| 摘要 | 第1-8页 |
| Abstract | 第8-13页 |
| 第1章 绪论 | 第13-21页 |
| ·研究课题的背景与意义 | 第13-14页 |
| ·国内外发展历史与现状 | 第14-19页 |
| ·论文主要内容 | 第19-21页 |
| 第2章 列车运行过程优化问题 | 第21-44页 |
| ·列车运行过程优化模型 | 第21-26页 |
| ·列车最优控制策略的存在性 | 第26-27页 |
| ·多目标最优化问题及其解 | 第27-28页 |
| ·多目标最优化问题的解法概述 | 第28-29页 |
| ·用于列车运行过程优化控制的智能方法简介 | 第29-43页 |
| ·模糊神经网络 | 第30-34页 |
| ·遗传算法 | 第34-38页 |
| ·微粒群优化算法 | 第38-43页 |
| ·小节 | 第43-44页 |
| 第3章 微粒群优化(PSO)算法在列车运行过程优化中应用 | 第44-68页 |
| ·微粒群算法优化列车运行过程 | 第44页 |
| ·混合微粒群优化 | 第44-51页 |
| ·二进制微粒群优化算法 | 第45-46页 |
| ·列车运行过程优化混合微粒群算法 | 第46-47页 |
| ·仿真实验结果 | 第47-49页 |
| ·输入控制连续变化 | 第49-51页 |
| ·先验知识对微粒群算法的影响 | 第51-55页 |
| ·基于先验知识的微粒群算法 | 第52-54页 |
| ·仿真实验分析 | 第54-55页 |
| ·偏好信息对PSO算法性能影响 | 第55-62页 |
| ·偏好信息 | 第56-58页 |
| ·溶入偏好信息的微粒群算法 | 第58-59页 |
| ·仿真实验结果 | 第59-62页 |
| ·交互式微粒群算法 | 第62-67页 |
| ·列车运行过程优化交互式微粒群算法 | 第62-65页 |
| ·仿真实验结果 | 第65-67页 |
| ·小结 | 第67-68页 |
| 第4章 多目标微粒群优化(MOPSO)算法及其在列车运行过程优化中应用 | 第68-104页 |
| ·MOPSO算法及其基本问题 | 第68-86页 |
| ·多目标进化算法性能度量指标 | 第72-73页 |
| ·多目标微粒群优化算法性能仿真实验分析 | 第73-86页 |
| ·改善算法收敛性和计算复杂度方法 | 第86-91页 |
| ·MOPSO算法的改进 | 第86-88页 |
| ·仿真实验结果及分析 | 第88-91页 |
| ·偏好信息在MOPSO算法中作用 | 第91-98页 |
| ·融合偏好信息的MOPSO算法 | 第91-94页 |
| ·仿真实验结果分析 | 第94-98页 |
| ·多目标微粒群算法优化列车运行过程 | 第98-103页 |
| ·优化算法 | 第98-100页 |
| ·仿真实验结果及分析 | 第100-103页 |
| ·小结 | 第103-104页 |
| 第5章 列车控制策略的调整 | 第104-114页 |
| ·列车控制策略调整的必要性 | 第104-106页 |
| ·自适应模糊逻辑系统简介 | 第106-108页 |
| ·列车运行过程自适应模糊控制 | 第108-110页 |
| ·仿真实验结果及分析 | 第110-113页 |
| ·小结 | 第113-114页 |
| 第6章 计算机辅助多目标优化系统及其在列车运行过程优化中应用 | 第114-127页 |
| ·计算机辅助多目标优化系统 | 第114-122页 |
| ·优化问题输入 | 第115-118页 |
| ·算法选择 | 第118页 |
| ·优化结果保存和重现 | 第118-119页 |
| ·算法评估 | 第119-120页 |
| ·图形处理 | 第120-122页 |
| ·CAMOOS在列车运行过程优化中应用 | 第122-126页 |
| ·列车运行过程优化交互式算法 | 第122-125页 |
| ·列车运行过程优化多目标微粒群算法 | 第125-126页 |
| ·小结 | 第126-127页 |
| 结论及展望 | 第127-129页 |
| 致谢 | 第129-130页 |
| 参考文献 | 第130-141页 |
| 攻读博士学位期间发表的论文及科研成果 | 第141页 |
