3.4.1 包装物料库存控制要求 35-36

　　3.4.2 包装物料库存控制影响因素 36-37

　　3.5 本章小结 37-38

　　4 D公司北京作业中心包装物料库存控制方案 38-57

　　4.1 D公司北京作业中心包装物料分类 38-42

　　4.1.1 分类方法的选择 38

　　4.1.2 作业中心包装物料分类 38-42

　　4.2 基于分类的库存控制方法选择 42-45

　　4.2.1 需求波动较小的包装物料库存控制方法选择 42-43

　　4.2.2 需求波动较大的包装物料库存控制方法选择 43-45

　　4.2.3 C类包装物料库存控制方法选择 45

　　4.3 D公司北京作业中心包装物料需求预测 45-49

　　4.3.1 需求预测方法选择 45-46

　　4.3.2 预测效果评价 46-48

　　4.3.3 预测结果 48-49

　　4.4 库存控制方法的应用 49-56

　　4.4.1 需求波动较小的包装物料的库存控制 49-52

　　4.4.2 需求波动较大的包装物料的库存控制 52-55

　　4.4.3 C类包装物料的库存控制 55-56

　　4.5 本章小结 56-57

　　5 方案实施效果评价 57-65

　　5.1 需求波动较小的包装物料库存控制效果评价 57-61

　　5.1.1 库存水平控制效果评价 57-61

　　5.1.2 服务水平控制效果评价 61

　　5.2 需求波动较大的包装物料库存控制效果评价 61-64

　　5.2.1 库存水平控制效果评价 61-63

　　5.2.2 服务水平控制效果评价 63-64

　　5.3 C类包装物料库存控制效果评价 64

　　5.4 本章小结 64-65

　　6 结论与展望 65-66

　　6.1 结论 65

　　6.2 展望 65-66

　　参考文献 66-69

　　附录A 69-77

　　附录B 77-80

　　附录C 80-83

　　附录D 83-87

　　附录E 87-91

　　学位论文数据集 91

物流工程硕士论文提纲范文(第2页)三

　　摘要 3-4

　　Abstract 4-5

　　第1章 绪论 8-14

　　1.1 研究背景与意义 8-9

　　1.1.1 研究背景 8

　　1.1.2 研究目的及意义 8-9

　　1.2 国内外研究现状 9-12

　　1.2.1 港口集卡作业研究现状 9-11

　　1.2.2 国内优化方法研究现状 11

　　1.2.3 蚁群算法的研究现状 11-12

　　1.3 研究的内容与技术路线 12-14

　　1.3.1 研究的内容 12-13

　　1.3.2 研究的技术路线 13-14

　　第2章 集装箱港口作业流程及运输网络优化方法 14-23

　　2.1 集装箱港口作业流程 14-18

　　2.1.1 进口卸船作业流程 14-15

　　2.1.2 出口装船作业流程 15-16

　　2.1.3 集装箱港口装卸工艺及相关设备配备 16-18

　　2.2 运输网络优化方法 18-22

　　2.2.1 网络优化的定义 18-19

　　2.2.2 优化方法分类 19-22

　　2.3 本章小结 22-23

　　第3章 ACO 算法的改进及建立模型 23-44

　　3.1 蚁群优化(ACO) 23-27

　　3.1.1 蚁群算法简介 23-26

　　3.1.2 蚁群算法(ACO)的流程 26-27

　　3.2 遗传算法 27-29

　　3.2.1 遗传算法简介 27-28

　　3.2.2 遗传算法的主要流程 28-29

　　3.3 建立港口集卡路径成本优化模型 29-34

　　3.3.1 影响港口集卡作业因素 30-31

　　3.3.2 成本优化模型 31-34

　　3.4 采用改进 ACO 对港口集卡路径成本模型进行优化 34-43

　　3.4.1 ACO与遗传算法的融合 34-35

　　3.4.2 ACO部分的详细算法过程 35-41

　　3.4.3 遗传算法部分的详细算法过程 41-43

　　3.5 本章小结 43-44

　　第4章 基于 ACO 天津港港口集卡作业调度优化实例分析 44-58

　　4.1 天津港集装箱码头有限公司概况 44-45

　　4.1.1 天津港集装箱码头有限公司概况 44

　　4.1.2 天津港集装箱码头有限公司设施配备 44-45

　　4.2 实证分析 45-55

　　4.2.1 天津港港口集卡路径成本优化模型数据的采集 45-49

　　4.2.2 港口集卡作业调度优化路径 49-52

　　4.2.3 优化结果对比分析 52-55

　　4.3 天津港港口集卡调度优化建议 55-57

　　4.4 本章小结 57-58

　　第5章 结论与展望 58-60

　　5.1 结论 58-59

　　5.2 展望 59-60

　　致谢 60-61

　　参考文献 61-64