城市道路最优路径算法研究
| 摘要 | 第2-3页 |
| Abstract | 第3页 |
| 第一章 引言 | 第5-12页 |
| 1.1 课题来源 | 第5页 |
| 1.2 研究意义 | 第5-6页 |
| 1.3 研究背景和国内外现状 | 第6-10页 |
| 1.4 课题的研究内容与组织结构 | 第10-12页 |
| 第二章 道路网几种存储结构的比较 | 第12-17页 |
| 2.1 道路网的表示和术语 | 第12-13页 |
| 2.2 道路网的几种存储结构的比较 | 第13-15页 |
| 2.2.1 几种路网存储结构的介绍 | 第13-15页 |
| 2.2.2 性能的比较 | 第15页 |
| 2.3 路网要表示的信息 | 第15-17页 |
| 第三章 最短路径求解中用到的相关技术 | 第17-25页 |
| 3.1 美国和欧洲的全球定位技术 | 第17-19页 |
| 3.2 地理信息技术 | 第19-20页 |
| 3.3 交通流诱导技术 | 第20-25页 |
| 3.3.1 交通流诱导系统的结构 | 第21-22页 |
| 3.3.2 交通流诱导系统的交通信息采集方式研究 | 第22-25页 |
| 第四章 几种常见最短路径算法比较 | 第25-37页 |
| 4.1 Dijkstra算法优缺点 | 第25-31页 |
| 4.2 Floyd算法优缺点 | 第31-33页 |
| 4.3 对Dijkstra进行改进的A*算法 | 第33-37页 |
| 第五章 蚂蚁群算法在求解最优路径中的应用 | 第37-49页 |
| 5.1 蚁群算法 | 第37-39页 |
| 5.1.1 蚁群算法介绍 | 第37页 |
| 5.1.2 蚁群算法原理 | 第37-39页 |
| 5.2 蚁群算法在最优路径选择中的应用 | 第39-43页 |
| 5.2.1 蚁群算法解决旅行商问题 | 第39-41页 |
| 5.2.2 蚁群算法求最优路径的实现 | 第41-43页 |
| 5.3 对蚁群算法的改进 | 第43-44页 |
| 5.3.1 蚁群算法的不足 | 第43页 |
| 5.3.2 对蚁群算法的改进 | 第43-44页 |
| 5.4 改进的蚁群算法与其他算法的比较 | 第44-49页 |
| 5.4.1 蚁群算法参数的设置 | 第44-45页 |
| 5.4.2 改进的蚁群算法与其它算法性能的比较 | 第45-49页 |
| 第六章 总结与展望 | 第49-50页 |
| 参考文献 | 第50-52页 |
| 攻读学位期间的研究成果 | 第52-53页 |
| 致谢 | 第53-54页 |
