徑分配，進行交通量的多路徑分配，進而得到路段路阻。為解決BPR函數計算路段阻抗時，沒有反映出交通狀況由暢通到擁擠的過程中交通量先增后減的問題，對BPR函數進行了兩種改進，從而能夠反映交通實際路況所對應的路阻；
③對于多個貨物分配到多個車輛的分配問題、單個車輛的貨物三維裝箱問題，采用粒子群優化算法求解，做到對普通零擔貨物裝箱的優化；
④建立車輛調度模型，模型中車輛及貨物的起、終點可不同，物流節點可訪問多次；
⑤用改進蟻群算法、粒子群算法求解多需求點的單車、多車的車輛調度問題、貨物能進行轉運的車輛調度問題；
⑥總結了粒子群優化算法用于解決分配問題的求解模式，并用制造單元重構、多人到多作業這兩個屬于分配問題的實例進行驗證；
⑦以本研究的模型及算法為核心，建立貨物配送車輛調度系統，充分整合貨物和車輛運輸資源，提高企業的綜合運營效益。

第1章 緒論
1．1 研究背景
1．2 車輛調度概念
1．3 以配送中心為核心的車輛調度模型
1．3．1 單配送中心配送模式
1．3．2 準多配送中心配送模式
1．3．3 多配送中心配送模式
1．4 多車場車輛調度的研究現狀
1．5 現有研究中存在的問題
1．6 多需求點車輛調度模式的提出
1．6．1 進化設計理論
1．6．2 運輸組織方式的趨勢
1．6．3 多需求點貨運模式的提出
1．6．4 多需求點車輛調度特點
1．7 研究目的和意義
1．8 研究框架

第2章 求解模型的蟻群、粒子群算法介紹
2．1 蟻群優化算法及分析
2．1．1 蟻群算法介紹
2．1．2 蟻群系統模型
2．1．3 蟻群算法的改進
2．1．4 蟻群算法特點
2．2 粒子群優化算法及分析
2．2．1 粒子群算法介紹
2．2．2 粒子群算法過程
2．2．3 改進粒子群算法
2．2．4 粒子群算法特點
2．3 算法應用前景

第3章 多設施規劃模型及其求解
3．1 背景
3．2 模型描述和符號
3．2．1 模型描述
3．2．2 模型假設條件
3．2．3 參數表示
3．2．4 模型建立
3．3 多設施規劃的模型及其粒子群算法優化
3．3．1 粒子的表達方式
3．3．2 優化過程
3．4 實例及分析
3．4．1 實例
3．4．2 求解結果
3．4．3 對優化結果的修正處理
3．4．4 對優化結果的分析

第4章 車輛調度問題中的交通約束條件
4．1 交通分配規律分析
4．1．1 背景
4．1．2 研究情況
4．2 交通分配模型
4．3 基于粒子群算法的交通分配模型求解
4．3．1 粒子群算法求交通分配模型過程
4．3．2 粒子群算法求解交通分配模型的合理性分析
4．3．3 仿真計算
4．4 BPR路阻函數概況
4．4．1 BPR函數特點
4．4．2 BPR函數改進的研究概況
4．4．3 已有改進研究中存在的問題
4．5 BPR函數的改進研究
4．5．1 交通量表示方式的改進
4．5．2 交通密度函數的阻抗表示
4．6 旅游交通網絡優化能力配置
4．6．1 問題的提出
4．6．2 能力優化模型
4．6．3 旅游交通網絡的仿真模型
4．6．4 基于仿真模型的瓶頸分析
4．6．5 近似梯度指導下的變異策略
4．6．6 數據試驗

第5章 貨物裝箱問題的求解
5．1 貨物分配到車輛的粒子群優化求解
5．1．1 滿載裝車問題的粒子群算法求解
5．1．2 仿真計算
5．2 單車三維裝箱問題的粒子群優化
5．2．1 問題描述
5．2．2 符號約定
5．2．3 三維裝箱問題的數學模型
5．2．4 堆疊處理及填充處理
5．2．5 粒子的表示方法
5．2．6 粒子的基本操作和更新公式
5．2．7 算法步驟描述
5．2．8 應用實例

第6章 多需求點車輛調度模型的建立
6．1 調度系統描述
6．2 模型的假設與前提
6．3 多需求點車輛調度問題的微觀化表示
6．4 多需求點車輛調度模型
6．4．1 參數定義
6．4．2 分目標函數
6．4．3 總目標函數
6．4．4 約束條件
6．5 復雜情況下適應度函數及約束的簡化
6．5．1 適應度函數簡化
6．5．2 約束簡化
6．5．3 仿真采用的簡化車輛調度模型

第7章 多需求點車輛調度模型的優化
7．1 VSP和TSP蟻群算法區別
7．2 單車路徑優化的改進蟻群算法
7．2．1 改進的參數標定
7．2．2 改進的狀態轉移規則
7．2．3 仿真實例
7．2．4 仿真結果
7．3 多需求點車輛調度問題的改進蟻群算法
7．3．1 改進的參數標定
7．3．2 改進的狀態轉移規則
7．3．3 仿真實例
7．3．4 仿真結果
7．4 多需求點車輛調度問題的粒子群、蟻群混合算法研究
7．4．1 構造粒子表達方式
7．4．2 混合算法實現過程
7．4．3 多需求點車輛調度的混合算法仿真計算
7．5 貨物轉運配送車輛調度模型的粒子群、蟻群算法混合優化求解
7．5．1 粒子表達方式的構造
7．5．2 蟻群禁忌表的改進
7．5．3 粒子群、蟻群算法混合算法實現過程
7．5．4 仿真實例及其仿真結果分析
7．6 車輛調度問題算法的比較及全局優化分析
7．6．1 算法間的比較
7．6．2 全局優化分析
7．6．3 模型及算法的特點

第8章 粒子群優化算法適用于分配問題的求解模式
8．1 求解模式
8．2 粒子群優化在制造單元重構中的應用
8．2．1 模型參數標定
8．2．2 優化模型
8．2．3 優化的粒子群算法
8．2．4 仿真計算
8．3 多人分配到多任務的分配模型及粒子群優化
8．3．1 構建數學模型
8．3．2 分配方案的粒子位置向量表達方式
8．3．3 優化過程

第9章 多需求點車輛調度軟件系統研究開發
9．1 系統分析
9．2 軟件系統基礎平臺分析
9．2．1 Java及J2EE
9．2．2 MVC三層體系結構
9．2．3 WebWoilk框架
9．2．4 Spring框架
9．2．5 Hibernate
9．3 軟件系統的WebWork+Spring+Hibernate框架
9．4 多需求點車輛調度系統建設
9．4．1 數據庫結構
9．4．2 頁面結構
參考文獻