| 【中文题名】 | 基于遗传算法的公交车辆调度优化研究 |
| 【英文题名】 | Optimization Study of Bus Scheduling Based on Genetic Algorithm |
| 【学科专业】 | 应用数学 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2007-6-26 |
| 【中关键词】 | 遗传算法,模拟退火算法,自适应遗传算法,数学建模,公交排班表, |
| 【英关键词】 | Genetic Algorithm,Simulating Anneal Algorithm,Self Adapted Genetic Algorithm,Mathematical model,Public transport sheet schedule, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>自动化基础理论>人工智能理论>> |
| 【论文摘要】 |
遗传算法作为一种借鉴生物界自然选择和自然遗传机制的高度并行、自组织、自适应的搜索算法,由于其隐含并行性和收敛的全局性两大显著特点,使其尤其适用于处理传统搜索方法难于解决的复杂问题。模拟退火算法是模拟加热熔化金属的退火过程,在某一初始温度下,伴随温度参数的不断下降,结合概率的突跳特性在解空间中随机寻找目标函数的全局最优解.即在局部最优解时能概率性地跳出并最终趋于全局最优。
遗传模拟退火算法就是将遗传算法和模拟退火算法相结合而构成的一种优化算法。遗传算法的局部搜索能力较差,但把握搜索过程总体的能力较强:而模拟退火算法具有较强的局部搜索能力,并能使搜索过程避免陷入局部最优解,但模拟退火算法的运算效率不高。但将二者结合,互相取长补短,能够很好的弥补各自的不足。
随着社会经济的高速增长,在城市人口高速增长的同时,城市居民出行量迅速提高,造成交通拥挤。而城市公共交通系统的顺畅与否直接影响着城市经济运行的效率和市民生活的品质。因此,各国政府纷纷增加城市公共交通的投入,但是,巨额财政投入并不是一般大中城市都能获得的。在我国现行城市公共交通车辆调度方法普遍落后,造成了有限的资源大量浪费的前提下,探索城... |
| 【论文题纲】 |
|
摘要 |
5-6 |
|
Abstract |
6-9 |
|
第一章 绪论 |
9-14 |
|
1.1 选题背景 |
9-11 |
|
1.2 国内外城市公共交通运输车辆调度的研究发展现状 |
11-12 |
|
1.3 论文主要研究内容 |
12-14 |
|
第二章 公交调度优化的数学模型 |
14-19 |
|
2.1 公交调度问题的研究内容 |
14 |
|
2.2 公交调度优化方法分析 |
14-15 |
|
2.3 公交调度问题的数学模型 |
15-18 |
|
2.4 本章小结 |
18-19 |
|
第三章 公交调度问题的遗传算法优化 |
19-40 |
|
3.1 遗传算法介绍 |
19-27 |
|
3.2 遗传算法求解多目标问题介绍 |
27-28 |
|
3.3 公交排班问题遗传算法的设计与实现 |
28-36 |
|
3.4 遗传算法解决公交静态调度问题的仿真结果 |
36-39 |
|
3.5 本章小结 |
39-40 |
|
第四章 遗传模拟退火算法在公交调度中的应用 |
40-52 |
|
4.1 模拟退火算法简介 |
40-44 |
|
4.2 遗传模拟退火算法（GA-SA） |
44-47 |
|
4.3 基于遗传模拟退火算法的公交优化调度 |
47-51 |
|
4.4 本章小结 |
51-52 |
|
第五章 结论与展望 |
52-54 |
|
致谢 |
54-55 |
|
参考文献 |
55-59 |
|
附录A |
59-60 |
|
| 【DOI】 | LunWen.ID:2.2008.388586 |
