| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第8-13页 |
| 1.1 研究的背景及目的 | 第8-9页 |
| 1.2 国内外研究状况 | 第9-11页 |
| 1.2.1 国外研究状况 | 第9-10页 |
| 1.2.2 国内研究状况 | 第10-11页 |
| 1.3 本文主要内容及章节安排 | 第11-13页 |
| 1.3.1 本文主要内容 | 第11页 |
| 1.3.2 章节安排 | 第11-13页 |
| 2 公交调度 | 第13-23页 |
| 2.1 车联网的发展 | 第13-14页 |
| 2.2 车联网关键技术 | 第14-16页 |
| 2.2.1 GPS全球定位技术 | 第14-15页 |
| 2.2.2 大数据安全防御技术 | 第15-16页 |
| 2.3 公交调度基本知识 | 第16-18页 |
| 2.3.1 公交车客流特征 | 第16-17页 |
| 2.3.2 公交车客流数据采集 | 第17-18页 |
| 2.4 公交时刻表的编制 | 第18-20页 |
| 2.4.1 编制依据 | 第18-19页 |
| 2.4.2 编制原则 | 第19页 |
| 2.4.3 编制方法 | 第19-20页 |
| 2.5 公交调度数学模型 | 第20-22页 |
| 2.5.1 模型基本假设与说明 | 第20页 |
| 2.5.2 构建数学模型 | 第20-21页 |
| 2.5.3 目标函数生成 | 第21-22页 |
| 2.5.4 模型约束条件 | 第22页 |
| 2.6 本章小结 | 第22-23页 |
| 3 基本蚁群初识 | 第23-33页 |
| 3.1 蚁群算法介绍 | 第23-28页 |
| 3.1.1 蚁群算法由来 | 第23-26页 |
| 3.1.2 蚁群算法的原理 | 第26-28页 |
| 3.2 基本蚁群算法的数学模型 | 第28-30页 |
| 3.3 基本蚁群算法的实现 | 第30-32页 |
| 3.3.1 算法实现步骤 | 第30页 |
| 3.3.2 程序结构流程图 | 第30-32页 |
| 3.4 基本蚁群算法不足 | 第32页 |
| 3.5 本章小结 | 第32-33页 |
| 4 优化蚁群算法 | 第33-38页 |
| 4.1 引入“赏罚”机制 | 第33页 |
| 4.2 最大最小蚁群系统 | 第33-34页 |
| 4.3 信息素更新策略的改进 | 第34-35页 |
| 4.3.1 信息素全局更新策略的改进 | 第34页 |
| 4.3.2 信息素局部更新策略的改进 | 第34-35页 |
| 4.4 引入状态转移控制参数 | 第35页 |
| 4.5 改进算法流程 | 第35-37页 |
| 4.6 本章小结 | 第37-38页 |
| 5 公交优化调度的仿真实例分析 | 第38-51页 |
| 5.1 优化蚁群的调度求解步骤 | 第38-39页 |
| 5.2 目标函数的参数选取 | 第39-41页 |
| 5.3 调优算法中关键参数 | 第41-48页 |
| 5.3.1 信息素挥发系数ρ | 第41-42页 |
| 5.3.2 信息素因子φ | 第42-43页 |
| 5.3.3 启发因子γ | 第43-45页 |
| 5.3.4 信息素因子α和启发因子β的组合取值优化 | 第45-46页 |
| 5.3.5 蚂蚁数量M | 第46-47页 |
| 5.3.6 总信息量Q | 第47-48页 |
| 5.4 算法仿真求解比较 | 第48-50页 |
| 5.5 本章小结 | 第50-51页 |
| 6 总结与展望 | 第51-53页 |
| 6.1 总结 | 第51-52页 |
| 6.2 展望 | 第52-53页 |
| 参考文献 | 第53-55页 |
| 致谢 | 第55页 |