基于遗传算法的动态交通路径诱导研究
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 1 绪论 | 第8-14页 |
| ·交通诱导系统的背景 | 第8-9页 |
| ·动态交通诱导系统的研究现状 | 第9-11页 |
| ·课题研究的主要意义 | 第11页 |
| ·课题研究的主要内容 | 第11-12页 |
| ·本章小结 | 第12-14页 |
| 2 动态交通诱导的设计 | 第14-18页 |
| ·框架构成 | 第14页 |
| ·设计组成 | 第14-15页 |
| ·动态交通诱导的底层基础 | 第15-16页 |
| ·图形基础 | 第15页 |
| ·属性数据库 | 第15-16页 |
| ·图形基础与数据库管理系统的连接 | 第16页 |
| ·本章小结 | 第16-18页 |
| 3 求解路径问题算法概述与比较 | 第18-36页 |
| ·Dijkstra算法 | 第18-20页 |
| ·Dijkstra算法基本原理 | 第19页 |
| ·Dijkstra求最短路径的步骤 | 第19-20页 |
| ·蚁群算法 | 第20-21页 |
| ·蚁群算法基本原理 | 第20-21页 |
| ·蚁群算法求最短路径的步骤 | 第21页 |
| ·粒子群算法 | 第21-22页 |
| ·粒子群算法基本原理 | 第21-22页 |
| ·粒子群算法求最短路径的步骤 | 第22页 |
| ·遗传算法 | 第22-24页 |
| ·遗传算法基本步骤 | 第22-24页 |
| ·遗传算法求解最短路径问题 | 第24页 |
| ·求解K条最优路径问题 | 第24-25页 |
| ·求解K条路径的算法比较 | 第25-26页 |
| ·多目标优化问题 | 第26-31页 |
| ·多目标遗传算法 | 第28-30页 |
| ·多目标遗传算法计算路程长度和时间的实例 | 第30-31页 |
| ·动态交通诱导系统的算法设计 | 第31-33页 |
| ·改进的K条最优路径遗传算法 | 第31-32页 |
| ·K条最优路径遗传算法实现多目标优化 | 第32-33页 |
| ·系统的算法流程 | 第33页 |
| ·算法运行结果比较 | 第33-36页 |
| 4 交通诱导系统动态性的设计 | 第36-42页 |
| ·模拟产生交通数据 | 第36-38页 |
| ·隶属度函数 | 第36页 |
| ·一维隶属函数的形式和参数化 | 第36-38页 |
| ·计时器的触发 | 第38-40页 |
| ·求解动态交通诱导问题的算法流程 | 第40-42页 |
| 5 数值对比与系统运行结果 | 第42-48页 |
| ·数值对比 | 第42-44页 |
| ·系统运行结果 | 第44-46页 |
| ·本章小结 | 第46-48页 |
| 6 总结和展望 | 第48-50页 |
| 致谢 | 第50-52页 |
| 参考文献 | 第52-53页 |
