| 摘要 | 第6-7页 |
| ABSTRACT | 第7页 |
| 第1章 绪论 | 第13-23页 |
| 1.1 群智能算法简介 | 第13-19页 |
| 1.1.1 蚁群算法(Ant Colony Optimization, ACO) | 第13-14页 |
| 1.1.2 遗传算法(Genetic Algorithm, GA) | 第14-15页 |
| 1.1.3 人工鱼群算法(Artificial Fish School, AFS) | 第15-16页 |
| 1.1.4 粒子群算法(Particle Swarm Optimization, PSO) | 第16-17页 |
| 1.1.5 细菌觅食算法(Bacteria Foraging Optimization, BFO) | 第17-18页 |
| 1.1.6 五种算法的比较 | 第18-19页 |
| 1.2 国内外研究现状 | 第19-22页 |
| 1.2.1 区域搜索调度问题的研究现状 | 第19-20页 |
| 1.2.2 细菌觅食优化算法的研究现状 | 第20-22页 |
| 1.3 本文主要内容及介绍流程 | 第22-23页 |
| 第2章 标准细菌觅食算法 | 第23-30页 |
| 2.1 细菌觅食算法的产生 | 第23页 |
| 2.2 标准细菌觅食算法 | 第23-26页 |
| 2.2.1 细菌觅食算法（BFO）的生物学基础 | 第24页 |
| 2.2.2 细菌觅食算法的基本原理 | 第24-26页 |
| 2.3 细菌觅食算法流程 | 第26-27页 |
| 2.4 参数选择 | 第27-29页 |
| 2.5 本章总结 | 第29-30页 |
| 第3章 基于正交试验的细菌觅食算法的全局最优化 | 第30-37页 |
| 3.1 细菌觅食算法参数改进 | 第30页 |
| 3.2 正交试验 | 第30-32页 |
| 3.2.1 正交试验原理介绍 | 第30-31页 |
| 3.2.2 正交试验设计及分析 | 第31-32页 |
| 3.3 基于正交试验的细菌觅食算法 | 第32-33页 |
| 3.4 全局最优化简介 | 第33页 |
| 3.5 全局最优化的应用 | 第33-36页 |
| 3.6 本章小结 | 第36-37页 |
| 第4章 区域性公交调度问题分析与建模 | 第37-46页 |
| 4.1 公交调度问题分析 | 第38-41页 |
| 4.1.1 公交调度种类 | 第38-39页 |
| 4.1.2 公交调度存在的问题 | 第39-41页 |
| 4.2 公交调度数学建模 | 第41-44页 |
| 4.2.1 问题提出 | 第41页 |
| 4.2.2 问题描述 | 第41-42页 |
| 4.2.3 数学模型 | 第42页 |
| 4.2.4 算法设计及步骤 | 第42-44页 |
| 4.3 本章小结 | 第44-46页 |
| 第5章 基于改进BFO在区域性公交调度问题的应用 | 第46-53页 |
| 5.1.开发工具与运行环境 | 第46页 |
| 5.2.实验数据分析 | 第46-48页 |
| 5.3.算法参数设置 | 第48-49页 |
| 5.4.仿真结果与分析 | 第49-52页 |
| 5.5 本章小结 | 第52-53页 |
| 结论 | 第53-55页 |
| 参考文献 | 第55-59页 |
| 攻读学位期间发表的论文 | 第59-60页 |
| 致谢 | 第60页 |
