| 摘要 | 第1-8页 |
| Abstract | 第8-10页 |
| 1 绪论 | 第10-16页 |
| ·研究背景 | 第10页 |
| ·城市交通信号控制概述 | 第10-11页 |
| ·城市智能交通控制国内外发展现状 | 第11-14页 |
| ·模糊逻辑(Fuzzy Logic) | 第11页 |
| ·人工神经网络(Artificial Neural Networks) | 第11-12页 |
| ·遗传算法(Genetic Algorithm) | 第12页 |
| ·蚁群算法(Ant Colony Optimization) | 第12-13页 |
| ·粒子群算法(Particle Swarm Optimization) | 第13页 |
| ·多智能体技术(Multi-agent) | 第13-14页 |
| ·城市交通信号控制发展方向 | 第14页 |
| ·论文的组织结构 | 第14-15页 |
| ·论文的创新之处 | 第15-16页 |
| 2 多智能体技术介绍 | 第16-22页 |
| ·智能体（Agent） | 第16-18页 |
| ·Agent 的特点 | 第16-17页 |
| ·Agent 的结构 | 第17-18页 |
| ·Agent 的分类 | 第18页 |
| ·多智能体系统 | 第18-20页 |
| ·多智能体系统在交通控制领域的优越性 | 第20-22页 |
| 3 基于遗传算法的单路口Agent 优化控制 | 第22-38页 |
| ·遗传算法 | 第22-24页 |
| ·效益评价指标 | 第24-26页 |
| ·单路口Agent 模型 | 第26-27页 |
| ·基于遗传算法的单路口Agent 优化控制 | 第27-38页 |
| ·约束优化问题数学描述 | 第27-28页 |
| ·惩罚函数法 | 第28-29页 |
| ·遗传算法优化步骤 | 第29-32页 |
| ·基于遗传算法的单路口Agent 优化模型的实例 | 第32-38页 |
| 4 城市交通协调控制方式研究 | 第38-42页 |
| ·城市交通协调控制方式的类型 | 第38-39页 |
| ·基于多智能体的分布式协调控制系统 | 第39-42页 |
| 5 多路口协调 | 第42-47页 |
| ·基于黑板模型的协调控制 | 第42-43页 |
| ·博弈论 | 第43-44页 |
| ·基于博弈论的协调控制 | 第44-47页 |
| ·基本符号和概念定义 | 第44页 |
| ·基于博弈论的协调模型 | 第44-45页 |
| ·协调算法 | 第45-47页 |
| 6 三路口博弈协调控制的实现 | 第47-54页 |
| ·评价指标 | 第47-48页 |
| ·方案选择 | 第48页 |
| ·现有定时控制方案 | 第48页 |
| ·基于遗传算法的多智能体博弈协调控制 | 第48页 |
| ·交通调查数据 | 第48-50页 |
| ·2 种协调控制方式分析比较 | 第50页 |
| ·算法实例 | 第50-52页 |
| ·结果与分析 | 第52-54页 |
| 7 结论与展望 | 第54-56页 |
| ·总结 | 第54页 |
| ·展望 | 第54-56页 |
| 参考文献 | 第56-59页 |
| 致谢 | 第59页 |
