饶卫振著的这本《大规模动态车辆路径问题优化方法研究》针对大规模动态车辆路径问题特征，提出了相应的优化方法。首先将大规模动态车辆路径问题转化为一系列的经典静态车辆路径问题；其次提出一个速度非常快且能确保求解质量较为满意的改进贪婪算法，用于在出现实时信息后快速地求解得到初始满意方案；最后设计了混合大邻域算法，用于继续优化改进贪婪算法的求解方案，直到下一条实时信息出现。

饶卫振，博士（后），山东科技大学经济管理学院副教授，硕士研究生导师。研究方向：物流配送系统优化，协作／动态／绿色配送问题。主持国家社会科学青年基金、中国博士后第11批特别资助、教育部人文社科青年基金、山东省自然基金等10多项。在《中国科学F辑》《管理科学学报》《计算机学报》《系统工程理论与实践》、OperationalResearch、IJICIC、ACISC和Energy等期刊上发表录用论文40多篇，其中国家自然科学基金委管理学部指定A级期刊、SCI或SSCI检索期刊近20篇。
获得山东省高等学校优秀科研成果一等奖（2次）、山东省第五届青年教师讲课比赛一等奖等科研和教学奖励10多项。现为《AOR》《管理科学学报》《系统工程理论与实践》《计算机学报》《系统工程学报》等10多个国内外期刊的匿名审稿专家。

第1章 绪论
1.1 问题的提出与研究的意义
1.2 国内外相关研究综述
1.3 本书的研究内容与篇章结构
第2章 大规模动态VRP问题分析及求解思路
2.1 研究的问题类型
2.2 问题的定义
2.3 问题分析与转化
2.4 DCVRP模型
2.5 大规模D-DCVRP模型
2.6 大规模D-DCVRP求解思路
2.7 本章小结
第3章 求解DCVRP改进贪婪算法
3.1 求解DCVRP贪婪算法
3.2 基于Held-Karp模型的改进质量策略
3.3 基于K-D Tree方法的提速策略
3.4 改进贪婪算法的步骤
3.5 改进贪婪算法的复杂度分析
3.6 算例求解分析
3.7 本章小结
第4章 求解DCVRP混合大邻域算法
4.1 主要元启发式算法简述
4.2 基于复杂网络的k-opt算法解空间表示
4.3 基于复杂网络理论的k-opt算法解空间分析方法
4.4 混合大邻域算法
4.5 混合大邻域算法执行的数据结构策略
4.6 算例求解分析
4.7 本章小结
第5章 应用系统及标准算例设计
5.1 应用环境描述
5.2 实时物流配送调度系统
5.3 动态车辆路径问题算例设计
5.4 算例求解分析
5.5 本方法的其他应用
5.6 本章小结
第6章 总结与展望
6.1 本书的主要创新性成果
6.2 展望
参考文献
附录A APP MVODM估计MVODM准确性
附录B 作者与David S.Johnson教授的交流资料
后记