| 摘要 | 第1-7页 |
| ABSTRACT | 第7-9页 |
| 目录 | 第9-13页 |
| 第一章 序论 | 第13-39页 |
| ·智能交通系统发展简介 | 第13-14页 |
| ·智能交通系统主要研究内容 | 第14-15页 |
| ·城域交通控制的研究发展 | 第15-21页 |
| ·城市道路交通控制基本概念 | 第15-17页 |
| ·传统的城市交通控制研究 | 第17-19页 |
| ·基于智能计算技术的城市交通控制研究 | 第19-21页 |
| ·基于模糊逻辑的城市交通控制研究 | 第21-27页 |
| ·基于模糊逻辑的城域交通控制研究回顾 | 第21-23页 |
| ·城域交通模糊控制研究新发展 | 第23-27页 |
| ·智能交通系统中路径诱导算法研究 | 第27-37页 |
| ·路径诱导系统研究对象和意义 | 第27-28页 |
| ·路径诱导算法实时性研究 | 第28-31页 |
| ·动态路径诱导算法研究 | 第31-34页 |
| ·诱导系统与交通控制系统的集成研究 | 第34-35页 |
| ·路径诱导策略研究发展方向 | 第35-37页 |
| ·论文各部分的主要内容 | 第37-39页 |
| 第二章 基于进化策略的城域交叉路口分级模糊控制 | 第39-49页 |
| ·引言 | 第39-40页 |
| ·交叉路口两级模糊控制器结构 | 第40-42页 |
| ·采用进化策略自适应调整隶属度函数 | 第42-45页 |
| ·采用进化策略调整隶属度函数的背景 | 第42-43页 |
| ·采用进化策略优化的两级模糊控制器的工作过程 | 第43页 |
| ·进化策略寻优算法 | 第43-45页 |
| ·仿真试验和结果 | 第45-48页 |
| ·本章小结 | 第48-49页 |
| 第三章 基于分布式Q学习的城域交通协调控制 | 第49-61页 |
| ·区域交通协调控制研究简介 | 第49-50页 |
| ·强化学习 | 第50-53页 |
| ·强化学习基本原理 | 第50-52页 |
| ·Q学习 | 第52-53页 |
| ·分布式强化学习 | 第53-56页 |
| ·分布式Q学习 | 第53-55页 |
| ·Q函数逼近 | 第55-56页 |
| ·基于分布式Q学习的区域交通协调控制描述 | 第56-57页 |
| ·仿真试验与结果 | 第57-59页 |
| ·本章小结 | 第59-61页 |
| 第四章 一种新型的智能优化方法-基于细菌群体趋药性的函数优化方法 | 第61-75页 |
| ·引言 | 第61-62页 |
| ·细菌趋药性算法描述 | 第62-65页 |
| ·引诱剂环境下细菌信息交互模式 | 第65-66页 |
| ·细菌群体趋药性(BCC)算法 | 第66-67页 |
| ·细菌群体趋药性算法用于函数优化试验 | 第67-72页 |
| ·本章小结 | 第72-75页 |
| 第五章 基于BCC算法的实时路径诱导问题求解 | 第75-87页 |
| ·引言 | 第75-76页 |
| ·城市交通路网模型 | 第76-79页 |
| ·实时路径诱导模式 | 第79-80页 |
| ·基于细菌群体趋药性优化算法的路径诱导 | 第80-85页 |
| ·最短路径问题数学模型 | 第80-81页 |
| ·用于最短路径问题的细菌群体优化 | 第81-82页 |
| ·细菌群体优化算法描述 | 第82-85页 |
| ·仿真实例研究 | 第85-86页 |
| ·本章小结 | 第86-87页 |
| 第六章 基于多AGENT技术的城域交通控制系统 | 第87-99页 |
| ·引言 | 第87-88页 |
| ·多AGENT技术 | 第88-89页 |
| ·MAS在智能交通领域的应用研究 | 第89-91页 |
| ·MAS在交通信号灯控制中的应用研究 | 第90-91页 |
| ·MAS在交通路径诱导中的应用研究 | 第91页 |
| ·基于多AGENT技术的城域交通控制系统 | 第91-97页 |
| ·系统结构 | 第92-94页 |
| ·动作智能体单元间协调方式 | 第94页 |
| ·智能体模型 | 第94-96页 |
| ·智能体形式化定义 | 第96-97页 |
| ·本章小结 | 第97-99页 |
| 第七章 结论和展望 | 第99-101页 |
| 参考文献 | 第101-115页 |
| 致谢 | 第115-117页 |
| 附录 | 第117页 |