本书所研究的定位一运输路线安排问题（LRP）是集成化物流系统中路径优化问题的一个重要分支，是任何一个大型物流配送企业必须要面临的问题。文中**要解决的是物流配送路径问题（LRP，VRP）的多目标优化求解算法和优化调度控制方法；采用智能优化算法（遗传算法等启发式搜索技术）同时结合聚类分析理论，求解物流配送优化路径问题。
本书研究工作的主要内容可以概括如下： 1.完成了物流配送路径问题研究综述，提出了基于运筹学基础的LRP问题模型的表示方法，建立了单目标LRP问题和多目标LRP问题的O—l混合整数规划模型。
2.根据集成化物流中的定位一配给问题的特点，提出了基于小波分析的启发式算法，仿真实例证明此算法能够有效地解决中、小规模的实际问题。
3.提出了解决集成化物流中的运输一车辆路线安排问题的聚类一改进遗传算法。此算法提出一种首先用优先级综合聚类分析法将客户分类，然后用带有控制开关系统的改进遗传算法求解多目标VRP的优化方法。该方法构造了一种随机开关，以此控制遗传算法中的变异运算，增加了群体的多样性，从一定程度上避免了遗传算法中的“局部*优现象”的发生。通过计算机仿真实验，证明了该算法的

第1章 绪论
1.1 研究的背景与意义
当今的物流环境已经解决了区域限制。由于缺乏管制和全球化的限制，许多物流管理者面临位置一分配运输上的困难。许多管理学家开始用集成化物流系统技术去解决相关的问题。这些技术的核心是综合定位一运输模型。通常条件下，综合定位—运输模型能够解决关联的优化数目、容量、设施位置等优化问题。其主要目标是实现协调的、有效的配送，并且实现货物的完整移动。
近年来，国外许多学者对物流系统优化问题进行了一定的研究，构建了解决实际问题的优化模型，并找到了一些求解算法。关于定位一运输路线安排问题（LRP）的研究开始于20世纪70年代，Watson—Gandy和Dohrn将运输车辆多点停留特性与定位—运输网络结合起来开展了研究。但由于LRP问题的难度很大，对该类问题的研究进展缓慢。20世纪90年代以来，国外的学者对物流系统优化中的运输—车辆路线安排问题（VRP），定位—配给问题（LA）的研究取得了一定的进展。随着集成化物流管理的概念被越来越多的企业所接受和全球贸易的快速增长，提高分销效率成为了企业生存与发展的必由之路。LRP更贴近目前的物流系统的实际特征，所以对其研究有十分现实的意义。
电子商务不但作为一套全新的技术，而且作为一种全新的管理理念，目前在我国发展势头强劲。但是在其发展过程中，必然存在一些具体的问题亟待解决。因此，针对基于电子商务的城市物流配送路径优化LRP问题进行研究具有重要的现实意义。
目前，城市物流配送面临如下的问题：
①服务水平、质量较低。信息流与物流的矛盾会导致整个电子商务客户服务水平低效。电子商务的特征要求有与其相应快速、**响应的物流配送关系。
②控制物流成本困难。人工调度的传统的物流配送只适合在交易量规模较小的系统运作。面对巨大交易量的电子商务环境，需要建立合理的、自动的物流配送调度系统。
③影响城市交通状况。物流配送调度的不合理，会增加物流配送的运行车次、路程，从而加重城市交通运输负担。因此建立合理的物流配送调度系统，有利于缓解拥挤的城市交通。
为解决上述三个问题，合理的城市物流配送调度应满足如下三个目标：
①准时运输。即货物按客户要求的指定时间段被运送到客户手中。
②总成本（包括运输路线成本，建立和运营仓库的固定成本，获得运输工具成本等）*小。
……

