复杂约束车辆路径问题及人工智能方案

本书在简要阐述旅行商 问题、车辆路径问题的基 础上，介绍了复杂约束车 辆路径问题及其研究现状 ，并补充了实际物流企业 涉及的多种新型约束，完 善了实际物流优化调度中 的各类约束条件。针对复 杂约束车辆路径问题，作 者基于蚁群优化算法及各 组成环节的核心思想，针 对多个核心步骤改进了算 法，并且结合相关的算法 研究，建立了一个针对实 际物流调度问题的统一应 用框架，该应用框架较好 地优化了实际物流企业调 度。最后，笔者结合蚁群 优化算法和强化学习算法 的优点，并针对它们的缺 点和痛点，根据市场经济 自动优化资源配置的机制 及反垄断、风险投资机制 ，开创性地设计和建立了 市场经济优化算法。 本书可作为从事智能优 化算法及其应用研究，特 别是组合优化问题研究的 相关科技工作者、专业技 术人员的参考书，也可作 为计算机、运筹学等专业 本科生及研究生的参考书 。

第1章 绪论 1.1 物流行业背景及现状 1.2 解决车辆路径问题的意义 1.3 基本的旅行商问题和车辆路径问题 1.3.1 旅行商问题（TSP） 1.3.2 车辆路径问题（VRP） 小结 第2章 复杂约束车辆路径问题（Rich VRP) 2.1 复杂约束车辆路径问题（Rich VRP）的具体内容 2.2 复杂约束车辆路径问题（Rich VRP）在实践中的新增约束 2.3 其他车辆路径问题的研究现状 2.4 车辆路径问题关联装载问题概述 小结 第3章 复杂约束车辆路径问题的算法现状 3.1 解决Rich VRP的算法研究概述 3.2 解决Rich VRP的精确算法 3.3 解决Rich VRP的近似算法 3.4 解决Rich VRP的元启发式算法 3.5 解决Rich VRP的机器学习算法 3.6 解决Rich VRP的强化学习算法 3.7 单智能体强化学习与多智能体强化学习 3.8 主流强化学习与组合优化问题 3.9 各类算法的比较小结 第4章 蚁群优化算法及其改进研究 4.1 蚁群优化算法（ACO）原理 4.2 选择蚁群优化算法（ACO）的原因 4.3 蚁群优化算法（ACO）研究现状 4.4 蚁群优化算法在Rich VRP的研究现状 4.5 蚁群优化算法与强化学习算法的结合小结 第5章 Levy ACO算法 5.1 莱维分布和莱维飞行模式概述 5.2 Levy ACO的算法设计 5.3 实验环境说明 5.4 实验结果及其分析 5.5 Levy ACO与其他最新算法的比较 5.5.1 Levy ACO与ACO相关最新算法的比较 5.5.2 Levy ACO与非ACO最新算法的比较小结 第6章 Greedy Levy ACO算法 6.1 Epsilon Greedy机制 6.2 Greedy Levy ACO的算法设计 6.3 实验环境说明 6.4 实验结果及其分析 6.5 Greedy Levy ACO与其他最新算法的比较 6.5.1 Greedy Levy ACO与ACO相关最新算法的比较 6.5.2 Greedy Levy ACO与非ACO最新算法的比较小结 第7章 Contribution-based ACO算法 7.1 强化学习算法中的奖励机制 7.2 管理学激励理论概述 7.3 经典ACO算法中的信息素更新逻辑 7.4 Contribution-based ACO的算法设计