資源描述：
《遺傳-模擬退火算法論文：遺傳-模擬退火算法 改進的遺傳-模擬退火算法 公交排班》由會員上傳分享，免費在線閱讀，更多相關內容在行業(yè)資料-天天文庫。
1、遺傳-模擬退火算法論文：改進的遺傳—模擬退火算法在公交排班中的應用【中文摘要】隨著世界城市化進程的發(fā)展及人們生活水平的提高,各大城市中公交問題尤其顯著,而目前我國大部分城市采用的是傳統(tǒng)的手工調度方式,無法滿足乘客出行的需要,因此建立先進、智能化的公交系統(tǒng)是解決該問題的關鍵。而公交車輛智能調度首先要解決的問題則是運營車輛的智能排班。本文重點對改進的遺傳-模擬退火算法(GA-SA)及其在公交智能排班中的應用進行了研究,介紹了遺傳算法(GA)的基本思想、步驟及優(yōu)缺點,模擬退火算法(SA)的思想、步驟及特點,并對將兩者結合之后的GA-SA進行了闡述。本文在GA-SA的基礎上,針對其在編
2、碼操作、選擇操作和模擬退火的降溫操作中存在的不足進行了幾點改進:1)引入真實值編碼;2)將輪盤賭選擇與最優(yōu)解保存策略選擇相結合;3)采用改進的降溫函數(shù),形成了改進的GA-SA算法,從而緩減了GA-SA存在的模型太復雜不利于求解、早熟、容易陷入局部最優(yōu)而提前收斂以及進化緩慢等問題。本文結合公交車輛調度自身的特點,兼顧公交公司與乘客雙方的利益建立公交車輛行車計劃模型,以發(fā)車時刻(真實值)為基因變量進行編碼,對兩個相鄰的發(fā)車間隔之差、最大最小發(fā)車時間間隔、乘客的滿載率等條件進行約束限制。結合實例,應用改進的GA...【英文摘要】Withthedevelopmentoftheworld
3、’surbanizatrionprocessandtheimprovementofpeople’slivingstandards,Busproblemisparticularlysignificantinmajorcities.Butnowthetraditionalmanualschedulingmodeisadoptedinmostofourscities,whichisunabletomeettheneedsofpassengertravelyet.Therefore,anadvancedintelligenttransportationsystemisthekeytos
4、olvingtheproblem.Andtheproblem,tobesolvedfristly,ofthePublicTransportvehiclesintelligentschedulingistheoperationofintelli...【關鍵詞】遺傳-模擬退火算法改進的遺傳-模擬退火算法公交排班【英文關鍵詞】Genetic-simulatedAnnealingAlgorithmTheImprovedGenetic-simulatedAnnealingAlgorithm(GA-SA)BusScheduling【索購全文】聯(lián)系Q1：138113721Q2：1399388
5、48【目錄】改進的遺傳—模擬退火算法在公交排班中的應用摘要7-8ABSTRACT8插圖索引9-10附表索引10-11第1章緒論11-191.1研究背景和意義12-131.2國內外研究現(xiàn)狀13-161.2.1國外研究現(xiàn)狀13-141.2.2國內研究現(xiàn)狀14-161.3研究目標及主要內容16-171.3.1研究目標16-171.3.2研究內容171.4主要創(chuàng)新點17-181.5本文的內容安排18-19第2章遺傳算法和模擬退火算法19-252.1遺傳算法概述192.2遺傳算法基本思想192.3遺傳算法基本步驟19-202.4遺傳算法相關術語20-212.5遺傳算法的優(yōu)缺點21-222
6、.6遺傳算法的應用222.7模擬退火算法概述22-232.8模擬退火算法的基本思想232.9模擬退火算法的特點232.10模擬退火算法的基本步驟23-242.11模擬退火算法的優(yōu)缺點242.12本章小結24-25第3章改進的遺傳-模擬退火算法25-353.1遺傳-模擬退火算法的簡述253.2遺傳-模擬退火算法構成要素25-323.2.1遺傳-模擬退火算法的應用步驟25-263.2.2編碼表示263.2.3適應度函數(shù)26-293.2.4遺傳-模擬退火算子29-323.2.5模擬退火函數(shù)323.3改進的遺傳-模擬退火算法32-343.3.1改進的遺傳-模擬退火算法參數(shù)設置32-33
7、3.3.2改進的遺傳-模擬退火算法終止條件33-343.4本章小結34-35第4章公交排班問題模型設計35-404.1模型的假設364.2問題的描述36-374.3建立數(shù)學模型37-394.3.1建立目標函數(shù)37-384.3.2模型的約束條件38-394.3.3發(fā)車時刻模型394.4本章小結39-40第5章應用改進的遺傳-模擬算法求解公交排班問題40-505.1改進的遺傳-模擬退火算法結構405.2改進的遺傳-模擬退火算法設計40-445.2.1編碼40-415.2.2約束條件的處理41-4
