基于遗传算法的公交智能排班方法研究
| 摘要 | 第1-8页 |
| ABSTRACT | 第8-10页 |
| 插图索引 | 第10-11页 |
| 附表索引 | 第11-12页 |
| 第1章 绪论 | 第12-19页 |
| ·研究背景和意义 | 第13-14页 |
| ·国内外研究现状 | 第14-17页 |
| ·国外研究现状 | 第14-15页 |
| ·国内研究现状 | 第15-17页 |
| ·研究目标及主要内容 | 第17页 |
| ·研究目标 | 第17页 |
| ·主要研究内容 | 第17页 |
| ·主要创新点 | 第17-18页 |
| ·本文的内容安排 | 第18-19页 |
| 第2章 遗传算法简介 | 第19-31页 |
| ·遗传算法概述 | 第19页 |
| ·遗传算法的发展与现状 | 第19-21页 |
| ·遗传算法的基本思想 | 第21页 |
| ·遗传算法的一些基本概念和术语 | 第21-23页 |
| ·遗传算法的特点 | 第23页 |
| ·遗传算法的应用 | 第23-24页 |
| ·遗传算法的构成要素 | 第24-30页 |
| ·遗传算法的应用步骤 | 第24-25页 |
| ·编码表示 | 第25页 |
| ·适应度函数 | 第25-27页 |
| ·遗传算子 | 第27-29页 |
| ·遗传算法参数设置 | 第29页 |
| ·遗传算法的终止条件 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 第3章 公交排班问题模型设计 | 第31-36页 |
| ·模型假设 | 第31-32页 |
| ·定义变量 | 第32页 |
| ·模型建立 | 第32-35页 |
| ·建立目标函数 | 第32-34页 |
| ·模型约束条件 | 第34页 |
| ·发车时刻模型 | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 第4章 求解公交排班问题的遗传算法 | 第36-45页 |
| ·算法结构 | 第36-37页 |
| ·遗传算法设计 | 第37-40页 |
| ·编码 | 第37-38页 |
| ·约束条件的处理 | 第38页 |
| ·适应度函数 | 第38页 |
| ·初始群体 | 第38-39页 |
| ·遗传算子的设计 | 第39-40页 |
| ·运用遗传算法解决公交排班的仿真实验 | 第40-43页 |
| ·参数设置实验 | 第40-41页 |
| ·仿真实验 | 第41-43页 |
| ·本章小结 | 第43-45页 |
| 第5章 混合遗传算法在公交排班问题中的应用探索 | 第45-50页 |
| ·免疫系统 | 第45-46页 |
| ·免疫遗传算法 | 第46-47页 |
| ·免疫算子 | 第46-47页 |
| ·免疫遗传算法的具体执行步骤 | 第47页 |
| ·求解公交排班问题的混合遗传算法设计 | 第47-48页 |
| ·免疫遗传算法的实现 | 第48页 |
| ·免疫遗传算法与遗传算法仿真结果分析 | 第48-49页 |
| ·本章小结 | 第49-50页 |
| 结论 | 第50-51页 |
| 参考文献 | 第51-55页 |
| 致谢 | 第55-56页 |
| 附录A 攻读学位期间所发表的学术论文 | 第56页 |
