本文關(guān)鍵詞：基于混合啟發(fā)式算法的單線公交車輛調(diào)度問(wèn)題研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：近年來(lái),隨著城市化進(jìn)程的加快,城市公共交通問(wèn)題也越來(lái)越嚴(yán)重。為了緩解城市交通壓力,就需要大力發(fā)展智能交通,提高公共交通系統(tǒng)的運(yùn)行效率和服務(wù)質(zhì)量。而公交調(diào)度問(wèn)題作為智能交通的核心問(wèn)題之一,對(duì)公交系統(tǒng)的運(yùn)營(yíng)水平和服務(wù)水平具有重大影響。公交調(diào)度問(wèn)題是一個(gè)復(fù)雜的組合優(yōu)化問(wèn)題。由于問(wèn)題的復(fù)雜性,當(dāng)前的公交調(diào)度模型存在著一些不足,這就造成求解的問(wèn)題不太適合實(shí)際情況；同時(shí),當(dāng)前的車輛調(diào)度算法也比較單一,通常使用遺傳算法等智能優(yōu)化算法,缺少對(duì)混合啟發(fā)式算法的研究�；诖�,本文建立了一個(gè)上下行發(fā)車頻率不同的公交組合調(diào)度模型,該模型可以解決不同路段之間以及上行和下行之間的客流不均衡問(wèn)題；進(jìn)而,為了使該模型更具有普遍性,能夠適應(yīng)多種客流需求,又增加了區(qū)間車首站不在始發(fā)站這一因素。同時(shí),提出了一種以粒子群算法和模式搜索算法相結(jié)合的混合啟發(fā)式算法；粒子群算法在許多復(fù)雜的NP-難問(wèn)題上都有很好的表現(xiàn),但是也有著易早熟收斂等缺點(diǎn)；而模式搜索算法卻有著較強(qiáng)的精細(xì)搜索能力,因此將兩者結(jié)合起來(lái)構(gòu)成混合啟發(fā)式算法是合理的。最后,本文在蚌埠公交真實(shí)數(shù)據(jù)集上驗(yàn)證了提出的模型和算法,結(jié)果表明提出的調(diào)度模型和求解方法是有效的。
【關(guān)鍵詞】：智能交通 公交調(diào)度 組合調(diào)度模型 混合啟發(fā)式算法
【學(xué)位授予單位】：北京交通大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP18
【目錄】：

• 致謝5-6
• 摘要6-7
• ABSTRACT7-10
• 1 引言10-16
• 1.1 研究背景及意義10-12
• 1.1.1 公交調(diào)度模型研究的意義11
• 1.1.2 公交調(diào)度算法研究的意義11-12
• 1.2 國(guó)內(nèi)外研究現(xiàn)狀12-14
• 1.2.1 國(guó)外研究現(xiàn)狀12-13
• 1.2.2 國(guó)內(nèi)研究現(xiàn)狀13-14
• 1.3 主要研究?jī)?nèi)容14-15
• 1.4 論文組織結(jié)構(gòu)15-16
• 2 相關(guān)理論基礎(chǔ)16-28
• 2.1 公交調(diào)度概述16-21
• 2.1.1 公交調(diào)度形式16-17
• 2.1.2 公交調(diào)度分類17-18
• 2.1.3 公交調(diào)度影響因素18-19
• 2.1.4 公交調(diào)度相關(guān)技術(shù)19-21
• 2.2 啟發(fā)式算法21-27
• 2.2.1 傳統(tǒng)啟發(fā)式算法22-23
• 2.2.2 元啟發(fā)式算法23-25
• 2.2.3 超啟發(fā)式算法25-27
• 2.3 本章小結(jié)27-28
• 3 公交調(diào)度模型建立28-38
• 3.1 公交調(diào)度優(yōu)化問(wèn)題分析28-29
• 3.1.1 乘客利益分析28-29
• 3.1.2 公司利益分析29
• 3.1.3 公交調(diào)度優(yōu)化問(wèn)題29
• 3.2 組合調(diào)度模型29-33
• 3.2.1 模型假設(shè)29-30
• 3.2.2 模型變量及符號(hào)說(shuō)明30-31
• 3.2.3 目標(biāo)函數(shù)31-33
• 3.3 改進(jìn)的組合調(diào)度模型33-37
• 3.3.1 模型假設(shè)33-34
• 3.3.2 模型變量及符號(hào)說(shuō)明34-35
• 3.3.3 目標(biāo)函數(shù)35-37
• 3.4 本章小結(jié)37-38
• 4 公交調(diào)度模型求解38-42
• 4.1 粒子群優(yōu)化算法38-39
• 4.1.1 基本粒子群優(yōu)化算法38
• 4.1.2 改進(jìn)的粒子群優(yōu)化算法38-39
• 4.2 模式搜索算法39-40
• 4.2.1 基本模式搜索算法39
• 4.2.2 改進(jìn)的模式搜索算法39-40
• 4.3 混合啟發(fā)式算法40
• 4.4 本章小結(jié)40-42
• 5 實(shí)驗(yàn)與分析42-52
• 5.1 數(shù)據(jù)集42-46
• 5.1.1 數(shù)據(jù)處理43-46
• 5.1.2 實(shí)驗(yàn)環(huán)境46
• 5.2 實(shí)驗(yàn)結(jié)果及分析46-51
• 5.2.1 論文數(shù)據(jù)的實(shí)驗(yàn)結(jié)果47-48
• 5.2.2 蚌埠數(shù)據(jù)的實(shí)驗(yàn)結(jié)果48-51
• 5.3 本章小結(jié)51-52
• 6 結(jié)論52-54
• 6.1 論文工作總結(jié)52
• 6.2 不足與展望52-54
• 參考文獻(xiàn)54-57
• 作者簡(jiǎn)歷及攻讀碩士學(xué)位期間取得的研究成果57-59
• 學(xué)位論文數(shù)據(jù)集59

