文摘
英文文摘
上海交通大学学位论文原创性声明及学位论文版权使用授权书
第1章绪论
1.1概述
1.2课题研究背景、目的和意义
1.3车辆定位与调度的有关技术发展现状
1.3.1车载导航系统的定位信息获取方式
1.3.2车载导航系统用传感器
1.3.3车辆导航系统模型
1.3.4车辆导航系统的定位信息处理技术
1.3.5车辆调度的算法研究
1.4本文主要内容
第2章非线性滤波技术在车辆定位中的应用研究
2.1概述
2.2贝叶斯统计和贝叶斯估计
2.2.1贝叶斯统计
2.2.2递推贝叶斯估计
2.2.3贝叶斯最优滤波
2.3扩展卡尔曼滤波
2.4数字近似方法
2.5蒙特卡洛技术
2.6蒙特卡洛采样
2.6.1重要性采样
2.6.2序列重要性采样
2.7序列重要性采样粒子滤波
2.7.1退化问题
2.7.2重要性密度选择
2.7.3重采样
2.8采样重要性重采样粒子滤波
2.9 SIRPF在车辆定位中的应用
2.9.1 GPS/DR组合导航系统模型
2.9.2仿真实验及结果分析
2.9.3小车实验及结果分析
2.10本章小结
第3章多模型估计在车辆定位中的应用研究
3.1概述
3.2多模型方法
3.3动态多模型估计
3.3.1一阶广义伪贝叶斯方法
3.3.2二阶广义伪贝叶斯方法
3.3.3交互式多模型方法
3.4交互式多模型粒子滤波
3.4.1物体状态模型
3.4.2交互式多模型粒子滤波算法
3.5物体的运动状态模型
3.5.1匀速运动模型
3.5.2匀加速运动模型
3.5.3转弯模型
3.6交互式多模型粒子滤波在车辆定位中的应用
3.6.1运动物体两模型仿真
3.6.2运动物体三模型仿真
3.6.3小车实验及结果分析
3.7本章小结
第4章智能优化算法研究
4.1概述
4.2遗传算法
4.2.1遗传算法的基本流程
4.2.2遗传算法设计
4.2.3遗传算法的收敛性
4.3蚁群算法
4.3.1蚂蚁算法流程
4.3.2蚁群算法
4.4禁忌搜索算法
4.4.1禁忌搜索原理
4.4.2禁忌搜索算法流程
4.4.3禁忌算法的主要概念
4.4.4集中搜索和分散搜索策略
4.5智能优化算法搜索机理
4.6交叉禁忌算法
4.7本章小结
第5章智能优化算法在车辆调度中的应用研究
5.1概述
5.2车辆调度问题
5.2.1车辆调度问题分类
5.2.2车辆调度问题模型
5.3 VRP的解算方法
5.3.1确定性方法
5.3.2启发式算法
5.3.3 2-相位算法
5.3.4 Sweep启发式算法
5.3.5智能优化算法
5.4旅行商问题
5.5蚁群算法对TSP的求解
5.6禁忌算法对TSP的求解
5.6.1 k-OPT邻域操作
5.6.2集中搜索策略——优解选择法
5.6.3交叉禁忌算法在TSP中的应用
5.7 TSP实例解算
5.8车辆调度问题
5.8.1邻域范围
5.8.2邻域操作
5.8.3目标函数
5.8.4参数的自适应可调性
5.8.5交叉禁忌算法在车辆调度问题中的应用
5.8.6实例解算
5.9本章小结
第6章总结与展望
致 谢
参考文献
博士期间发表的论文