| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 引言 | 第8-15页 |
| 1.1 课题研究背景及意义 | 第8-10页 |
| 1.2 路径规划研究现状 | 第10-13页 |
| 1.2.1 路网数据模型 | 第10-11页 |
| 1.2.2 路径规划算法 | 第11-13页 |
| 1.3 课题主要研究内容及结构安排 | 第13-15页 |
| 第二章 路网数据模型及其数据结构 | 第15-23页 |
| 2.1 路网数据模型 | 第15-20页 |
| 2.1.1 平面道路网络数据模型 | 第15-16页 |
| 2.1.2 基于车道路网数据模型 | 第16-19页 |
| 2.1.3 GIS-T时空路网数据模型 | 第19-20页 |
| 2.2 路网数据模型数据结构 | 第20-22页 |
| 2.3 本章小结 | 第22-23页 |
| 第三章 基于蚁群算法的路径规划研究 | 第23-32页 |
| 3.1 蚁群算法概述 | 第23-26页 |
| 3.2 蚁群算法的典型改进 | 第26-27页 |
| 3.2.1 基于局部优化算法的蚁群算法 | 第26-27页 |
| 3.2.2 与其他算法的融合 | 第27页 |
| 3.2.3 并行蚁群算法 | 第27页 |
| 3.3 多目标优化问题 | 第27-31页 |
| 3.3.1 多目标优化问题概述 | 第27-28页 |
| 3.3.2 多目标优化解决方法 | 第28-30页 |
| 3.3.3 小生境技术 | 第30-31页 |
| 3.4 本章小结 | 第31-32页 |
| 第四章 蚁群算法的改进及其在TSP问题的应用 | 第32-42页 |
| 4.1 TSP概述 | 第32-33页 |
| 4.2 改进的蚁群算法 | 第33-36页 |
| 4.2.1 引入随机因子改进蚁群算法 | 第33-34页 |
| 4.2.2 本文引入的精英蚂蚁策略改进蚁群算法 | 第34-35页 |
| 4.2.3 本文改进的蚁群算法的流程 | 第35-36页 |
| 4.3 算法测试结果及分析 | 第36-41页 |
| 4.3.1 最优randomSet与信息素挥发因子p值 | 第36-38页 |
| 4.3.2 本文改进的蚁群算法结果 | 第38-40页 |
| 4.3.3 改进的蚁群算法时间复杂度 | 第40-41页 |
| 4.4 本章小结 | 第41-42页 |
| 第五章 改进的蚁群算法在路径规划中的应用 | 第42-62页 |
| 5.1 路网模型的数据结构设计 | 第42-43页 |
| 5.2 路网模型的构建 | 第43-51页 |
| 5.2.1 路网模型的预处理 | 第43-46页 |
| 5.2.2 限制路网搜索范围 | 第46-49页 |
| 5.2.3 采用贪心算法简化路网 | 第49-51页 |
| 5.3 限制区域搜索单目标最短路径规划 | 第51-54页 |
| 5.4 改进的蚁群算法在多目标规划问题中的应用 | 第54-61页 |
| 5.4.1 转化成单目标路径规划 | 第54-58页 |
| 5.4.2 Pareto蚁群算法求解多目标路径规划 | 第58-61页 |
| 5.5 本章小结 | 第61-62页 |
| 总结与展望 | 第62-63页 |
| 参考文献 | 第63-66页 |
| 致谢 | 第66-67页 |
| 个人简历、在学期间的研究成果及发表的学术论文 | 第67页 |
| 个人简历 | 第67页 |
| 参与的项目 | 第67页 |
| 学术论文 | 第67页 |