摘要3-5
Abstract5-10
第一章 绪论10-20
1.1 选题背景10-12
1.2 探讨近况12-16
1.2.1 国外及地区探讨近况12-13
1.2.2 国内探讨近况13-16
1.2.3 旅客列车开行案例探讨近况浅析16
1.3 本论文工作16-20
1.3.1 论文主要探讨内容16-17
1.3.2 论文组织结构17-20
第二章 多目标优化基础论述20-36
2.1 多目标优化探讨背景20-21
2.2 论述基础21-26
2.2.1 多目标不足数学定义21-23
2.2.2 多目标优化不足解的评价23-26
2.3 既有多目标优化策略的分类探讨26-35
2.3.1 基于历程的分类26-29
2.3.2 基于选择的分类29-34
2.3.3 既有多目标优化策略浅析34-35
2.4 本章小结35-36
第三章 改善的多目标量子遗传算法36-59
3.1 量子遗传算法36-45
3.1.1 量子计算36-37
3.1.2 量子遗传算法基本原理37-40
3.1.3 量子遗传算法流程40-44
3.1.4 量子遗传算法性能浅析44-45
3.2 改善的多目标量子遗传算法45-51
3.2.1 染色体编码和种群初始化45-46
3.2.2 H 门量子更新对策46-47
3.2.3 概率迁移群体47-48
3.2.4 约束违反度48
3.2.5 栅格化归档群体48-50
3.2.6 量子交叉50
3.2.7 算法流程50-51
3.3 算法性能浅析51-58
3.3.1 收敛性浅析51-53
3.3.2 多样性浅析53-55
3.3.3 带约束函数优化55-58
3.4 本章小结58-59
第四章 铁路客运量双层次浅析及客流预测59-84
4.1 铁路客流浅析59-64
4.1.1 铁路客流特点59-61
4.1.2 铁路客流属性61-62
4.1.3 铁路客流组成62-64
4.2 铁路客流双层次数据浅析64-66
4.2.1 日数据64-65
4.2.2 月数据65-66
4.3 基于 BP 神经网络的走势客流预测模型66-71
4.3.1 输入变量处理66-67
4.3.2 BP 神经网络客流预测模型67-68
4.3.3 模型原理及算法流程68-70
4.3.4 预测模型性能浅析70-71
4.4 双层次正交神经网络走势客流预测模型71-74
4.4.1 双层次 BP 神经网络预测模型设计72-73
4.4.2 虚拟层改善对策73-74
4.5 BLON 模型客流预测实验74-76
4.6 基于 BLON 模型的 2015 年京沪走廊相关路网 OD 客流预测76-82
4.6.1 京沪客运走廊相关路网76-78
4.6.2 路网走势客流预测78-81
4.6.3 路网诱增客流预测81-82
4.7 本章小结82-84
第五章 旅客列车开行案例多目标优化建模84-98
5.1 直通旅客列车开行案例拟定84-87
5.1.1 旅客列车开行案例拟定原则84-86
5.1.2 旅客列车开行案例拟定流程86-87
5.2 旅客列车开行案例优化不足描述87-88
5.3 旅客列车开行案例优化目标函数88-94
5.3.1 市场效益目标88-90
5.3.2 经济效益目标90-92
5.3.3 社会效益目标92-94
5.4 旅客列车开行案例约束条件94-96
5.4.1 列车属性约束94-95
5.4.2 车站能力约束95
5.4.3 区间通过能力约束95-96
5.5 旅客列车开行案例多目标优化模型96-97
5.6 本章小结97-98
第六章 基于改善多目标量子遗传算法的旅客列车开行案例优化98-114
6.1 旅客列车开行案例求解对策和检测设98-99
6.2 旅客列车开行案例多目标优化模型求解历程99-106
6.2.1 旅客列车开行案例拟定99-103
6.2.2 基于多目标量子遗传算法的多目标开行案例优化103-105
6.2.3 旅客列车开行案例拟定及优化总体流程105-106
6.3 2015 年京沪客运走廊相关路网旅客列车开行案例106-113
6.3.1 确定列车开行起迄点107
6.3.2 确定开行数量及列车等级107-109
6.3.3 旅客列车开行案例 Pareto 解集109-110
6.3.4 确定列车停站案例110-113
6.4 本章小结113-114
第七章 结论与展望114-118
7.1 本论文工作114-115
7.2 革新点115-116
7.3 探讨展望116-118