第1章 绪论
1.1 研究的背景与意义
1.2 研究的主要内容和主要研究成果
1.2.1 研究的主要内容
1.2.2 本书的主要研究成果
第2章 定位—运输路线安排问题优化算法研究综述
2.1 定位—运输路线安排问题研究综述
2.1.1 LRP的含义
2.1.2 LRP的发展历程
2.1.3 LRP与LA和VRP的比较
2.1.4 定位、分配、路线三者的相互关系
2.1.5 LRP的分类
2.2 智能优化算法概述
2.2.1 优化方法的数学表达式
2.2.2 常用*优化方法的种类和机制
2.2.2.1 常见的三种启发式算法
2.2.2.2 混沌随机搜索算法
2.3 遗传算法
2.3.1 遗传算法（GA）
2.3.1.1 遗传算法（GA）的基本原理
2.3.1.2 遗传算法（GA）的特点及应用
2.3.1.3 遗传算法（GA）的要素及实现步骤
2.3.1.4 遗传算法的缺陷
2.3.2 多目标遗传算法综述
2.3.2.1 多目标遗传算法的基本理论
2.3.2.2 基于Paret0的多目标优化方法
2.3.3 基于遗传算法的调度概述
2.4 定位—运输路线安排问题优化算法研究综述
2.4.1 LRP求解算法的发展
2.4.2 LRP实际问题的求解算法的发展
2.4.3 常用的解决LRP问题的算法
2.4.4 LRP三类不同问题（LRP，LA，VRP）求解算法分析
2.5 本章小结
第3章 定位—运输路线安排问题优化调度模型研究
3.1 定位—配给问题的描述
3.1.1 定位—配给问题的描述
3.1.2 定位—配给问题模型的建立
3.1.2.1 模型中的决策变量
3.1.2.2 模型中的参数含义
3.1.2.3 模型的建立
3.2 集成化物流中的运输—车辆路线安排问题的模型
3.2.1 集成化物流中的运输—车辆路线安排问题的描述
3.2.2 集成化物流中的运输—车辆路线安排问题的数学模型
3.2.2.1 模型中的决策变量
3.2.2.2 模型中的参数含义
3.2.2.3 多目标VRP模型的建立
3.3 集成化物流中的定位—运输路线安排问题的模型
3.3.1 集成化物流中的定位—运输路线安排问题的描述
3.3.1.1 单目标LRP的问题的描述
3.3.1.2 多目标LRP的问题的描述
3.3.2 单目标定位—运输路线安排问题（LRP）的数学模型
3.3.2.1 模型中的决策变量
3.3.2.2 模型中的参数含义
3.3.2.3 模型的建立
3.3.3 多目标定位—运输路线安排问题（LRP）的数学模型
3.3.3.1 模型中的决策变量
3.3.3.2 模型中的参数含义
3.3.3.3 模型的建立
3.4 本章小结
第4章 集成化物流中的定位—配给问题的启发式算法
4.1 定位—配给问题的数据处理——小波分析
4.1.1 小波分析原理简介
4.1.2 基于小波分析的LA的数据处理
4.2 启发式算法的基本原理
4.2.1 LA的启发式算法的基本思想
4.2.2 基于启发式算法的LA问题分析
4.3 启发式算法的实现步骤
4.4 定位一配给问题的仿真分析
4.5 本章小结
第5章 集成化物流中的车辆—运输路线安排问题的聚类—遗传混合算法
5.1 集成化物流中的车辆—运输路线安排问题的优先级综合聚类分析
……
第6章 一类单目标定位——运输路线安排问题的算法研究
第7章 多目标定位——运输路线安排问题的优化算法研究
第8章 多目标定位——运输路线安排问题的优化调度仿真系统设计
第9章 未来扩充的LRP问题
第10章 实例分析
参考文献

本书所研究的定位--运输路线安排问题（LRP）是集成化物流系统中路径优化问题的一个重要分支，是任何一个大型物流配送企业必须要面临的问题。文中**要解决的是物流配送路径问题（LRP，VRP）的多目标优化求解算法和优化调度控制方法；采用智能优化算法（遗传算法等启发式搜索技术）同时结合聚类分析理论，求解物流配送优化路径问题。