基于改进粒子群算法的交通控制算法研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 研究背景 | 第9页 |
| 1.2 国外研究现状 | 第9-10页 |
| 1.3 国内研究现状 | 第10-11页 |
| 1.4 本文思路 | 第11-12页 |
| 1.5 本文创新点 | 第12-13页 |
| 第二章 粒子群算法 | 第13-21页 |
| 2.1 PSO算法基本原理 | 第13页 |
| 2.2 PSO算法流程 | 第13-14页 |
| 2.3 带约束粒子群算法 | 第14-15页 |
| 2.4 实验仿真 | 第15-21页 |
| 2.4.1 仿真软件介绍 | 第15-16页 |
| 2.4.2 无约束函数优化 | 第16-19页 |
| 2.4.3 带约束函数优化 | 第19-21页 |
| 第三章 改进的粒子群算法 | 第21-33页 |
| 3.1 遗传算法 | 第21-23页 |
| 3.2 PSO和GA的对比 | 第23页 |
| 3.3 GA-PSO算法思想 | 第23-24页 |
| 3.4 GA-PSO算法步骤 | 第24页 |
| 3.5 实验仿真 | 第24-28页 |
| 3.6 不同参数对算法性能的影响 | 第28-33页 |
| 第四章 基于改进粒子群算法的交通流量预测 | 第33-46页 |
| 4.1 混沌粒子群算法 | 第33-35页 |
| 4.1.1 粒子群优化算法 | 第33-34页 |
| 4.1.2 混沌粒子群算法(CPSO) | 第34-35页 |
| 4.2 经验模态分解 | 第35页 |
| 4.3 ECLS-SVM交通流量预测模型 | 第35-39页 |
| 4.3.1 LS-SVM支持向量机 | 第35-36页 |
| 4.3.2 ECLS-SVM网络预测模型 | 第36-37页 |
| 4.3.3 算法步骤 | 第37-39页 |
| 4.4 仿真实验 | 第39-46页 |
| 4.4.1 数据来源 | 第39-40页 |
| 4.4.2 数据处理 | 第40页 |
| 4.4.3 评价指标 | 第40页 |
| 4.4.4 实验结果 | 第40-46页 |
| 第五章 动态交叉路.交通控制数学模型 | 第46-57页 |
| 5.1 交通信号控制参数 | 第46页 |
| 5.2 城市道路网络结构 | 第46-47页 |
| 5.3 动态交叉路.交通控制模型 | 第47-52页 |
| 5.3.1 数学模型 | 第47-49页 |
| 5.3.2 单交叉路.交通控制仿真 | 第49-52页 |
| 5.4 双交叉路.交通控制模型 | 第52-57页 |
| 5.4.1 数学模型 | 第52-54页 |
| 5.4.2 实例仿真 | 第54-57页 |
| 第六章 总结与展望 | 第57-59页 |
| 6.1 总结 | 第57页 |
| 6.2 展望 | 第57-59页 |
| 参考文献 | 第59-62页 |
| 致谢 | 第62页 |
