首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文

改进的遗传—模拟退火算法在公交排班中的应用

摘要第1-8页
ABSTRACT第8-9页
插图索引第9-10页
附表索引第10-11页
第1章 绪论第11-19页
   ·研究背景和意义第12-13页
   ·国内外研究现状第13-16页
     ·国外研究现状第13-14页
     ·国内研究现状第14-16页
   ·研究目标及主要内容第16-17页
     ·研究目标第16-17页
     ·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 遗传算法和模拟退火算法第19-25页
   ·遗传算法概述第19页
   ·遗传算法基本思想第19页
   ·遗传算法基本步骤第19-20页
   ·遗传算法相关术语第20-21页
   ·遗传算法的优缺点第21-22页
   ·遗传算法的应用第22页
   ·模拟退火算法概述第22-23页
   ·模拟退火算法的基本思想第23页
   ·模拟退火算法的特点第23页
   ·模拟退火算法的基本步骤第23-24页
   ·模拟退火算法的优缺点第24页
   ·本章小结第24-25页
第3章 改进的遗传-模拟退火算法第25-35页
   ·遗传-模拟退火算法的简述第25页
   ·遗传-模拟退火算法构成要素第25-32页
     ·遗传-模拟退火算法的应用步骤第25-26页
     ·编码表示第26页
     ·适应度函数第26-29页
     ·遗传-模拟退火算子第29-32页
     ·模拟退火函数第32页
   ·改进的遗传-模拟退火算法第32-34页
     ·改进的遗传-模拟退火算法参数设置第32-33页
     ·改进的遗传-模拟退火算法终止条件第33-34页
   ·本章小结第34-35页
第4章 公交排班问题模型设计第35-40页
   ·模型的假设第36页
   ·问题的描述第36-37页
   ·建立数学模型第37-39页
     ·建立目标函数第37-38页
     ·模型的约束条件第38-39页
     ·发车时刻模型第39页
   ·本章小结第39-40页
第5章 应用改进的遗传-模拟算法求解公交排班问题第40-50页
   ·改进的遗传-模拟退火算法结构第40页
   ·改进的遗传-模拟退火算法设计第40-44页
     ·编码第40-41页
     ·约束条件的处理第41-42页
     ·适应度函数第42页
     ·初始化种群第42-43页
     ·改进的遗传-模拟退火算子的设计第43-44页
   ·应用改进的遗传-模拟退火算法解决公交排班的仿真实验第44-49页
     ·参数设置第44-47页
     ·仿真实验第47-49页
   ·本章小结第49-50页
总结与展望第50-51页
参考文献第51-54页
致谢第54-55页
附录A 攻读学位期间所发表的学术论文第55页

论文共55页,点击 下载论文
上一篇:多模型融合软测量方法研究与应用
下一篇:基于ARM与GPRS的污水在线监测系统研究