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 鄒龍;利用阿德蘭啟發(fā)式算法進(jìn)行郵政選址[J];通信企業(yè)管理;2003年03期

2 李克文,吳孟達(dá),張雄明;約簡(jiǎn)的一種啟發(fā)式算法[J];計(jì)算機(jī)工程與科學(xué);2004年01期

3 宋萬(wàn)忠;;一種改進(jìn)的多機(jī)場(chǎng)地面等待啟發(fā)式算法[J];計(jì)算機(jī)應(yīng)用;2007年S1期

4 周旭東;王麗愛;陳];;啟發(fā)式算法求解最大團(tuán)問(wèn)題研究[J];計(jì)算機(jī)工程與設(shè)計(jì);2007年18期

5 徐亞;陳秋雙;龍磊;楊立志;劉麗蕓;;集裝箱倒箱問(wèn)題的啟發(fā)式算法研究[J];系統(tǒng)仿真學(xué)報(bào);2008年14期

6 熊盛武;丁威;;基于啟發(fā)式算法的時(shí)間延伸網(wǎng)絡(luò)研究與應(yīng)用[J];武漢理工大學(xué)學(xué)報(bào)(信息與管理工程版);2009年06期

7 鐘琪;;基于啟發(fā)式算法的任務(wù)分解策略[J];煤炭技術(shù);2010年12期

8 李亞志;朱夏;;基于插入-分段的無(wú)等待流水作業(yè)調(diào)度復(fù)合啟發(fā)式算法[J];東南大學(xué)學(xué)報(bào)(自然科學(xué)版);2013年03期

9 鄭惠莉;劉陳;;一維邏輯陳列柵安置的啟發(fā)式算法[J];華東冶金學(xué)院學(xué)報(bào);1990年03期

10 唐立新;祁慧;楊自厚;王夢(mèng)光;;基于P-中位模型的聚類分析的拉格朗日啟發(fā)式算法[J];模式識(shí)別與人工智能;1997年01期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前10條

1 羅守成;唐國(guó)春;;二維集裝箱問(wèn)題的一個(gè)啟發(fā)式算法[A];2001年全國(guó)數(shù)學(xué)規(guī)劃及運(yùn)籌研討會(huì)論文集[C];2001年

2 劉青松;孔云峰;黨蘭學(xué);王震;;元啟發(fā)式算法在校車路徑規(guī)劃中的應(yīng)用[A];第七屆全國(guó)地理學(xué)研究生學(xué)術(shù)年會(huì)論文摘要集[C];2012年

3 劉嘉敏;馬廣煜;黃有群;;基于組合的三維集裝箱裝入啟發(fā)式算法的研究[A];全國(guó)第13屆計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)（CAD/CG）學(xué)術(shù)會(huì)議論文集[C];2004年

4 何正文;徐渝;;多模式項(xiàng)目支付進(jìn)度問(wèn)題的優(yōu)化模型及啟發(fā)式算法[A];中國(guó)運(yùn)籌學(xué)會(huì)第七屆學(xué)術(shù)交流會(huì)論文集（上卷）[C];2004年

