改进量子蚁群算法的动态最优路径诱导研究
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 交通诱导系统的研究现状 | 第11-12页 |
| 1.2.2 交通路网模型与诱导算法研究现状 | 第12-14页 |
| 1.3 论文研究的主要内容 | 第14-16页 |
| 第2章 图论基础及路径诱导算法 | 第16-27页 |
| 2.1 图论基础理论 | 第16-18页 |
| 2.1.1 图的概念与表示 | 第16-18页 |
| 2.1.2 图的存储 | 第18页 |
| 2.2 动态交通分配理论 | 第18-22页 |
| 2.2.1 动态交通流分配模型 | 第19-20页 |
| 2.2.2 DTA中的约束条件 | 第20-22页 |
| 2.3 交通路径诱导算法 | 第22-26页 |
| 2.3.1 Dijkstra算法 | 第22-23页 |
| 2.3.2 A*算法 | 第23-24页 |
| 2.3.3 遗传算法 | 第24-25页 |
| 2.3.4 蚁群算法 | 第25-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第3章 动态路网模型与动态最优路径诱导模型研究 | 第27-42页 |
| 3.1 静态路网模型及静态最短路径模型 | 第27-29页 |
| 3.2 动态路网模型 | 第29-32页 |
| 3.2.1 动态路网模型构建 | 第30-31页 |
| 3.2.2 动态路网模型下的交通流分配约束 | 第31-32页 |
| 3.3 动态路网信息 | 第32-39页 |
| 3.3.1 交叉口动态信息描述 | 第32-35页 |
| 3.3.2 路段动态信息描述 | 第35-36页 |
| 3.3.3 交通拥堵评价指标 | 第36-37页 |
| 3.3.4 交通能耗计算方法 | 第37-38页 |
| 3.3.5 交通事件描述 | 第38-39页 |
| 3.4 动态最优路径诱导模型 | 第39-40页 |
| 3.5 本章小结 | 第40-42页 |
| 第4章 改进量子蚁群算法的寻优问题 | 第42-57页 |
| 4.1 量子计算原理 | 第42-45页 |
| 4.1.1 量子态与量子比特 | 第42-43页 |
| 4.1.2 量子位的编码方式与量子门 | 第43-45页 |
| 4.1.3 量子计算优点 | 第45页 |
| 4.2 量子蚁群优化算法(QACA) | 第45-47页 |
| 4.3 改进的量子蚁群算法(IQACA) | 第47-51页 |
| 4.3.1 蚂蚁量子比特编码的改进 | 第48-49页 |
| 4.3.2 Hadamard门变异机制 | 第49-50页 |
| 4.3.3 IQACA算法步骤及流程图 | 第50-51页 |
| 4.4 应用IQACA算法的寻优对比分析 | 第51-56页 |
| 4.4.1 典型实验函数选取 | 第52页 |
| 4.4.2 仿真及结果分析 | 第52-56页 |
| 4.5 本章小结 | 第56-57页 |
| 第5章 应用IQACA算法的动态路网路径诱导研究 | 第57-71页 |
| 5.1 仿真环境及实验路网 | 第57-58页 |
| 5.2 动态路网模型设计 | 第58-62页 |
| 5.2.1 路网信息提取 | 第58-60页 |
| 5.2.2 动态路网模型 | 第60-62页 |
| 5.3 基于IQACA算法的动态最优路径诱导 | 第62-70页 |
| 5.3.1 基于IQACA算法的动态路径诱导方法 | 第62-63页 |
| 5.3.2 基于IQACA算法的距离最优路径分析 | 第63-65页 |
| 5.3.3 基于IQACA算法的时间最优路径分析 | 第65-68页 |
| 5.3.4 基于IQACA算法的能耗最优路径分析 | 第68-70页 |
| 5.4 本章小结 | 第70-71页 |
| 结论 | 第71-73页 |
| 参考文献 | 第73-79页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第79-80页 |
| 致谢 | 第80页 |
