文献综述
一、研究背景及意义
当前，科学技术快速发展，城市轨道交通也是日新月异。目前,我国城市轨道交通的建设处于一个飞速发展的时期,城市轨道交通路网规模日益增大,其复杂性也日益增加。随着我国加大力度进行城市轨道交通网络的建设，运营管理的要求也在不断提高。随着经济的快速发展，城市化进程的加快，城市空间格局呈组团式发展形成多中心城市群，如京津冀、珠三角、长三角、长株潭等城市群。快速发达的综合运输网络为城市群的发展起到了巨大的支撑作用。以轨道交通为载体的综合交通运输网络是城镇化，区域经济一体化的重要支撑，是增强城市群综合承载能力，实现城市群可持续发展的有效途径[17]。客流是城市轨道交通管理的基础，是城市轨道交通路网运营规划的重要依据，科学计算和分析客流在网络上的分布情况是解决票款清分清算、网络运营协调、列车运行图编制、运营风险控制，以及突发事件应急处置等一系列重要问题的前提和依据。Dial算法是求解非拥挤交通网络随机配流问题的常用算法之一, 该算法的配流结果满足 Logit 模式, 且无需列举路径, 因此适用于大规模交通网络。城市轨道交通乘客出行路径集是否正确，是乘客路径选择估计以及网络客流分布计算的前提和基础。
本次毕业设计通过开展对影响城市轨道交通乘客路径选择的因素进行分析，分析乘客路径选择行为随轨道交通网络结构改变的变化，影响城市轨道交通乘客路径选择的因素，以及城市轨道交通有效路径搜索方法，对出行的广义费用进行制定，研究城市轨道交通有效路径搜索方法。
二、国内外研究历史与成果
E. W. Dijkstra 在 1959 年提出的最短路径搜索算法 Dijkstra算法、Floyd 算法。
现阶段，国内城市轨道交通系统广泛采用一类基于多路径的出行路径选择估计模型，该模型考虑OD间K短路径的搜索，对其合理性进行判断并生成有效路径集，而后在有效路径中进行路径选择估计，包含了有效路径集生成和路径选择估计两部分。
近年来，随着对人工智能算法研究的不断深入，出现了很多基于智能算法的路径生成算法，如遗传算法、蚁群算法等。
遗传算法(Genetic Algorithm, GA)是一种模拟自然选择和遗传机制的寻优程序,它是20世纪60年代,由美国密歇根大学(University of Michigan)的J.H.Holland教授在其1975年出版的专著《自然系统和人工系统的自适应性》(《Adaptation inNatural and Artificial Systems》）中首先提出的，标志着的遗传算法的诞生。自1985年召开的一次国际遗传算法学术会议以来，在一些以机器学习、人工智能、神经网络等为主体的国际学术会议上，均有遗传算法分组会议，且遗传算法理论及应用方面的专著也相继出版，其中，D.E.Golderg于1989年出版的的著作《Genetic Algorithmsin Search，Optimization，and Machine Learning》是最有影响的专著之一，此书总结了遗传算法研究的主要成果，包括算法及其应用都作了全面、系统地论述。近年来，遗传算法己经成为人工智能研究的一个重要分支，在很多领域得到了应用。其中自动控制是遗传算法最为活跃的领域之一。马均水等和Rudolph研究了遗传算法的过早陷入局部最优(即通常所谓“早熟”)和收敛速度慢等缺陷，前者采用大变异策略防止了“早熟”，后者用精英选择策略提高了收敛速度，但都没有同时解决遗传算法的2个缺点。为了同时解决算法“早熟”和收敛速度慢的缺点，陈康等有关改进遗传算法的研究，以简单遗传算法为基础，改进了选择、交叉和变异算子，即针对质押物配送路径优化问题提出基于序的选择算子，基于最小代价树的交叉算子和基于随机点长度控制的变异算子来加快搜索速度和防止种群早熟。通过实例验证和性能分析，改进的遗传算法同时解决了前述两个缺点。
蚁群系统(Ant System或Ant Colony System)是由意大利学者Dorigo、Maniezzo等人于20世纪90年代首先提出来的。将蚁群算法应用于解决优化问题的基本思路为：用蚂蚁的行走路径表示待优化问题的可行解，整个蚂蚁群体的所有路径构成待优化问题的解空间。路径较短的蚂蚁释放的信息素量较多，随着时间的推进，较短的路径上累积的信息素浓度逐渐增高，选择该路径的蚂蚁个数也愈来愈多。最终，整个蚂蚁会在正反馈的作用下集中到最佳的路径上，此时对应的便是待优化问题的最优解。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
