基于混合启发式算法的单线公交车辆调度问题研究
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7页 |
| 1 引言 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-12页 |
| 1.1.1 公交调度模型研究的意义 | 第11页 |
| 1.1.2 公交调度算法研究的意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.2.1 国外研究现状 | 第12-13页 |
| 1.2.2 国内研究现状 | 第13-14页 |
| 1.3 主要研究内容 | 第14-15页 |
| 1.4 论文组织结构 | 第15-16页 |
| 2 相关理论基础 | 第16-28页 |
| 2.1 公交调度概述 | 第16-21页 |
| 2.1.1 公交调度形式 | 第16-17页 |
| 2.1.2 公交调度分类 | 第17-18页 |
| 2.1.3 公交调度影响因素 | 第18-19页 |
| 2.1.4 公交调度相关技术 | 第19-21页 |
| 2.2 启发式算法 | 第21-27页 |
| 2.2.1 传统启发式算法 | 第22-23页 |
| 2.2.2 元启发式算法 | 第23-25页 |
| 2.2.3 超启发式算法 | 第25-27页 |
| 2.3 本章小结 | 第27-28页 |
| 3 公交调度模型建立 | 第28-38页 |
| 3.1 公交调度优化问题分析 | 第28-29页 |
| 3.1.1 乘客利益分析 | 第28-29页 |
| 3.1.2 公司利益分析 | 第29页 |
| 3.1.3 公交调度优化问题 | 第29页 |
| 3.2 组合调度模型 | 第29-33页 |
| 3.2.1 模型假设 | 第29-30页 |
| 3.2.2 模型变量及符号说明 | 第30-31页 |
| 3.2.3 目标函数 | 第31-33页 |
| 3.3 改进的组合调度模型 | 第33-37页 |
| 3.3.1 模型假设 | 第33-34页 |
| 3.3.2 模型变量及符号说明 | 第34-35页 |
| 3.3.3 目标函数 | 第35-37页 |
| 3.4 本章小结 | 第37-38页 |
| 4 公交调度模型求解 | 第38-42页 |
| 4.1 粒子群优化算法 | 第38-39页 |
| 4.1.1 基本粒子群优化算法 | 第38页 |
| 4.1.2 改进的粒子群优化算法 | 第38-39页 |
| 4.2 模式搜索算法 | 第39-40页 |
| 4.2.1 基本模式搜索算法 | 第39页 |
| 4.2.2 改进的模式搜索算法 | 第39-40页 |
| 4.3 混合启发式算法 | 第40页 |
| 4.4 本章小结 | 第40-42页 |
| 5 实验与分析 | 第42-52页 |
| 5.1 数据集 | 第42-46页 |
| 5.1.1 数据处理 | 第43-46页 |
| 5.1.2 实验环境 | 第46页 |
| 5.2 实验结果及分析 | 第46-51页 |
| 5.2.1 论文数据的实验结果 | 第47-48页 |
| 5.2.2 蚌埠数据的实验结果 | 第48-51页 |
| 5.3 本章小结 | 第51-52页 |
| 6 结论 | 第52-54页 |
| 6.1 论文工作总结 | 第52页 |
| 6.2 不足与展望 | 第52-54页 |
| 参考文献 | 第54-57页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第57-59页 |
| 学位论文数据集 | 第59页 |
