公共自行车调度优化问题研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 公共自行车静态调度研究现状 | 第11-12页 |
| 1.2.2 公共自行车动态调度研究现状 | 第12-13页 |
| 1.3 研究内容与技术路线 | 第13-15页 |
| 第二章 公共自行车调度问题分析与相关理论 | 第15-23页 |
| 2.1 公共自行车调度特性分析 | 第15-16页 |
| 2.1.1 公共自行车调度特点 | 第15页 |
| 2.1.2 公共自行车调度影响因素 | 第15-16页 |
| 2.2 公共自行车调度的背景问题 | 第16-18页 |
| 2.3 公共自行车调度算法的理论基础 | 第18-22页 |
| 2.3.1 K-means算法 | 第18-19页 |
| 2.3.2 蚁群算法 | 第19-20页 |
| 2.3.3 智能水滴算法 | 第20页 |
| 2.3.4 变邻域搜索算法 | 第20-21页 |
| 2.3.5 蛙跳算法 | 第21-22页 |
| 2.3.6 模拟退火算法 | 第22页 |
| 2.4 本章小结 | 第22-23页 |
| 第三章 公共自行车静态调度优化问题研究 | 第23-44页 |
| 3.1 问题描述 | 第23-24页 |
| 3.2 公共自行车静态调度优化模型 | 第24-26页 |
| 3.2.1 模型假设 | 第24页 |
| 3.2.2 模型构建 | 第24-26页 |
| 3.3 求解模型的自适应混合蚁群算法 | 第26-37页 |
| 3.3.1 子区域的划分 | 第26-27页 |
| 3.3.2 调度方案的构造 | 第27-28页 |
| 3.3.3 信息素的更新 | 第28页 |
| 3.3.4 信息素的调整 | 第28-31页 |
| 3.3.5 自适应混合蚁群算法的步骤 | 第31-32页 |
| 3.3.6 算法的复杂度分析 | 第32页 |
| 3.3.7 实验以及结果分析 | 第32-37页 |
| 3.4 求解模型的混合智能水滴算法 | 第37-42页 |
| 3.4.1 调度方案的构造 | 第37-38页 |
| 3.4.2 解的优化 | 第38-39页 |
| 3.4.3 路径泥土量的更新 | 第39页 |
| 3.4.4 混合智能水滴算法的步骤 | 第39页 |
| 3.4.5 算法的复杂度分析 | 第39-40页 |
| 3.4.6 实验以及结果分析 | 第40-42页 |
| 3.5 两种静态调度算法的对比分析 | 第42-43页 |
| 3.6 本章小结 | 第43-44页 |
| 第四章 公共自行车动态调度优化研究 | 第44-63页 |
| 4.1 问题描述及动态策略 | 第44-47页 |
| 4.1.1 问题描述 | 第44-45页 |
| 4.1.2 动态调度策略 | 第45-47页 |
| 4.2 公共自行车动态调度优化模型 | 第47-49页 |
| 4.2.1 初始阶段优化模型 | 第47-48页 |
| 4.2.2 重优化阶段优化模型 | 第48-49页 |
| 4.3 求解模型的变邻域蚁群算法 | 第49-56页 |
| 4.3.1 调度方案的构造 | 第49-51页 |
| 4.3.2 信息素的更新 | 第51-52页 |
| 4.3.3 黑蚂蚁机制的融合 | 第52-53页 |
| 4.3.4 信息素的调整 | 第53-55页 |
| 4.3.5 变邻域蚁群算法的步骤 | 第55-56页 |
| 4.4 算法复杂度分析 | 第56页 |
| 4.5 实验及结果分析 | 第56-62页 |
| 4.5.1 实验设计 | 第56页 |
| 4.5.2 实验结果分析 | 第56-62页 |
| 4.6 本章小结 | 第62-63页 |
| 第五章 总结与展望 | 第63-65页 |
| 5.1 本文工作总结 | 第63-64页 |
| 5.2 未来展望 | 第64-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-71页 |
| 附录 | 第71-72页 |
| 详细摘要 | 第72-74页 |
