基于路径的Logit型随机用户均衡模型求解算法研究

声明

摘要

第1章 绪论

1．1 立题的背景和意义

1．2 国内外研究概况

1．2．1 随机用户均衡模型研究

1．2．2 Logit型随机用户均衡模型求解算法研究

1．2．3 合理路径集合确定方法研究

1．2．4 国内外研究小结

1．3 研究内容和论文结构

1．3．1 研究的主要内容

1．3．2 论文框架与结构

第2章 Logit型随机用户均衡模型求解方法回顾

2．1 随机用户均衡模型

2．1．1 用户均衡

2．1．2 随机用户均衡

2．2 基于路段变量的求解算法

2．2．1 Dial算法

2．2．2 Bell算法

2．2．3 MSA算法

2．3 基于路径变量的求解算法

2．3．1 MSA算法

2．3．2 非集计单纯形算法

2．3．3 部分线性化算法

2．3．4 梯度投影算法

2．4 合理路径集合的确定方法

2．3．3 路段删除法

2．3．3 路段惩罚法

2．3．3 组合算法及求解实例

2．5 本章小结

第3章 双层部分线性化算法

3．1 问题描述

3．2 算法描述

3．2．1 外层迭代

3．2．2 内层迭代

3．3 算法收敛性分析

3．4 算例分析

3．4．1 算法性能对比

3．4．2 敏感性分析

3．5 本章小结

第4章 对偶算法

4．1 问题描述

4．2 [TAP-SUE]的Lagrange对偶问题

4．3 对偶问题的求解及收敛性分析

4．4 算例分析

4．4．1 算法性能对比

4．4．2 敏感性分析

4．5 本章小结

第5章 改进的截断牛顿算法

5．1 算法描述

5．1．1 主迭代：截断牛顿法

5．1．2 子迭代：预处理共轭梯度法

5．2 算法收敛性及收敛速度分析

5．2．1 算法收敛性证明

5．2．2 算法收敛速度分析

5．3 算法应用于[TAP-SUE]模型

5．3．1 问题描述

5．3．2 确定搜索方向

5．3．3 确定迭代步长

5．3．4 基路径的选取原则

5．4 算例分析

5．4．1 算法性能对比

5．4．2 敏感性分析

5．5 本章小结

第6章 改进的信赖域牛顿算法

6．1 算法描述

6．1．1 主迭代：信赖域牛顿算法

6．1．2 子迭代：传统的Steihaug-Toint算法

6．1．3 子迭代：改进的Steihaug-Toint算法

6．2 算法收敛性及收敛速度分析

6．2．1 算法收敛性证明

6．2．2 算法收敛速度分析

6．3 算法应用于[TAP-SUE]模型

6．3．1 问题描述

6．3．2 确定试探步

6．3．3 确保迭代点为可行点

6．3．4 基路径的选取原则

6．4 算例分析

6．4．1 算法性能对比

6．4．2 敏感性分析

6．5 本章小结

第7章 结论与展望

7．1 论文主要研舡作总结

7．2 论文创新点

7．3 研究展望

附录

致谢

参考文献

攻读博士学位期间发表论文及参与科研情况