| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 引言 | 第11-17页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 研究方法 | 第12-13页 |
| 1.3 论文主要研究内容 | 第13-16页 |
| 1.3.1 研究内容 | 第13-14页 |
| 1.3.2 组织结构 | 第14-16页 |
| 1.4 本章小结 | 第16-17页 |
| 2 国内外研究现状综述 | 第17-27页 |
| 2.1 驾驶员排班研究综述 | 第17-23页 |
| 2.1.1 纯启发式方法 | 第17页 |
| 2.1.2 数学规划方法 | 第17-19页 |
| 2.1.3 元启发式算法 | 第19-23页 |
| 2.2 并行模型与框架发展综述 | 第23-26页 |
| 2.3 本章小结 | 第26-27页 |
| 3 驾驶员排班问题的描述与模型建立 | 第27-33页 |
| 3.1 驾驶员排班问题的基本概念 | 第27-30页 |
| 3.1.1 行车计划 | 第27-28页 |
| 3.1.2 班次与班型 | 第28-29页 |
| 3.1.3 驾驶员换班 | 第29-30页 |
| 3.2 驾驶员排班问题的目标 | 第30-31页 |
| 3.3 驾驶员排班问题的模型 | 第31-32页 |
| 3.4 本章小结 | 第32-33页 |
| 4 基于Hama的并行遗传算法设计 | 第33-79页 |
| 4.1 BSP模型与Hama系统架构 | 第33-39页 |
| 4.1.1 BSP模型 | 第33-35页 |
| 4.1.2 Hama系统架构 | 第35-36页 |
| 4.1.3 Hama编程过程 | 第36-39页 |
| 4.2 面向驾驶员排班问题的遗传算法(CSOGA)设计 | 第39-65页 |
| 4.2.1 遗传算法概述及基本原理 | 第39-42页 |
| 4.2.2 CSOGA的流程与设计 | 第42-49页 |
| 4.2.3 CSOGA的参数标定与算例分析 | 第49-65页 |
| 4.3 基于Hama的并行计算模型 | 第65-78页 |
| 4.3.1 并行策略的选择 | 第65-69页 |
| 4.3.2 基于Hama的粗粒度最优解并行模型(H-OSCGPM) | 第69-73页 |
| 4.3.3 H-OSCGPM中个体迁移数量和迁移周期的确定 | 第73-78页 |
| 4.4 本章小结 | 第78-79页 |
| 5 驾驶员排班问题实例研究 | 第79-91页 |
| 5.1 实验环境 | 第79-81页 |
| 5.2 实例分析 | 第81-89页 |
| 5.3 本章小结 | 第89-91页 |
| 6 结论 | 第91-93页 |
| 6.1 研究成果和结论 | 第91-92页 |
| 6.2 研究展望 | 第92-93页 |
| 参考文献 | 第93-97页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第97-101页 |
| 学位论文数据集 | 第101页 |
