遗传-模拟退火算法论文：遗传-模拟退火算法 改进的遗传-模拟退火算法 公交排班

遗传-模拟退火算法论文：改进的遗传—模拟退火算法在公交排班中的应用

【中文摘要】随着世界城市化进程的发展及人们生活水平的提高,各大城市中公交问题尤其显著,而目前我国大部分城市采用的是传统的手工调度方式,无法满足乘客出行的需要,因此建立先进、智能化的公交系统是解决该问题的关键。而公交车辆智能调度首先要解决的问题则是运营车辆的智能排班。本文重点对改进的遗传-模拟退火算法(GA-SA)及其在公交智能排班中的应用进行了研究,介绍了遗传算法(GA)的基本思想、步骤及优缺点,模拟退火算法(SA)的思想、步骤及特点,并对将两者结合之后的GA-SA进行了阐述。本文在GA-SA的基础上,针对其在编码操作、选择操作和模拟退火的降温操作中存在的不足进行了几点改进:1)引入真实值编码;2)将轮盘赌选择与最优解保存策略选择相结合;3)采用改进的降温函数,形成了改进的GA-SA算法,从而缓减了GA-SA存在的模型太复杂不利于求解、早熟、容易陷入局部最优而提前收敛以及进化缓慢等问题。本文结合公交车辆调度自身的特点,兼顾公交公司与乘客双方的利益建立公交车辆行车计划模型,以发车时刻(真实值)为基因变量进行编码,对两个相邻的发车间隔之差、最大最小发车时间间隔、乘客的满载率等条件进行约束限制。结合实例,应用改进的GA...

【英文摘要】With the development of the world’s urbanizatrion process and the improvement of people’s living

standards,Bus problem is particularly significant in major cities.But now the traditional manual scheduling mode is adopted in most of ours cities,which is unable to meet the needs of passenger travel yet.Therefore,an advanced intelligent transportation system is the key to solving the problem.And the problem,to be solved fristly,of the Public Transport vehicles intelligent scheduling is the operation of intelli...

【关键词】遗传-模拟退火算法 改进的遗传-模拟退火算法 公交排班

【英文关键词】Genetic-simulated Annealing Algorithm The Improved Genetic-simulated Annealing Algorithm(GA-SA) Bus Scheduling

【索购全文】联系Q1：138113721 Q2：139938848 【目录】改进的遗传—模拟退火算法在公交排班中的应用要7-810-1112-13状13-14

ABSTRACT8

插图索引

9-10

附表索引

摘

第1章 绪论11-191.1 研究背景和意义

1.2.1 国外研究现1.3 研究目标及1.3.2 研究内

1.2 国内外研究现状13-161.2.2 国内研究现状14-16

1.3.1 研究目标16-17

主要内容16-17容1718-19

1.4 主要创新点17-181.5 本文的内容安排

2.1 遗

第2章 遗传算法和模拟退火算法19-25

2.2 遗传算法基本思想19

传算法概述192.3 遗传算

法基本步骤19-20遗传算法的优缺点模拟退火算法概述23

2.4 遗传算法相关术语20-2121-2222-23

2.6 遗传算法的应用222.8 模拟退火算法的基本思想

2.5 2.7

2.9 模拟退火算法的特点232.10 模拟退火算法的

2.12

基本步骤23-24本章小结24-2525-35

2.11 模拟退火算法的优缺点24第3章 改进的遗传-模拟退火算法

3.1 遗传-模拟退火算法的简述25

25-32

3.2 遗传-模

拟退火算法构成要素步骤25-2626-29火函数32

3.2.1 遗传-模拟退火算法的应用

3.2.3 适应度函数29-32

3.2.5 模拟退

3.3.1

3.2.2 编码表示263.2.4 遗传-模拟退火算子

3.3 改进的遗传-模拟退火算法32-34

改进的遗传-模拟退火算法参数设置32-33-模拟退火算法终止条件33-344章 公交排班问题模型设计35-403637-39条件38-3939-4040-50

4.2 问题的描述36-37

3.3.2 改进的遗传

第

3.4 本章小结34-35

4.1 模型的假设4.3 建立数学模型

4.3.1 建立目标函数37-38

4.3.3 发车时刻模型39

4.3.2 模型的约束4.4 本章小结

第5章 应用改进的遗传-模拟算法求解公交排班问题5.1 改进的遗传-模拟退火算法结构40

5.2.1 编码

5.2.3 适应度函

5.2 改

进的遗传-模拟退火算法设计40-4440-41数42

5.2.2 约束条件的处理41-425.2.4 初始化种群42-43

5.2.5 改进的遗传-模

拟退火算子的设计43-445.3 应用改进的遗传-模拟退火算法

5.3.1 参数设置

5.4 本章小结参考文献51-54

致谢

解决公交排班的仿真实验44-4944-4749-505.3.2 仿真实验47-49总结与展望50-51

54-55

附录A 攻读学位期间所发表的学术论文55