genetic algorithm is designed,avoiding the difficulty of selecting the penalty factor in penalty strategy and makes the

handling constrain simplify.

【中文关键词】 客户时间窗变动; 车辆路径问题; 干扰管理; 扰动恢复; 遗传算法
【英文关键词】 Customer Time Window Disruption; Vehicle Routing Problem; Disruption Management; Disruption and Recovery;

Genetic Algorithm
【毕业论文目录】
摘要 4-5
Abstract 5-6
1.绪论 9-16
    1.1 问题的提出 9-10
    1.2 国内外同类研究综述 10-15
        1.2.1 干扰管理的国内外研究进展 10-12
        1.2.2 车辆路径问题的干扰处理方法研究 12-14
        1.2.3 客户时间窗变动问题的研究现状 14-15
    1.3 本文的主要工作和结构 15-16
2 客户时间窗变动扰动恢复模型 16-37
    2.1 原始问题描述及其数学模型 17-18
        2.1.1 原始问题描述 17
        2.1.2 原始问题的数学模型 17-18
    2.2 客户时间窗变动的扰动恢复前提与假设 18
    2.3 客户时间窗变动干扰辨识 18-20
    2.4 客户时间窗变动的扰动恢复策略 20-21
    2.5 虚拟单车场的客户时间窗变动扰动恢复模型 21-29
        2.5.1 干扰发生在途车辆的起点复位到虚拟单车场的转化方法 21-24
        2.5.2 扰动度量分析 24-26
        2.5.3 虚拟单车场的客户时间窗变动扰动恢复模型 26-28
        2.5.4 扰动恢复模型与原始问题的归一化处理 28-29
    2.6 虚拟多车场的客户时间窗变动扰动恢复模型 29-36
        2.6.1 干扰发生在途车辆的起点复位到虚拟多车场的转化方法 29-30
        2.6.2 扰动度量分析 30-33
        2.6.3 虚拟多车场的客户时间窗变动扰动恢复模型 33-35
        2.6.4 扰动恢复模型与原始问题的归一化处理 35-36
    2.7 本章小结 36-37
3 算法 37-47
    3.1 扰动恢复策略实施 37-39
        3.1.1 虚拟单车场的客户时间窗变动扰动恢复策略实施 37-39 
        3.1.2 虚拟多车场的客户时间窗变动扰动恢复策略实施 39
    3.2 遗传算法 39-46
        3.2.1 遗传算法的基本步骤 40-41
        3.2.2 染色体表示 41-43
        3.2.3 违反约束的处理及适应度函数的确定 43-44
        3.2.4 遗传操作 44-45
        3.2.5 种群初始化 45-46
    3.3 本章小结 46-47
4 模型与算法验证 47-51
    4.1 数值实验及结果分析 47-48
    4.2 各顾客点时间窗变动情况 48
    4.3 各配送点时间窗变动后重新调度的结果 48
    4.4 车辆调度干扰管理优化结果 48-50
    4.5 结果分析 50-51
结论 51-52
参考文献 52-56
附录A 部分程序源代码 56-71
攻读硕士学位期间发表学术论文情况 71-72
致谢 72-73