摘要 | 第1-5页 |
ABSTRACT | 第5-8页 |
第一章 绪论 | 第8-15页 |
§1-1 面向区域公交调度的研究背景 | 第8-10页 |
1-1-1 智能交通系统 | 第8页 |
1-1-2 公交区域调度理论的研究 | 第8-9页 |
1-1-3 先进搜索技术 | 第9-10页 |
§1-2 面向区域公交调度的研究意义 | 第10-13页 |
1-2-1 各城市公交运营现状与问题 | 第10-11页 |
1-2-2 区域运营模式的基本概念 | 第11-13页 |
1-2-3 区域化的效益分析 | 第13页 |
§1-3 论文主要工作 | 第13-15页 |
第二章 遗传算法的原理特点 | 第15-25页 |
§2-1 遗传算法数学基础 | 第15-16页 |
§2-2 遗传算法的发展 | 第16页 |
§2-3 遗传算法的收敛性理论 | 第16页 |
§2-4 遗传算法原理 | 第16-22页 |
2-4-1 编码 | 第17-18页 |
2-4-2 适应度函数 | 第18-19页 |
2-4-3 初始群体的选取 | 第19页 |
2-4-4 遗传操作 | 第19-22页 |
2-4-5 终止条件 | 第22页 |
§2-5 遗传算法参数的设置 | 第22-23页 |
2-5-1 遗传算法参数的选择 | 第22-23页 |
2-5-2 遗传算法参数的改进 | 第23页 |
§2-6 遗传算法的流程描述 | 第23-24页 |
§2-7 遗传算法求解算法的特点分析 | 第24-25页 |
第三章 基于遗传算法的面向区域公交调度优化研究 | 第25-40页 |
§3-1 面向区域模式公交调度制定行车计划的模型建立 | 第25-30页 |
3-1-1 面向区域模式公交调度制定行车计划的问题分析 | 第25-28页 |
3-1-2 面向区域模式公交调度制定行车计划的数学模型 | 第28-30页 |
§3-2 面向区域模式公交调度制定行车计划的遗传算法设计 | 第30-40页 |
3-2-1 编码 | 第30页 |
3-2-2 初始群体的选择 | 第30-31页 |
3-2-3 适应度函数构造 | 第31-32页 |
3-2-4 约束条件的处理方法 | 第32页 |
3-2-5 选择方法 | 第32页 |
3-2-6 交叉策略 | 第32-33页 |
3-2-7 变异策略 | 第33页 |
3-2-8 终止条件 | 第33-34页 |
3-2-9 整个模型实现步骤 | 第34页 |
3-2-10 试验结果分析 | 第34-40页 |
第四章 基于遗传算法的面向区域公交调度的实现与分析 | 第40-46页 |
§4-1 算法研究的系统实现 | 第40页 |
§4-2 系统的总体设计 | 第40-42页 |
§4-3 系统运行实例 | 第42-46页 |
第五章 总结与展望 | 第46-47页 |
参考文献 | 第47-49页 |
致谢 | 第49页 |