- 作 者：吴影辉著
- 出 版 社：镇江：江苏大学出版社
- 出版年份：2017
- ISBN：9787568404587
- 标注页数：152 页
- PDF页数：164 页
请阅读订购服务说明与试读!
订购服务说明
1、本站所有的书默认都是PDF格式，该格式图书只能阅读和打印，不能再次编辑。
2、除分上下册或者多册的情况下，一般PDF页数一定要大于标注页数才建议下单购买。【本资源164 ≥152页】
图书下载及付费说明
1、所有的电子图书为PDF格式，支持电脑、手机、平板等各类电子设备阅读；可以任意拷贝文件到不同的阅读设备里进行阅读。
2、电子图书在提交订单后一般半小时内处理完成,最晚48小时内处理完成。(非工作日购买会延迟)
3、所有的电子图书都是原书直接扫描方式制作而成。
第1章 绪论 1
1.1 问题背景及研究工作的意义 1
1.2 研究目标与研究内容 4
1.2.1 研究目标 4
1.2.2 研究内容 5
1.3 研究的技术路线 6
1.4 主要研究成果 8
1.5 本章小结 10
第2章 公交时刻表设计问题的研究综述 11
2.1 公交规划过程的基本要素 11
2.2 公交规划过程相关问题的概述 15
2.3 公交时刻表构成要素 21
2.3.1 发车间隔方针 22
2.3.2 发车时间的灵活性 23
2.3.3 车辆行驶时间特征 24
2.3.4 协同换乘方式 24
2.3.5 时刻表设计的目标 25
2.4 公交时刻表设计问题的研究综述 27
2.4.1 公交线路时刻表设计综述 27
2.4.2 公交网络时刻表协同设计综述 29
2.4.3 现有研究的不足 32
2.5 本章小结 33
第3章 随机行驶时间下公交时刻表设计中不同运行策略比较分析 34
3.1 引言 34
3.2 随机行驶时间下公交时刻表设计 35
3.3 随机行驶时间下公交时刻表设计的一般模型 36
3.3.1 符号定义 36
3.3.2 随机行驶时间下公交时刻表设计的问题描述 37
3.3.3 嵌入不同运行策略的随机行驶时间下公交时刻表设计模型 39
3.3.4 不同运行策略的数学描述 40
3.4 基于Monte Carlo仿真的求解方法 42
3.5 考虑超时行驶费用和驻站策略的公交时刻表设计模型 44
3.6 实验算例与结果分析 46
3.6.1 算例设计 46
3.6.2 基于Monte Carlo仿真方法的收敛性 48
3.6.3 不同运行策略对总时刻表偏差的影响 49
3.6.4 不同运行策略对松弛时间的影响 50
3.6.5 不同运行策略对线路计划行驶时间的影响 52
3.6.6 参数灵敏度分析 53
3.7 本章小结 56
第4章 考虑不均匀发车间隔的公交时刻表协同设计优化方法 58
4.1 引言 58
4.2 考虑不均匀发车间隔的公交时刻表协同设计的数学模型 59
4.2.1 问题描述 59
4.2.2 符号定义 60
4.2.3 车辆协同方式的定义 61
4.2.4 换乘等待时间的数学描述 61
4.2.5 数学模型 63
4.3 模型分析 63
4.3.1 计算复杂性分析 63
4.3.2 可行解的空间特征 64
4.3.3 求解模型的预处理方法 65
4.4 实验算例与结果分析 66
4.4.1 算例设计 66
4.4.2 实验与结果分析 67
4.5 本章小结 68
第5章 考虑加入松弛时间的公交时刻表协同设计优化方法 69
5.1 引言 69
5.2 考虑加入松弛时间的公交时刻表协同设计的数学模型 70
5.2.1 问题的描述与假设 70
5.2.2 符号定义 72
5.2.3 车辆在换乘站点的发车时间 74
5.2.4 不同类型乘客的等待时间 75
5.2.5 随机混合整数规划模型 76
5.3 模型分析和计算复杂性 77
5.3.1 模型特征 77
5.3.2 计算复杂性 79
5.4 嵌入局部搜索的改进遗传算法设计 80
5.4.1 遗传算法简介 81
5.4.2 染色体编码 82
5.4.3 初始种群的生成 82
5.4.4 适值函数 83
5.4.5 交叉操作 84
5.4.6 变异操作 85
5.4.7 精英保留策略 85
5.4.8 局部搜索策略 85
5.4.9 嵌入局部搜索的遗传算法总体实现过程 86
5.5 实验算例与结果分析 88
5.5.1 小规模算例与求解结果 88
5.5.2 针对小规模算例模型的有效性分析 91
5.5.3 不同类型乘客数对模型有效性的影响 93
5.5.4 针对不同规模算例模型的有效性分析 94
5.5.5 求解算法的性能分析 95
5.6 本章小结 96
第6章 多目标公交时刻表协同设计：模型、复杂性和方法 97
6.1 问题背景 97
6.2 多目标优化问题求解算法概述 99
6.3 多目标公交时刻表协同设计的数学模型 100
6.3.1 问题描述与假设 100
6.3.2 符号定义 102
6.3.3 数学模型 103
6.4 模型特征和计算复杂性 104
6.4.1 模型特征 104
6.4.2 计算复杂性 107
6.4.3 帕累托前沿 108
6.5 基于NSGA-Ⅱ的求解算法设计 110
6.5.1 NSGA-Ⅱ算法描述 110
6.5.2 染色体编码 112
6.5.3 解的评价与选择 114
6.5.4 交叉 114
6.5.5 变异 115
6.5.6 父代与后代种群合并 115
6.5.7 基于NSGA-Ⅱ的算法流程 116
6.6 实验算例 118
6.6.1 算例与参数设计 119
6.6.2 针对小规模算例算法的性能分析 120
6.6.3 针对实际公交网络算法的性能分析 124
6.6.4 发车间隔偏移量对帕累托解的影响 125
6.7 本章小结 126
第7章 总结与展望 127
7.1 研究工作总结 127
7.2 未来研究展望 129
参考文献 130
后记 151