从路径优化到城市物流系统

第一章　物流及其发展
1.1　物流的概念及其发展
1.2　我国物流业的发展史
1.3　我国物流业发展的成就
1.4　物流研究的主要方法——组合优化

第二章　路径优化问题及其算法　
2.1　路径优化问题　
2.2　路径优化问题的经典算法　　
2.3　路径优化问题中启发式算法的评估标准　
2.4　多属性路径优化问题　

第三章　强化学习算法在路径优化问题中的应用　
3.1　强化学习　
3.2　马尔可夫决策过程　
3.2.1　最优方程　
3.2.2　计算转移概率矩阵　
3.2.3　随机贡献　
3.2.4　有限周期问题　
3.2.5　无限周期问题　
3.3　近似动态规划　
3.3.1　动态规划面临的挑战　
3.3.2　动态规划问题的建模框架　
3.3.3　基本思想　
3.3.4　近似动态规划算法及其实现　
3.3.5　值函数的降维表示方法
3.3.6　多面近似动态规划　
3.4　值函数逼近　
3.4.1　近似动态规划和聚类　
3.4.2　有参数模型　
3.4.3　无参数模型　
3.4.4　值函数近似的学习算法　　

第四章　城市物流系统　
4.1　影响城市物流的发展趋势　
4.1.1　城市人口的增长　
4.1.2　电子商务的发展　
4.1.3　供应链的增速　
4.1.4　共享经济的兴起　
4.1.5　可持续发展意识的增长　
4.2　科技发展　
4.3　机遇　
4.4　城市物流系统建模　
4.4.1　城市物流的基本概念和研究简史　
4.4.2　决策问题　
4.4.3　城市物流系统模型
4.5　两级城市物流系统中的路径优化问题
4.6　城市物流的未来发展方向　
4.6.1　绿色物流　　
4.6.2　科技物流　
4.6.3　冷链物流　
4.6.4　银丝物流　

第五章　强化学习算法在路径优化问题及城市物流系统中的应用实例　
5.1　考虑基于经验水平的服务时间的路径优化问题　
5.1.1　文献综述　
5.1.2　问题描述、模型和算法　
5.1.3　单期路径优化问题　
5.1.4　算例描述　
5.1.5　数值试验分析　
5.1.6　结论　
5.2　考虑基于经验的服务时间和随机客户需求的多周期技能型员工调度优化问题　
5.2.1　问题描述　
5.2.2　文献综述　
5.2.3　问题建模　
5.2.4　求解方法　
5.2.5　实验设计　
5.2.6　数值试验分析　
5.2.7　模型对员工团队变动的反应　
5.2.8　结论　
5.3　近似动态规划算法在考虑基于经验的服务时间和随机客户需求的多周期技能型员工调度优化中的应用　
5.3.1　问题建模　
5.3.2　求解方法　
5.3.3　数值试验设计　
5.3.4　实验及结果分析　
5.3.5　结论　
5.4　未来研究方向展望　
5.4.1　考虑个体学习效应的员工调度和服务车辆路径优化联合
决策研究　
5.4.2　两级城市物流系统动态定价与路径优化联合决策研究　
5.4.3　基于知识转移和个体学习效应的员工调度与库存管理协同优化研究　

第六章　智慧物流　
6.1　智慧物流的定义 　
6.2　物流行业背景　
6.3　智慧物流发展驱动因素 　
6.4　智慧物流发展现状　

参考文献