| 中文摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 研究背景 | 第8页 |
| 1.2 文献综述和研究意义 | 第8-11页 |
| 1.3 本论文的基本思路 | 第11-12页 |
| 1.4 本章小结 | 第12-13页 |
| 第二章 理论基础 | 第13-17页 |
| 2.1 整数规划 | 第13-14页 |
| 2.1.1 整数规划概述 | 第13-14页 |
| 2.1.2 整数规划的求解 | 第14页 |
| 2.2 智能算法 | 第14-17页 |
| 2.2.1 智能算法概述 | 第14-15页 |
| 2.2.2 常见智能算法简介 | 第15-17页 |
| 第三章 动态交通网络中的移动式检测器优化问题研究 | 第17-40页 |
| 3.1 移动式检测器的路径选择问题 | 第18-25页 |
| 3.1.1 移动式检测器 | 第18页 |
| 3.1.2 样本大小和估算精度 | 第18-22页 |
| 3.1.3 交通网络中路段的重要性 | 第22-23页 |
| 3.1.4 数学模型 | 第23-25页 |
| 3.2 混合的两阶段启发式算法 | 第25-28页 |
| 3.2.1 粒子群算法 | 第25-26页 |
| 3.2.2 蚁群算法 | 第26-28页 |
| 3.2.3 混合两阶段启发式算法流程 | 第28页 |
| 3.3 实验分析 | 第28-39页 |
| 3.3.1 路网基本信息 | 第28-29页 |
| 3.3.2 启发式算法的参数设置 | 第29-30页 |
| 3.3.3 不同情境下移动式检测器和固定式检测器的对比 | 第30-32页 |
| 3.3.4 移动式检测器与固定式检测器的配合 | 第32-34页 |
| 3.3.5 鲁棒性实验 | 第34-35页 |
| 3.3.6 根据拓扑位置分析移动式检测器路径 | 第35页 |
| 3.3.7 根据启发式信息分析移动式检测器路径 | 第35-36页 |
| 3.3.8 max power敏感性分析 | 第36-37页 |
| 3.3.9 混合二阶段算法效果 | 第37-38页 |
| 3.3.10 实际问题 | 第38-39页 |
| 3.4 本章小结 | 第39-40页 |
| 第四章 基于简单时空关系的交通检测器布设模型 | 第40-54页 |
| 4.1 考虑时空关系的交通检测器布设模型 | 第40-43页 |
| 4.1.1 符号描述 | 第40-41页 |
| 4.1.2 根据拓扑结构的数学模型 | 第41-42页 |
| 4.1.3 考虑预测精度的数学模型 | 第42-43页 |
| 4.2 根据局部搜索改进的蚁群算法 | 第43-45页 |
| 4.2.1 解的构造 | 第43-44页 |
| 4.2.2 局部搜索 | 第44页 |
| 4.2.3 信息素的更新 | 第44-45页 |
| 4.3 数值实验 | 第45-53页 |
| 4.3.1 路网信息 | 第45-46页 |
| 4.3.2 算法的有效性 | 第46-48页 |
| 4.3.3 根据时空关系的检测器布设方法的有效性 | 第48页 |
| 4.3.4 λ 的敏感性分析 | 第48-49页 |
| 4.3.5 T的敏感性分析 | 第49-50页 |
| 4.3.6 鲁棒性实验 | 第50-52页 |
| 4.3.7 实际问题 | 第52-53页 |
| 4.4 本章小结 | 第53-54页 |
| 第五章 总结与展望 | 第54-56页 |
| 5.1 全文总结 | 第54页 |
| 5.2 不足与展望 | 第54-56页 |
| 参考文献 | 第56-60页 |
| 发表论文情况说明 | 第60-61页 |
| 致谢 | 第61-62页 |