| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 图目录 | 第11-13页 |
| 表目录 | 第13-14页 |
| 第1章 绪论 | 第14-24页 |
| 1.1 课题来源 | 第14页 |
| 1.2 研究背景 | 第14-15页 |
| 1.3 研究现状 | 第15-20页 |
| 1.3.1 国外研究现状 | 第16-17页 |
| 1.3.2 国内研究现状 | 第17-19页 |
| 1.3.3 研究现状总结 | 第19-20页 |
| 1.4 研究目的及意义 | 第20页 |
| 1.5 研究思路与章节安排 | 第20-22页 |
| 1.5.1 研究思路 | 第20-21页 |
| 1.5.2 章节安排 | 第21-22页 |
| 1.6 本章小结 | 第22-24页 |
| 第2章 高速公路 VSL 多目标优化研究 | 第24-36页 |
| 2.1 多目标优化的数学模型介绍 | 第24-25页 |
| 2.2 高速公路 VSL 多目标优化模型建立 | 第25-30页 |
| 2.2.1 尾气排放量优化函数的建立 | 第25-27页 |
| 2.2.2 交通流量与行程时间优化函数的建立 | 第27-29页 |
| 2.2.3 约束条件的确定 | 第29-30页 |
| 2.3 高速公路 VSL 多目标优化模型的求解 | 第30-34页 |
| 2.3.1 多目标优化算法概述 | 第30-31页 |
| 2.3.2 基于遗传算法求解 VSL 多目标优化模型 | 第31-34页 |
| 2.4 本章小结 | 第34-36页 |
| 第3章 基于强化学习的高速公路 VSL 多目标决策研究 | 第36-50页 |
| 3.1 多目标决策概述 | 第36-38页 |
| 3.1.1 多目标决策的来源 | 第36-37页 |
| 3.1.2 多目标决策技术分类与优缺点分析 | 第37-38页 |
| 3.2 基于强化学习的高速公路 VSL 多目标决策建模 | 第38-45页 |
| 3.2.1 强化学习原理概述 | 第38-41页 |
| 3.2.2 确定 VSL 多目标决策模型的基本组成元素 | 第41-44页 |
| 3.2.3 确定决策模型的回报函数与准则函数 | 第44-45页 |
| 3.3 高速公路 VSL 多目标决策模型求解 | 第45-48页 |
| 3.4 本章小结 | 第48-50页 |
| 第4章 高速公路 VSL 多目标优化与决策仿真 | 第50-58页 |
| 4.1 仿真软件的比选 | 第50-51页 |
| 4.2 构建仿真平台 | 第51-55页 |
| 4.2.1 仿真路段的搭建与路段参数设置 | 第51-53页 |
| 4.2.2 布设可变信息板与检测器 | 第53-54页 |
| 4.2.3 确定多目标优化结果 | 第54页 |
| 4.2.4 嵌入多目标决策算法 | 第54-55页 |
| 4.3 仿真结果分析与对比 | 第55-57页 |
| 4.4 本章小结 | 第57-58页 |
| 第5章 总结与展望 | 第58-60页 |
| 5.1 全文总结 | 第58-59页 |
| 5.2 全文展望 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 作者简介及在校期间的研究成果 | 第64-65页 |
| 致谢 | 第65页 |
