摘要 | 第4-5页 |
Abstract | 第5页 |
第一章 绪论 | 第9-15页 |
1.1 选题背景及意义 | 第9-10页 |
1.2 国内外研究现状 | 第10-12页 |
1.2.1 交通分配理论的研究和发展 | 第10-11页 |
1.2.2 蚁群算法研究现状 | 第11页 |
1.2.3 蚁群算法应用现状 | 第11-12页 |
1.3 本文主要的研究内容及技术路线 | 第12-13页 |
1.4 文章的组织结构 | 第13-15页 |
第二章 蚁群算法与交通分配 | 第15-22页 |
2.1 蚁群算法 | 第15-17页 |
2.1.1 双桥试验 | 第15-16页 |
2.1.2 蚁群路径选择机制 | 第16页 |
2.1.3 信息素更新机制 | 第16-17页 |
2.2 交通分配 | 第17-19页 |
2.2.1 容量限制变化路阻增量分配法 | 第18页 |
2.2.2 模拟随机分配算法 | 第18-19页 |
2.2.3 概率随机分配法 | 第19页 |
2.3 蚁群算法在交通分配中的应用分析 | 第19-21页 |
2.3.1 应用现状 | 第19-20页 |
2.3.2 问题与评价 | 第20页 |
2.3.3 可能的应用改进 | 第20-21页 |
2.4 本章小结 | 第21-22页 |
第三章 最大最小蚁群算法及其应用可行性分析 | 第22-30页 |
3.1 最大最小蚁群算法 | 第22-24页 |
3.1.1 最大最小蚁群算法信息素更新方式 | 第22-23页 |
3.1.2 信息素轨迹的限制 | 第23-24页 |
3.1.3 路径信息素浓度的平滑化 | 第24页 |
3.2 蚁群自组织与用户随机性 | 第24-25页 |
3.2.1 蚁群自组织行为 | 第24-25页 |
3.2.2 出行者选择路径的随机性 | 第25页 |
3.3 最大最小蚁群算法的参数分析 | 第25-27页 |
3.3.1 参数 α、β 分析 | 第26页 |
3.3.2 参数 ρ 分析 | 第26-27页 |
3.4 最大最小蚁群算法的可行性分析 | 第27-29页 |
3.4.1 启发信息和信息素 | 第27-28页 |
3.4.2 信息素平滑机制 | 第28-29页 |
3.5 本章小结 | 第29-30页 |
第四章 基于最大最小蚁群算法的随机用户交通分配模型 | 第30-43页 |
4.1 模型构造的基本思想 | 第30-33页 |
4.1.1 最大最小蚁群算法分配思想 | 第31-32页 |
4.1.2 目标函数和约束条件 | 第32-33页 |
4.1.3 路径信息素的影响因素分析 | 第33页 |
4.2 模型的构造 | 第33-40页 |
4.2.1 出行者不确定性因素 | 第34-35页 |
4.2.2 出行者路径选择规则 | 第35-36页 |
4.2.3 路网系统的不确定性因素 | 第36-38页 |
4.2.4 信息素更新机制对路网流量整体布局的作用 | 第38-40页 |
4.3 模型计算 | 第40-42页 |
4.3.1 模型计算流程 | 第40-41页 |
4.3.2 模型计算的影响因素 | 第41-42页 |
4.4 本章小结 | 第42-43页 |
第五章 案例分析 | 第43-69页 |
5.1 路网的描述 | 第43-45页 |
5.1.1 路网的拓扑 | 第43-44页 |
5.1.2 路网的参数设置 | 第44-45页 |
5.1.3 路阻的确定 | 第45页 |
5.2 算法的分配结果 | 第45-53页 |
5.2.1 t_1时刻分配过程与结果 | 第45-47页 |
5.2.2 t_2时刻分配过程与结果 | 第47-49页 |
5.2.3 t_3时刻分配过程与结果 | 第49-51页 |
5.2.4 t_4时刻分配过程与结果 | 第51-53页 |
5.3 结果分析 | 第53-66页 |
5.3.1 算法的机理分析 | 第53-60页 |
5.3.2 路网费用分析 | 第60-63页 |
5.3.3 模型对比分析 | 第63-66页 |
5.4 模型总结 | 第66-68页 |
5.4.1 参数 α、β 总结 | 第66-67页 |
5.4.2 参数 ρ 总结 | 第67页 |
5.4.3 参数 γ 总结 | 第67-68页 |
5.4.4 模型适用性总结 | 第68页 |
5.5 本章小结 | 第68-69页 |
结论与展望 | 第69-72页 |
1.主要研究成果 | 第69-70页 |
2.主要创新点 | 第70-71页 |
3.研究展望 | 第71-72页 |
参考文献 | 第72-75页 |
攻读学位期间取得的研究成果 | 第75-76页 |
致谢 | 第76页 |