實(shí)際運(yùn)行環(huán)境下城市公交時(shí)刻表的優(yōu)化設(shè)計(jì)

第1章 緒論
1．1 問(wèn)題背景及研究工作的意義
1．2 研究目標(biāo)與研究?jī)?nèi)容
1．2．1 研究目標(biāo)
1．2．2 研究?jī)?nèi)容
1．3 研究的技術(shù)路線(xiàn)
1．4 主要研究成果
1．5 本章小結(jié)
第2章 公交時(shí)刻表設(shè)計(jì)問(wèn)題的研究綜述
2．1 公交規(guī)劃過(guò)程的基本要素
2．2 公交規(guī)劃過(guò)程相關(guān)問(wèn)題的概述
2．3 公交時(shí)刻表構(gòu)成要素
2．3．1 發(fā)車(chē)間隔方針
2．3．2 發(fā)車(chē)時(shí)間的靈活性
2．3．3 車(chē)輛行駛時(shí)間特征
2．3．4 協(xié)同換乘方式
2．3．5 時(shí)刻表設(shè)計(jì)的目標(biāo)
2．4 公交時(shí)刻表設(shè)計(jì)問(wèn)題的研究綜述
2．4．1 公交線(xiàn)路時(shí)刻表設(shè)計(jì)綜述
2．4．2 公交網(wǎng)絡(luò)時(shí)刻表協(xié)同設(shè)計(jì)綜述
2．4．3 現(xiàn)有研究的不足
2．5 本章小結(jié)
第3章 隨機(jī)行駛時(shí)間下公交時(shí)刻表設(shè)計(jì)中不同運(yùn)行策略比較分析
3．1 引言
3．2 隨機(jī)行駛時(shí)間下公交時(shí)刻表設(shè)計(jì)
3．3 隨機(jī)行駛時(shí)間下公交時(shí)刻表設(shè)計(jì)的一般模型
3．3．1 符號(hào)定義
3．3．2 隨機(jī)行駛時(shí)間下公交時(shí)刻表設(shè)計(jì)的問(wèn)題描述
3．3．3 嵌入不同運(yùn)行策略的隨機(jī)行駛時(shí)間下公交時(shí)刻表設(shè)計(jì)模型
3．3．4 不同運(yùn)行策略的數(shù)學(xué)描述
3．4 基于Monte carlo仿真的求解方法
3．5 考慮超時(shí)行駛費(fèi)用和駐站策略的公交時(shí)刻表設(shè)計(jì)模型
3．6 實(shí)驗(yàn)算例與結(jié)果分析
3．6．1 算例設(shè)計(jì)
3．6．2 基于Monte Carlo仿真方法的收斂性
3．6．3 不同運(yùn)行策略對(duì)總時(shí)刻表偏差的影響
3，6．4 不同運(yùn)行策略對(duì)松弛時(shí)間的影響
3．6．5 不同運(yùn)行策略對(duì)線(xiàn)路計(jì)劃行駛時(shí)間的影響
3．6．6 參數(shù)靈敏度分析
3．7 本章小結(jié)
第4章 考慮不均勻發(fā)車(chē)間隔的公交時(shí)刻表協(xié)同設(shè)計(jì)優(yōu)化方法
4．1 引言
4．2 考慮不均勻發(fā)車(chē)問(wèn)隔的公交時(shí)刻表協(xié)同設(shè)計(jì)的數(shù)學(xué)模型
4．2．1 問(wèn)題描述
4．2．2 符號(hào)定義
4．2．3 車(chē)輛協(xié)同方式的定義
4．2．4 換乘等待時(shí)間的數(shù)學(xué)描述
4．2．5 數(shù)學(xué)模型
4．3 模型分析
4．3．1 計(jì)算復(fù)雜性分析
4．3．2 可行解的空間特征
4．3．3 求解模型的預(yù)處理方法
4．4 實(shí)驗(yàn)算例與結(jié)果分析
4．4．1 算例設(shè)計(jì)
4．4．2 實(shí)驗(yàn)與結(jié)果分析
4．5 本章小結(jié)
第5章 考慮加入松弛時(shí)間的公交時(shí)刻表協(xié)同設(shè)計(jì)優(yōu)化方法
5．1 引言
5．2 考慮加入松弛時(shí)間的公交時(shí)刻表協(xié)同設(shè)計(jì)的數(shù)學(xué)模型
5．2．1 問(wèn)題的描述與假設(shè)
5．2．2 符號(hào)定義
5．2．3 車(chē)輛在換乘站點(diǎn)的發(fā)車(chē)時(shí)間
5．2．4 不同類(lèi)型乘客的等待時(shí)間
5．2．5 隨機(jī)混合整數(shù)規(guī)劃模型
5．3 模型分析和計(jì)算復(fù)雜性
5．3．1 模型特征
5．3．2 計(jì)算復(fù)雜性
5．4 嵌入局部搜索的改進(jìn)遺傳算法設(shè)計(jì)
5．4．1 遺傳算法簡(jiǎn)介
5．4．2 染色體編碼
5．4．3 初始種群的生成
5．4．4 適值函數(shù)
5．4．5 交叉操作
5．4．6 變異操作
5．4．7 精英保留策略
5．4．8 局部搜索策略
5．4．9 嵌入局部搜索的遺傳算法總體實(shí)現(xiàn)過(guò)程
5．5 實(shí)驗(yàn)算例與結(jié)果分析
5．5．1 小規(guī)模算例與求解結(jié)果
5．5．2 針對(duì)小規(guī)模算例模型的有效性分析
5．5．3 不同類(lèi)型乘客數(shù)對(duì)模型有效性的影響
5．5．4 針對(duì)不同規(guī)模算例模型的有效性分析
5．5．5 求解算法的性能分析
5．6 本章小結(jié)
第6章 多目標(biāo)公交時(shí)刻表協(xié)同設(shè)計(jì)：模型、復(fù)雜性和方法
6．1 問(wèn)題背景
6．2 多目標(biāo)優(yōu)化問(wèn)題求解算法概述
6．3 多目標(biāo)公交時(shí)刻表協(xié)同設(shè)計(jì)的數(shù)學(xué)模型
6．3．1 問(wèn)題描述與假設(shè)
6．3．2 符號(hào)定義
6．3．3 數(shù)學(xué)模型
6．4 模型特征和計(jì)算復(fù)雜性
6．4．1 模型特征
6．4．2 計(jì)算復(fù)雜性
6．4．3 帕累托前沿
6．5 基于NSGA-Ⅱ的求解算法設(shè)計(jì)
6．5．1 NSGA-Ⅱ算法描述
6．5．2 染色體編碼
6．5．3 解的評(píng)價(jià)與選擇
6． 5．4．交叉
6．5．5 變異
6．5．6 父代與后代種群合并
6．5．7 基于NSGA-II的算法流程
6．6 實(shí)驗(yàn)算例
6．6．1 算例與參數(shù)設(shè)計(jì)
6．6．2 針對(duì)小規(guī)模算例算法的性能分析
6．6．3 針對(duì)實(shí)際公交網(wǎng)絡(luò)算法的性能分析
6．6．4 發(fā)車(chē)間隔偏移量對(duì)帕累托解的影響
6．7 本章小結(jié)
第7章 總結(jié)與展望
7．1 研究工作總結(jié)
7．2 未來(lái)研究展望
參考文獻(xiàn)
后記