5 趙文丹;汪定偉;郭小萍;王貴成;;網(wǎng)絡(luò)廣告資源優(yōu)化問(wèn)題研究[A];第二十九屆中國(guó)控制會(huì)議論文集[C];2010年

6 楊士準(zhǔn);謝政;陳摯;熊李軍;;k約束QoS問(wèn)題的啟發(fā)式算法[A];中國(guó)通信學(xué)會(huì)第六屆學(xué)術(shù)年會(huì)論文集（下）[C];2009年

7 劉金朋;魏長(zhǎng)江;;啟發(fā)式算法求最短路徑的一種高效率實(shí)現(xiàn)方法[A];2007北京地區(qū)高校研究生學(xué)術(shù)交流會(huì)通信與信息技術(shù)會(huì)議論文集（上冊(cè)）[C];2008年

8 范敏;鄒平;朱興東;;一種啟發(fā)式離散化算法及其Delphi實(shí)現(xiàn)[A];第二屆中國(guó)智能計(jì)算大會(huì)論文集[C];2008年

9 王文瀚;杜斌;朱俊;賈樹晉;;集成MILP與啟發(fā)式的混合算法求解板坯設(shè)計(jì)問(wèn)題[A];中國(guó)計(jì)量協(xié)會(huì)冶金分會(huì)2012年會(huì)暨能源計(jì)量與節(jié)能降耗經(jīng)驗(yàn)交流會(huì)論文集[C];2012年

10 馮德鴻;唐加福;郭琦;李輝;;訂貨批量問(wèn)題改進(jìn)的相關(guān)策略啟發(fā)式算法與仿真分析[A];2007系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2007年

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前8條

1 賴向京;原子團(tuán)簇結(jié)構(gòu)預(yù)測(cè)的現(xiàn)實(shí)途徑—高性能啟發(fā)式算法[D];華中科技大學(xué);2012年

2 黎展滔;具有成組約束的柔性流水車間作業(yè)計(jì)劃制定的啟發(fā)式算法[D];廣東工業(yè)大學(xué);2012年

3 曹斌;生物啟發(fā)式智能計(jì)算及其應(yīng)用的研究[D];吉林大學(xué);2012年

4 董興業(yè);啟發(fā)式算法及其在同順序流水作業(yè)問(wèn)題中的應(yīng)用[D];北京交通大學(xué);2008年

5 古繼興;KOD多播技術(shù)與Steiner樹啟發(fā)式算法[D];上海交通大學(xué);2007年

6 胡大偉;設(shè)施定位和車輛路線問(wèn)題模型及其啟發(fā)式算法研究[D];長(zhǎng)安大學(xué);2008年

7 楊玉珍;基于元啟發(fā)式算法的帶生產(chǎn)約束作業(yè)車間調(diào)度問(wèn)題若干研究[D];華東理工大學(xué);2014年

8 任志磊;組合優(yōu)化問(wèn)題的特化與泛化算法設(shè)計(jì)[D];大連理工大學(xué);2013年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 朱璽睿;氯氧鎂板材生產(chǎn)線優(yōu)化研究[D];東北林業(yè)大學(xué);2015年

2 尹青山;綠色微數(shù)據(jù)中心與NGPON融合網(wǎng)絡(luò)部署規(guī)劃研究[D];大連海事大學(xué);2015年

3 石闖;基于啟發(fā)式算法的Ad Hoc網(wǎng)絡(luò)QoS路由協(xié)議的研究與仿真[D];東北大學(xué);2013年

4 劉暢;基于混合啟發(fā)式算法的單線公交車輛調(diào)度問(wèn)題研究[D];北京交通大學(xué);2016年

5 唐成;運(yùn)輸優(yōu)化問(wèn)題中常見啟發(fā)式算法比較與研究[D];西南交通大學(xué);2014年

6 姜毅;擾動(dòng)型超啟發(fā)式算法的適應(yīng)度地貌分析[D];大連理工大學(xué);2013年

7 劉永凱;課表安排問(wèn)題的啟發(fā)式算法研究[D];廈門大學(xué);2009年

8 陳雪瑛;基于啟發(fā)式算法的庫(kù)存路徑優(yōu)化問(wèn)題研究[D];北京交通大學(xué);2008年

9 孔樹鋒;啟發(fā)式算法求解最大割問(wèn)題的性能分析與優(yōu)化[D];華南理工大學(xué);2014年

10 阮廣璇;汽車租賃行業(yè)超售決策的啟發(fā)式算法研究[D];西南交通大學(xué);2011年

  本文關(guān)鍵詞：基于混合啟發(fā)式算法的單線公交車輛調(diào)度問(wèn)題研究，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：273719