城市道路网中蚁群最短路径算法研究
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 1 绪论 | 第8-14页 |
| ·城市交通中的典型问题和应对措施 | 第8-9页 |
| ·研究现状和意义 | 第9-12页 |
| ·论文主要研究内容 | 第12-14页 |
| 2 最短路径问题分析 | 第14-18页 |
| ·最短路径问题的分类和特点 | 第14页 |
| ·最短路径的搜索策略 | 第14-15页 |
| ·深度优先搜索 | 第14-15页 |
| ·广度优先搜索 | 第15页 |
| ·启发式搜索 | 第15页 |
| ·Dijkstra算法 | 第15-17页 |
| ·本章小结 | 第17-18页 |
| 3 城市道路网拓扑结构的构建 | 第18-32页 |
| ·地理信息系统 | 第18-19页 |
| ·GIS开发方法 | 第19-20页 |
| ·网络拓扑构建前的准备 | 第20-21页 |
| ·MapX简介 | 第20页 |
| ·MapInfo简介 | 第20页 |
| ·VC++使用MapX组件之前的工作 | 第20-21页 |
| ·道路拓扑的构建 | 第21-31页 |
| ·空间关系基本概念 | 第21-23页 |
| ·基于MapX的道路拓扑构建 | 第23-28页 |
| ·道路拓扑构建结果 | 第28-31页 |
| ·本章小结 | 第31-32页 |
| 4 蚁群算法的研究及实现 | 第32-46页 |
| ·群智能算法概述 | 第32页 |
| ·蚁群算法的生物学描述 | 第32-34页 |
| ·基本蚁群算法模型 | 第34-38页 |
| ·TSP问题描述 | 第34页 |
| ·蚁群算法描述 | 第34-35页 |
| ·蚁群算法求解TSP问题 | 第35-36页 |
| ·最短路径问题与TSP问题的差异 | 第36-37页 |
| ·蚁群算法求解最短路径问题 | 第37页 |
| ·蚁群算法在最短路径问题中的收敛性分析 | 第37-38页 |
| ·蚁群算法参数分析 | 第38-44页 |
| ·基本参数分析 | 第38-39页 |
| ·实验参数的确定 | 第39-44页 |
| ·本章小结 | 第44-46页 |
| 5 蚁群算法的改进 | 第46-64页 |
| ·几种改进蚁群算法介绍 | 第46-47页 |
| ·带精英策略的蚂蚁系统 | 第46页 |
| ·最大-最小蚂蚁系统 | 第46页 |
| ·最优-最差蚂蚁系统 | 第46-47页 |
| ·蚁群算法的进一步改进方案 | 第47-49页 |
| ·关于可见度因子η_(ij)的改进 | 第47页 |
| ·对于蚁群算法选择概率的改进 | 第47-48页 |
| ·关于信息素浓度的更新 | 第48-49页 |
| ·基于"灯光素"的蚁群算法 | 第49-55页 |
| ·问题分析 | 第49-52页 |
| ·灯光素的初始化和更新方式 | 第52页 |
| ·信息素浓度启发因子的改进 | 第52-53页 |
| ·基于灯光素的蚁群算法实现 | 第53-55页 |
| ·改进蚁群算法的实验 | 第55-63页 |
| ·参数设置 | 第55-56页 |
| ·不同算法之间比较 | 第56-63页 |
| ·本章小结 | 第63-64页 |
| 6 关于交通拥塞问题的蚁群优化算法研究 | 第64-72页 |
| ·基本问题分析 | 第64-65页 |
| ·基于交通拥塞的蚁群算法 | 第65-68页 |
| ·多路径交通分配问题 | 第65-66页 |
| ·道路信息素适应性改进 | 第66-67页 |
| ·距离启发信息适应性改进 | 第67页 |
| ·AS-BTJ算法描述 | 第67-68页 |
| ·AS-BTJ算法实验 | 第68-71页 |
| ·AS-BTJ算法总结 | 第71页 |
| ·本章小结 | 第71-72页 |
| 7 总结与展望 | 第72-74页 |
| ·总结 | 第72页 |
| ·展望 | 第72-74页 |
| 致谢 | 第74-76页 |
| 参考文献 | 第76-79页 |
