| <中文摘要> | 第1页 |
| <关键词> | 第3-4页 |
| <英文摘要> | 第4-5页 |
| <英文关键词> | 第5-8页 |
| 第一章 绪论 | 第8-20页 |
| 1．1 本文的研究背景及目的 | 第8-10页 |
| 1．2 铁路行车指挥技术的研究现状 | 第10-14页 |
| 1．3 本文的主要研究内容及各章的安排 | 第14-16页 |
| <引文> | 第16-20页 |
| 第一篇面向对象遗传算法的研究 | 第20-22页 |
| 第二章 遗传算法的理论研究现状 | 第22-31页 |
| 2．1遗传算法的发展历史与研究现状 | 第22-25页 |
| 2．2简单遗传算法介绍 | 第25-28页 |
| 2．3 遗传算法的特点 | 第28-29页 |
| 2．4 遗传算法的基本定理 | 第29-31页 |
| 第三章面向对象遗传算法的研究 | 第31-43页 |
| 3．1前言 | 第31-33页 |
| 3．2面向对象遗传算法（OOGA）中的编码策略 | 第33-35页 |
| 3．3面向对象遗传算法中的遗传策略 | 第35-37页 |
| 3．4面向对象遗传算法中的约束的处理 | 第37-39页 |
| 3．5面向对象遗传算法的总体结构及其特点 | 第39-41页 |
| 3．6面向对象遗传算法的实现 | 第41-43页 |
| 第一篇结束语 | 第43-46页 |
| <引文> | 第44-46页 |
| 第二篇智能行车指挥技术研究 | 第46-48页 |
| 第四章列车运行调整问题的模型研究 | 第48-62页 |
| 4．1列车运行调整问题 | 第48-51页 |
| 4．2列车运行图的形式化描述 | 第51-53页 |
| 4．3列车运行调整问题的形式化描述 | 第53-56页 |
| 4．4复线铁路列车运行调整问题的模型 | 第56-59页 |
| 4．5模型求解的复杂性分析及本文提出的求解方法 | 第59-62页 |
| 第五章智能化列车运行调整技术的研究 | 第62-72页 |
| 5．1列车群运行调整的结构和方式 | 第62-65页 |
| 5．2基于OOGA的列车运行调整方法的总体框架 | 第65-66页 |
| 5．3解决列车运行调整问题的OOGA优化策略的设计 | 第66-68页 |
| 5．4 基于专家系统的约束处理方法 | 第68-70页 |
| 5．5 适应度函数的设计 | 第70-71页 |
| 5．6控制参数的选取及终止条件的处理 | 第71-72页 |
| 第二篇结束语 | 第72-75页 |
| <引文> | 第73-75页 |
| 第三篇智能化列车运行仿真的研究 | 第75-77页 |
| 第六章 智能化列车运行仿真技术的研究 | 第77-89页 |
| 6．1 引言 | 第77-81页 |
| 6．2智能行车指挥仿真系统的构成 | 第81-83页 |
| 6．3面向对象的建模方法 | 第83-88页 |
| 6．4 基于规则的知识推理策略 | 第88-89页 |
| 第七章广深线列车运行的智能仿真研究 | 第89-101页 |
| 7．1 广深线简介 | 第89-91页 |
| 7．2 广深线智能仿真的总体框架 | 第91-93页 |
| 7．3 广深线智能仿真中的建模研究 | 第93-98页 |
| 7．4 广深线智能仿真中的规则定义 | 第98-101页 |
| 第八章广深线智能行车指挥仿真的结果 | 第101-109页 |
| 8．1 列车群运行仿真的输出及主显示界面的设计 | 第101-103页 |
| 8．2基于OOGA的智能优化结果分析 | 第103-109页 |
| 第九章结论与展望 | 第109-111页 |
| 第三篇结束语 | 第111-115页 |
| <引文> | 第112-115页 |
| 致谢 | 第115页 |