| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第11-15页 |
| 1.1 研究背景与研究意义 | 第11-12页 |
| 1.2 国内外的研究现状 | 第12-13页 |
| 1.3 本文的研究内容 | 第13-14页 |
| 1.4 本文的组织结构 | 第14-15页 |
| 2 动态路网求解最佳路径问题概述 | 第15-23页 |
| 2.1 动态路网的表达方式 | 第15-17页 |
| 2.1.1 路网表达方式的要求 | 第16页 |
| 2.1.2 表达路网的基本要素 | 第16-17页 |
| 2.2 动态路网求解最佳路径问题的研究因素 | 第17-18页 |
| 2.2.1 交通路网的静态因素 | 第17页 |
| 2.2.2 交通路网的动态因素 | 第17-18页 |
| 2.3 动态路网最佳路径问题的分类 | 第18-21页 |
| 2.3.1 出行者把出行距离最短作为最优目标 | 第19页 |
| 2.3.2 出行者把出行时间最短作为最优目标 | 第19-20页 |
| 2.3.3 出行者把费用最少且出行时间最短作为最优目标 | 第20页 |
| 2.3.4 出行者把旅游景点数量最多作为最优目标 | 第20-21页 |
| 2.4 本章小结 | 第21-23页 |
| 3 路径优化问题的算法分析 | 第23-43页 |
| 3.1 Dijkstra算法 | 第23-24页 |
| 3.2 启发式搜索算法一一A*算法 | 第24-26页 |
| 3.3 蚁群算法 | 第26-35页 |
| 3.3.1 蚁群算法的研究状况及改进 | 第28-32页 |
| 3.3.2 蚁群算法的参数分析 | 第32-33页 |
| 3.3.3 蚁群算法的改进 | 第33-35页 |
| 3.4 粒子群算法 | 第35-38页 |
| 3.4.1 标准粒子群 | 第35-37页 |
| 3.4.2 离散粒子群 | 第37-38页 |
| 3.5 四种算法比较 | 第38页 |
| 3.6 蚁群算法与粒子群算法比较 | 第38-41页 |
| 3.7 本章小结 | 第41-43页 |
| 4 混合蚁群粒子群算法 | 第43-49页 |
| 4.1 混合蚁群粒子群算法的原理 | 第43页 |
| 4.2 混合蚁群粒子群算法的步骤及流程图 | 第43-45页 |
| 4.3 仿真结果与分析 | 第45-48页 |
| 4.4 本章小节 | 第48-49页 |
| 5 基于多因素分析动态路网的最佳路径 | 第49-59页 |
| 5.1 动态路网最佳路径问题与TSP问题的区别 | 第49页 |
| 5.2 AC-PSO算法的调整 | 第49-52页 |
| 5.3 基于AC-PSO算法分析多因素动态路网的最佳路径 | 第52-58页 |
| 5.3.1 仿真实验设置 | 第53-54页 |
| 5.3.2 仿真实验模型假设 | 第54-55页 |
| 5.3.3 仿真实验结果分析 | 第55-58页 |
| 5.4 本章小节 | 第58-59页 |
| 6 总结与展望 | 第59-61页 |
| 6.1 总结 | 第59页 |
| 6.2 展望 | 第59-61页 |
| 致谢 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 附录A 本文采用的道路拥堵等级数据表 | 第67-69页 |
| 附录B 本文部分主要代码 | 第69-73页 |
| 攻读硕士期间取得的研究成果 | 第73页 |