| 中文摘要 | 第4-5页 |
| 英文摘要 | 第5页 |
| 1 绪论 | 第9-18页 |
| 1．1 概述 | 第9-10页 |
| 1．1．1 交通面临的问题 | 第9页 |
| 1．1．2 解决城市交通问题的途径 | 第9-10页 |
| 1．1．3 智能交通系统 | 第10页 |
| 1．2 交通诱导系统 | 第10-13页 |
| 1．2．1 交通诱导系统的发展 | 第10页 |
| 1．2．2 交通诱导系统的结构框架 | 第10-12页 |
| 1．2．3 交通诱导系统的主要步骤 | 第12页 |
| 1．2．4 交通诱导系统的分类 | 第12-13页 |
| 1．3 交通诱导系统的研究现状 | 第13-15页 |
| 1．3．1 国外研究情况介绍 | 第13-15页 |
| 1．3．2 国内研究情况介绍 | 第15页 |
| 1．4 本文研究的目的及意义 | 第15-16页 |
| 1．5 本文的主要研究工作 | 第16-18页 |
| 2 交通诱导系统中路径优化算法的研究 | 第18-30页 |
| 2．1 概述 | 第18页 |
| 2．2 最短路径问题的分类 | 第18-19页 |
| 2．3 最短路径算法的分类体系 | 第19-22页 |
| 2．3．1 按问题的类型分类 | 第19页 |
| 2．3．2 按照网络特征与表示方法的差异分类 | 第19-20页 |
| 2．3．3 按实现技术分类 | 第20-22页 |
| 2．4 最短路径算法研究中的几个问题 | 第22-25页 |
| 2．4．1 广义路阻 | 第22-23页 |
| 2．4．2 最短路径算法中的数据结构问题 | 第23-24页 |
| 2．4．3 最短路径算法的效率问题 | 第24-25页 |
| 2．5 几种路径优化算法的研究分析 | 第25-29页 |
| 2．5．1 Dijkstra算法 | 第26-27页 |
| 2．5．2 遗传算法 | 第27-29页 |
| 2．6 本章小结 | 第29-30页 |
| 3 脉冲耦合神经网络 | 第30-41页 |
| 3．1 概述 | 第30页 |
| 3．2 基本PCNN的神经元模型 | 第30-32页 |
| 3．3 PCNN神经元的工作原理 | 第32-38页 |
| 3．3．1 PCNN神经元的点火原理 | 第32-33页 |
| 3．3．2 PCNN运行行为的机理 | 第33-34页 |
| 3．3．3 PCNN的运行特性 | 第34页 |
| 3．3．4 PCNNs中自动波的形成和传播 | 第34-36页 |
| 3．3．5 离散PCNN的自动波传播特性 | 第36-38页 |
| 3．4 PCNN的特点 | 第38页 |
| 3．5 PCNN与传统神经网络间的比较 | 第38-39页 |
| 3．6 PCNN的应用 | 第39-40页 |
| 3．7 本章小结 | 第40-41页 |
| 4 基于脉冲耦合神经网络的路径优化算法 | 第41-48页 |
| 4．1 概述 | 第41页 |
| 4．2 脉冲耦合神经元模型的简化 | 第41-43页 |
| 4．3 脉冲耦合神经网络的算法描述 | 第43-47页 |
| 4．3．1 路网的表示 | 第43页 |
| 4．3．2 脉冲耦合神经网络的算法步骤设计 | 第43-44页 |
| 4．3．3 脉冲耦合神经网络Vθ的确定 | 第44页 |
| 4．3．4 脉冲耦合神经网络算法的框图表示 | 第44页 |
| 4．3．5 脉冲耦合神经网络算法的程序实现 | 第44-47页 |
| 4．4 本章小结 | 第47-48页 |
| 5 PCNN算法与Dijkstra算法的比较研究 | 第48-63页 |
| 5．1 交通路网的数据结构 | 第48-49页 |
| 5．2 PCNN算法的实例验证 | 第49-55页 |
| 5．3 脉冲耦合神经网络算法与Dijkstra算法的比较 | 第55-58页 |
| 5．3．1 Dijkstra算法 | 第55-57页 |
| 5．3．2 Dijkstra算法的分析 | 第57页 |
| 5．3．3 脉冲耦合神经网络算法的主要思想 | 第57-58页 |
| 5．4 脉冲耦合神经网络算法和Dijkstra算法的比较 | 第58-61页 |
| 5．5 PCNN的技术实现 | 第61页 |
| 5．6 本章小结 | 第61-63页 |
| 6 全文总结 | 第63-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-68页 |
| 附录一：作者在攻读硕士学位期间发表的论文目录 | 第68-69页 |
| 附录二：PCNN算法的VC语言实现源程序 | 第69-72页 |