融合蚁群算法的遗传算法在智能公交调度中的应用
| 提要 | 第1-7页 |
| 第一章 绪论 | 第7-22页 |
| ·智能交通系统的概述 | 第7-17页 |
| ·智能交通系统的产生 | 第7-9页 |
| ·智能交通系统的组成 | 第9页 |
| ·智能交通系统的基本特征 | 第9-10页 |
| ·智能交通系统的功能 | 第10-13页 |
| ·智能交通系统研究和发展的概况 | 第13-17页 |
| ·智能交通系统的研究方向 | 第17页 |
| ·智能公交调度系统结构 | 第17-19页 |
| ·智能公交调度系统的技术基础 | 第19-21页 |
| ·信息采集技术 | 第19-20页 |
| ·通信技术 | 第20-21页 |
| ·地理信息技术 | 第21页 |
| ·公交调度软件 | 第21页 |
| ·本文的内容安排 | 第21-22页 |
| 第二章 遗传算法基础知识 | 第22-30页 |
| ·遗传算法简介 | 第22-25页 |
| ·遗传算法的产生与发展 | 第22页 |
| ·遗传算法的基本思想 | 第22-24页 |
| ·遗传算法的特点 | 第24页 |
| ·遗传算法应用及今后研究的主要方面 | 第24-25页 |
| ·遗传算法的基本实施步骤 | 第25-30页 |
| ·遗传算法中的基本概念 | 第25-26页 |
| ·遗传算法的基本步骤 | 第26-28页 |
| ·遗传算法的应用关键 | 第28-30页 |
| 第三章 蚁群算法基础知识 | 第30-46页 |
| ·蚁群算法基本原理 | 第30-37页 |
| ·引言 | 第30页 |
| ·真实蚂蚁的集体行为 | 第30-33页 |
| ·人工蚂蚁的集体行为 | 第33-37页 |
| ·图理论 | 第37-39页 |
| ·蚁群算法 | 第39-46页 |
| ·问题描述 | 第39-40页 |
| ·解的构造 | 第40-41页 |
| ·蚁群算法描述 | 第41-44页 |
| ·蚁群算法基本模型的特点 | 第44-46页 |
| 第四章 算法实现与结果分析 | 第46-60页 |
| ·公交车辆调度模型的建立 | 第46-51页 |
| ·模型假设 | 第46-47页 |
| ·模型目标函数 | 第47-49页 |
| ·模型约束条件 | 第49-50页 |
| ·发车时刻模型 | 第50-51页 |
| ·算法设计 | 第51-56页 |
| ·实例应用 | 第56-60页 |
| 第五章 总结和展望 | 第60-61页 |
| 参考文献 | 第61-63页 |
| 摘要 | 第63-66页 |
| Abstract | 第66-69页 |
| 致谢 | 第69页 |
