首页> 中文学位 >改进蚁群算法在智能交通系统领域中的应用研究
【6h】

改进蚁群算法在智能交通系统领域中的应用研究

代理获取

目录

声明

摘要

第1章 绪论

1.1 课题背景及意义

1.2 ITS的发展概况

1.2.1 国外智能交通系统的发展

1.2.2 国内智能交通系统的发展

1.3 智能交通系统的组成

1.4 论文的结构

1.5 本章小结

第2章 基本蚁群算法

2.1 蚁群算法概述

2.2 蚁群算法的基本原理

2.3 蚁群算法的特点

2.4 蚁群算法模型与实现过程

2.5 影响蚁群算法的相关因素

2.6 基本蚁群算法的性能仿真验证

2.7 本章小结

第3章 基于奖惩策略的遗传蚁群算法

3.1 遗传算法概述

3.1.1 遗传算法的基本原理

3.1.2 遗传算法的基本操作与实现过程

3.1.3 遗传算法的特点

3.2 基于奖惩策略的遗传蚁群算法

3.2.1 算法构成分析

3.2.2 改进算法的应用过程

3.2.3 算法实现步骤

3.3 遗传蚁群算法的仿真验证

3.4 本章小结

第4章 改进蚁群算法在VRP问题中的应用

4.1 VRP问题概述

4.1.1 VRP问题的提出

4.1.2 VRP问题的一般描述

4.1.3 VRP问题的经典数学模型

4.2 基本蚁群算法的改进策略

4.2.1 蚁群算法路径选择的改进

4.2.2 改进的信息素更新策略

4.2.3 基于信息素扩散的改进

4.2.4 初始解的启发

4.3 改进蚁群算法的实现步骤

4.4 改进蚁群算法的仿真验证

4.5 本章小结

第5章 结论

5.1 主要研究工作

5.2 进一步研究工作

参考文献

致谢

展开▼

摘要

为了解决日益严重的交通问题,综合应用先进信息技术、通信技术、电子控制以及计算机技术的智能交通系统应运而生。最优路径规划问题是智能交通系统中最重要的一类问题,目前一些智能优化算法用来解决该问题,然后依然存在一些不足,针对该问题,本文主要工作包括:首先建立智能交通系统中最优路径规划问题的数学模型,然后应用蚊群算法来求解该优化模型;为进一步高精度求解该优化模型,通过仿真实验研究蚁群算法中参数对最优路径规划问题的解的性能影响;为提高蚁群算法在最优路径规划问题的应用性,结合遗传算法特点,首先应用遗传算法生成初始信息素分布,然后利用蚁群算法进行求解,同时将奖惩机制引入参数选择中,实现相关参数的动态更新;最后,本文对一般路径优化问题进行了数学分析,建立两种经典的VRP数学模型,然后应用改进后的蚁群算法求解该优化模型,最后通过仿真实验验证该方法有效性。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
代理获取

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号