遗传算法在公路路线智能决策系统中的应用研究

论文摘要

公路选线在公路设计工作中占有重要的地位。选线质量决定着公路的工程费用和维护费用,而且与交通安全关系很大。传统的公路选线大部分由人工完成,存在主观性缺陷,而且长期的线形设计,使得设计人员凭借经验设计线形,缺乏创新。随着计算机技术的普及和优化技术的迅速发展,使得计算机智能选线成为可能。本文结合公路选线的现状和最优化技术的发展趋势,以解决上述问题为目标,对智能选线展开了研究。从智能选线的内涵出发,选取特点鲜明的遗传算法作为优化技术,以地理信息系统(简称GIS)为平台,对给定区域内,无控制点和有控制点两种情况下的平面线形进行优化。总结了遗传算法的基本原理、特点和关键的实现技术,并根据公路选线的特点,确定了遗传算法的流程和遗传过程中的遗传参数和遗传算子。对系统的运行数据进行了处理,实现了遗传算法与GIS平台接口,并编制了程序。本文的技术特色有两个:1.自定义了遗传算法的适应度函数。2.首次在路线优化过程中加入了控制点,使得智能选线更贴近实际。通过系统实验验证,本系统能够达到平面线形优化的要求,具有实用价值。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 课题提出
• 1.1.1 传统选线的思考
• 1.1.2 优化技术的发展
• 1.2 研究现状
• 1.2.1 国外的研究现状
• 1.2.2 国内的研究现状
• 1.2.3 国内外研究总结
• 1.3 研究目的、意义
• 1.4 研究内容
• 第二章 遗传算法的基本理论
• 2.1 遗传算法的基本概念
• 2.2 遗传算法的发展过程
• 2.3 遗传算法的特点
• 2.4 遗传算法的原理
• 2.4.1 基本遗传算法描述
• 2.4.2 基本遗传算法的构成要素
• 2.4.3 基本遗传算法伪代码描述及形式化定义
• 2.5 遗传算法的流程
• 2.6 遗传算法的实现技术
• 2.7 遗传算法在应用中需解决的关键问题
• 第三章 遗传算法在平面线形优化中的应用
• 3.1 无控制点的平面线形优化
• 3.1.1 编码方式
• 3.1.2 初始种群的产生
• 3.1.3 适应度函数
• 3.1.4 遗传操作
• 3.2 有控制点平面线形优化
• 3.2.1 基因编码
• 3.2.2 初始种群的产生
• 3.2.3 适应度函数
• 3.2.4 遗传操作
• 第四章 数据处理及系统试验分析
• 4.1 数据结构设计
• 4.2 数据库设计
• 4.2.1 路线决策系统数据库设计的特点
• 4.2.2 路线智能决策系统数据库的设计要求
• 4.2.3 系统整体框架
• 4.2.4 数据表设计
• 4.3 GIS 接口算法
• 4.3.1 路线与路、河等交叉点统计算法
• 4.3.2 路线占地面积统计算法
• 4.4 系统试验及评价
• 4.4.1 系统开发环境
• 4.4.2 实验参数设置
• 4.4.3 试验分析及评价
• 结论
• 参考文献
• 致谢