改进的PSO算法在高速列车运行调整模型中的应用
| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4-5页 |
| 1 绪论 | 第8-12页 |
| 1.1 列车运行调整问题的提出 | 第8-9页 |
| 1.2 列车运行调整的发展史 | 第9-11页 |
| 1.3 本文所做的主要工作 | 第11-12页 |
| 2 高速列车运行调整的概述 | 第12-18页 |
| 2.1 我国高速铁路运行调整的特点 | 第12-13页 |
| 2.1.1 列车运行的不确定性 | 第12页 |
| 2.1.2 列车运行调整的连续性和实时性的要求高 | 第12-13页 |
| 2.1.3 列车运行调整的影响范围大 | 第13页 |
| 2.2 高速铁路列车运行图 | 第13-14页 |
| 2.3 高速铁路列车运行调整过程的分析 | 第14-16页 |
| 2.4 晚点列车运行调整优化模型 | 第16-18页 |
| 3 算法的介绍 | 第18-33页 |
| 3.1 微粒群算法 | 第18-24页 |
| 3.1.1 微粒群算法的产生与发展 | 第18-19页 |
| 3.1.2 微粒群算法的基本思想 | 第19-20页 |
| 3.1.3 微粒群算法流程 | 第20-21页 |
| 3.1.4 微粒群算法基本组成部分 | 第21-23页 |
| 3.1.5 初始种群的生成 | 第23页 |
| 3.1.6 微粒群算法特点 | 第23-24页 |
| 3.2 粒子群算法的改进 | 第24-28页 |
| 3.2.1 简化的粒子群算法sPSO的理论介绍 | 第24-25页 |
| 3.2.2 混合蛙跳算法的理论介绍 | 第25-26页 |
| 3.2.3 蛙跳简化粒子群算法 | 第26-28页 |
| 3.3 列车运行调整算法求解过程 | 第28-31页 |
| 3.3.1 编码 | 第28-29页 |
| 3.3.2 种群的初始化 | 第29页 |
| 3.3.3 种群的适应度函数 | 第29页 |
| 3.3.4 参数的选取测略 | 第29-31页 |
| 3.4 高速列车运行调整的迭代过程 | 第31-33页 |
| 4 实验结果及分析 | 第33-40页 |
| 4.1 测试函数验证蛙跳简化粒子群算法 | 第33-34页 |
| 4.2 运用蛙跳简化粒子群算法解决问题 | 第34-37页 |
| 4.3 算法比较 | 第37-40页 |
| 5 结束语 | 第40-41页 |
| 致谢 | 第41-42页 |
| 参考文献 | 第42-46页 |
| 附录 | 第46页 |
| A. 作者在攻读学位期间已发表的论文 | 第46页 |
