| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 引言 | 第9-10页 |
| 1 绪论 | 第10-17页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状及应用 | 第11-15页 |
| 1.2.1 蚁群算法研究现状 | 第11-12页 |
| 1.2.2 路径优化研究现状 | 第12-13页 |
| 1.2.3 过饱和状态研究现状 | 第13页 |
| 1.2.4 国内外蚁群算法的应用 | 第13-15页 |
| 1.3 研究内容与方法 | 第15-16页 |
| 1.4 本章小结 | 第16-17页 |
| 2 蚁群优化算法及其改进 | 第17-25页 |
| 2.1 群体智能算法 | 第17-18页 |
| 2.2 蚁群算法基本理论 | 第18-19页 |
| 2.3 蚁群算法中的转移概率与信息素更新机制 | 第19-22页 |
| 2.3.1 转移概率 | 第20页 |
| 2.3.2 信息素更新机制 | 第20-22页 |
| 2.4 蚁群算法原理 | 第22-23页 |
| 2.5 蚁群算法的改进思路 | 第23-24页 |
| 2.6 本章小结 | 第24-25页 |
| 3 过饱和交叉口群与综合延误模型 | 第25-31页 |
| 3.1 过饱和交叉口群的概念及路网基础模型 | 第25-27页 |
| 3.1.1 饱和度概念及确定 | 第25页 |
| 3.1.2 过饱和交叉口群概念 | 第25-26页 |
| 3.1.3 过饱和交叉口群路网基础模型 | 第26-27页 |
| 3.2 路段时间计算标准与交叉口综合延误模型 | 第27-29页 |
| 3.2.1 路段时间计算标准 | 第27-28页 |
| 3.2.2 交叉口综合延误模型 | 第28-29页 |
| 3.3 数据采集工具与编程软件 | 第29-30页 |
| 3.3.1 数据采集工具 | 第29-30页 |
| 3.3.2 编程软件 | 第30页 |
| 3.4 本章小结 | 第30-31页 |
| 4 基于蚁群算法的过饱和交叉口群路径优化选择 | 第31-58页 |
| 4.1 蚁群算法主要参数与参数设置的合理性分析 | 第31-34页 |
| 4.1.1 蚁群算法的主要参数 | 第31-33页 |
| 4.1.2 主要参数设置的合理性分析 | 第33-34页 |
| 4.2 实验数据来源及数据处理 | 第34-42页 |
| 4.3 交叉口与路段行驶时间表示 | 第42-44页 |
| 4.4 过饱和交叉口群最优路径确定的实验过程与效果分析 | 第44-54页 |
| 4.4.1 实验程序设计 | 第44-45页 |
| 4.4.2 测试数据1的实验过程与效果分析 | 第45-50页 |
| 4.4.3 测试数据2的实验过程与效果分析 | 第50-54页 |
| 4.5 蚁群算法的可扩展性 | 第54-57页 |
| 4.6 本章小结 | 第57-58页 |
| 5 结论与展望 | 第58-60页 |
| 5.1 本文的内容总结 | 第58页 |
| 5.2 未来研究展望 | 第58-60页 |
| 参考文献 | 第60-63页 |
| 在学研究成果 | 第63-64页 |
| 致谢 | 第64页 |