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

第1章 緒論
1．1 問題背景及研究工作的意義
1．2 研究目標(biāo)與研究內(nèi)容
1．2．1 研究目標(biāo)
1．2．2 研究內(nèi)容
1．3 研究的技術(shù)路線
1．4 主要研究成果
1．5 本章小結(jié)
第2章 公交時刻表設(shè)計問題的研究綜述
2．1 公交規(guī)劃過程的基本要素
2．2 公交規(guī)劃過程相關(guān)問題的概述
2．3 公交時刻表構(gòu)成要素
2．3．1 發(fā)車間隔方針
2．3．2 發(fā)車時間的靈活性
2．3．3 車輛行駛時間特征
2．3．4 協(xié)同換乘方式
2．3．5 時刻表設(shè)計的目標(biāo)
2．4 公交時刻表設(shè)計問題的研究綜述
2．4．1 公交線路時刻表設(shè)計綜述
2．4．2 公交網(wǎng)絡(luò)時刻表協(xié)同設(shè)計綜述
2．4．3 現(xiàn)有研究的不足
2．5 本章小結(jié)
第3章 隨機(jī)行駛時間下公交時刻表設(shè)計中不同運(yùn)行策略比較分析
3．1 引言
3．2 隨機(jī)行駛時間下公交時刻表設(shè)計
3．3 隨機(jī)行駛時間下公交時刻表設(shè)計的一般模型
3．3．1 符號定義
3．3．2 隨機(jī)行駛時間下公交時刻表設(shè)計的問題描述
3．3．3 嵌入不同運(yùn)行策略的隨機(jī)行駛時間下公交時刻表設(shè)計模型
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 考慮超時行駛費(fèi)用和駐站策略的公交時刻表設(shè)計模型
3．6 實(shí)驗算例與結(jié)果分析
3．6．1 算例設(shè)計
3．6．2 基于Monte Carlo仿真方法的收斂性
3．6．3 不同運(yùn)行策略對總時刻表偏差的影響
3，6．4 不同運(yùn)行策略對松弛時間的影響
3．6．5 不同運(yùn)行策略對線路計劃行駛時間的影響
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)車間隔的公交時刻表協(xié)同設(shè)計優(yōu)化方法
4．1 引言
4．2 考慮不均勻發(fā)車問隔的公交時刻表協(xié)同設(shè)計的數(shù)學(xué)模型
4．2．1 問題描述
4．2．2 符號定義
4．2．3 車輛協(xié)同方式的定義
4．2．4 換乘等待時間的數(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)驗算例與結(jié)果分析
4．4．1 算例設(shè)計
4．4．2 實(shí)驗與結(jié)果分析
4．5 本章小結(jié)
第5章 考慮加入松弛時間的公交時刻表協(xié)同設(shè)計優(yōu)化方法
5．1 引言
5．2 考慮加入松弛時間的公交時刻表協(xié)同設(shè)計的數(shù)學(xué)模型
5．2．1 問題的描述與假設(shè)
5．2．2 符號定義
5．2．3 車輛在換乘站點(diǎn)的發(fā)車時間
5．2．4 不同類型乘客的等待時間
5．2．5 隨機(jī)混合整數(shù)規(guī)劃模型
5．3 模型分析和計算復(fù)雜性
5．3．1 模型特征
5．3．2 計算復(fù)雜性
5．4 嵌入局部搜索的改進(jìn)遺傳算法設(shè)計
5．4．1 遺傳算法簡介
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)過程
5．5 實(shí)驗算例與結(jié)果分析
5．5．1 小規(guī)模算例與求解結(jié)果
5．5．2 針對小規(guī)模算例模型的有效性分析
5．5．3 不同類型乘客數(shù)對模型有效性的影響
5．5．4 針對不同規(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)公交時刻表協(xié)同設(shè)計：模型、復(fù)雜性和方法
6．1 問題背景
6．2 多目標(biāo)優(yōu)化問題求解算法概述
6．3 多目標(biāo)公交時刻表協(xié)同設(shè)計的數(shù)學(xué)模型
6．3．1 問題描述與假設(shè)
6．3．2 符號定義
6．3．3 數(shù)學(xué)模型
6．4 模型特征和計算復(fù)雜性
6．4．1 模型特征
6．4．2 計算復(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
6．5．1 NSGA-Ⅱ算法描述
6．5．2 染色體編碼
6．5．3 解的評價與選擇
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)驗算例
6．6．1 算例與參數(shù)設(shè)計
6．6．2 針對小規(guī)模算例算法的性能分析
6．6．3 針對實(shí)際公交網(wǎng)絡(luò)算法的性能分析
6．6．4 發(fā)車間隔偏移量對帕累托解的影響
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 未來研究展望
參考文獻(xiàn)
后記