从路径优化到城市物流系统

　　本书从物流的概念和发展历程开始，回顾了自公元前300年开始的物流发展史，并对我国物流发展的历史和取得的主要成就进行了回顾。进而从微观角度对物流和交通领域的主要研究问题——路径优化问题及其算法进行梳理。不仅对经典的精确解法和启发式算法进行了详细的介绍，并且针对求解实际中的多属性路径优化问题，重点探讨了基于数据驱动的强化学习算法——近似动态规划算法。物流在为城市生活提供更多便利和效率的同时，也在一定程度上对城市的环境和交通造成了负面影响。本书后半部分从物流对城市生活的影响谈起，首先，探讨了“最后一公里物流”所面临的各种挑战，进而讨论了城市物流系统的设计和优化问题。其次，基于路径优化问题的算法及对城市物流系统的研究，本书也介绍了作者在数据驱动的强化学习算法——近似动态规划算法在城市物流系统中的应用研究，并对未来该领域的研究方向进行了探讨。最后，在国家提出将物流业作为“支撑国民经济发展的基础性、战略性产业”的大背景下，本书最后一章根据各大咨询公司和物流企业的研究结果，对智慧物流这一概念进行了介绍，并且探讨了当今主流物流企业在这一领域的科技投入及发展现状。

　　陈曦，女，1985年生，美国爱荷华大学管理科学系博士，北京外国语大学副教授，目前主要研究领域包括：物流与供应链管理、最优化理论与方法等。

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