自适应遗传模拟退火算法在求解带时间窗车辆路径问题中的应用

文摘

英文文摘

声明

第一章绪论

1.1课题的来源

1.2问题的提出

1.3研究的目的和意义

1.4本文的研究内容

1.5本文的结构框架

1.6本章小结

第二章遗传算法概述

2.1遗传算法简介

2.1.1遗传算法的生物遗传学基础

2.1.2遗传算法的基本概念

2.1.3标准遗传算法

2.1.4遗传算法的特点

2.2遗传算法的基本原理与方法

2.2.1编码

2.2.2种群的初始化

2.2.3适应度函数

2.2.4选择算子

2.2.5交叉算子

2.2.6变异算子

2.3遗传算法的数学基础

2.3.1模式定理

2.3.2积木块假设

2.3.2收敛性分析

2.3.3欺骗问题

2.3.4隐式并行性

2.4遗传算法的“早熟”问题及其防止

2.4.1适应度伸拉法

2.4.2多种群交叉法

2.4.3 Boltzmann生存机制

2.5遗传算法的研究现状

2.5.1算法自身的改进

2.5.2参数的动态自适应

2.5.3基于小生境技术的遗传算法

2.5.4混合遗传算法

2.5.5并行遗传算法

2.6遗传算法的应用

2.7本章小结

第三章车辆路径问题及研究状况

3.1车辆路径问题定义

3.2车辆路径问题的研究现状及常用算法

3.3.1λ交换的局部搜索法

3.3.2模拟退火算法

3.3.3禁忌搜索算法

3.3用遗传算法求解车辆路径问题的研究现状

3.4本章小结

第四章用自适应遗传模拟退火算法求解车辆路径问题

4.1自适应遗传模拟退火算法思想

4.2问题模型的建立

4.3算法的设计与分析

4.3.1编码/解码设计

4.3.2确定初始群体

4.3.3确定适应度函数

4.4.4精英种群

4.4.5混合算法：遗传模拟退火算法

4.4.6遗传算子改进：交叉，变异

4.4.7算法的自适应性

4.4.8控制参数

4.5改进算法的复杂性和收敛性分析

4.5.1复杂性分析

4.5.2收敛性分析

4.6本章小结

第五章程序实现与实例分析

5.1程序实现技术

5.1.1问题求解的算法实现过程

5.1.2自适应遗传模拟退火算法流程图

5.1.3算法的数据结构与参数定义

5.1.4程序实现的重要函数

5.2实例数据与分析

5.3实验结果比较分析

5.3.1改进算法与标准遗传算法的实验结果比较分析

5.3.2算法的自身改进机制的比较分析

5.4本章小结

结 论

参考文献

致谢