基于GIS的公路应急资源调度最优路径分析模型

本文针对公路抗灾抢险时对实时动态网络最优运输路径查询的需求,提出了基于GIS的公路应急资源调度最优路径分析模型。该模型以公路路网基础数据和电子地图为基础,建立基于GIS的动态道路网络。同时,对于经典的Dijkstra算法无法求解出实时动态的网络地图的最优路径问题,提出结合交通流状况对道路通行的影响,加入最小通行阻抗这一概念对Dijkstra算法进行了改进和优化。优化后的Dijkstra算法能够更好地提供动态网络地图的最优运输路径分析功能并成功应用于此模型,为辅助应急资源的调度提供技术支撑。     

基于改进遗传算法的最优路径求解

动态路径诱导系统(dynamic route guidance system,DRGS)是通过提供基于实时交通信息的最优路径来引导交通流的,因此,最优路径的求解是关键.而遗传算法具有全局寻优和潜在并行的特点,对求解最优路径具有一定优势.但采用序号编码方式进行遗传操作时会产生大量无效路径.文中结合城市道路交叉口左转、右转、直行等转向行为,设计了一种新的基于转向行为的编码方式,减少了染色体在交叉、变异时的无效路径的生成.算例表明,这种编码方式可以有效提高算法收敛性,更容易获得最优解.     

基于改进并列选择遗传算法的路网养护方案优化

针对公路路网养护需求矛盾,在综合考虑养护资金、投资效益和养护质量等必要目标的基础上,提出采用并列选择遗传算法结合惩罚函数算法对养护方案进行全局优化,使养护决策合理化、科学化。仿真结果表明:在对带约束条件的多目标养护决策优化中,改进并列选择遗传算法通过构造加以罚函数的适应度函数在解空间进行并列选择遗传进化,能够快速地搜索出16个全局最优解,为养护决策提供了准确的数值依据,与文献中数学规划和遗传算法最多2个最优解比对,验证了该算法的有效性和优越性。     

带动态障碍区的自由区域路径实时优化问题的混合算法

自由区域路径优化问题可以在除障碍区之外的整个区域内自由规划路径,为了解决带动态障碍区的自由区域路径实时优化问题,提出了一种遗传算法(GA)加滑动地平线控制(RHC)的混合算法。首先,建立和讨论了带动态障碍区的自由区域路径实时优化问题的数学模型。然后,详细描述了提出的遗传算法加滑动地平线策略的混合算法,阐述了混合算法中滑动地平线控制与遗传算法结合的关键步骤之一:可变长度染色体的设计。全面探讨了混合算法中滑动地平线长度的选择对于混合算法的影响,说明了滑动地平线控制策略中不同终端加权设计的路径优化效果,并通过终端加权的设计,以保证路径规划的可行性和优化性能。仿真结果表明,遗传算法(GA)加滑动地平线控制(RHC)的混合算法非常有效,在确定性的环境条件下,获得与现有GA算法几乎相同的求解性能,而在动态和不确定的环境下,新算法则取得了更佳的求解效果。在这两种情况下,带RHC的混合算法的在线计算时间是单纯GA算法的一小部分。     

具有交通限制约束的道路网络最优路径算法

在路网中选择并按最优路径行驶，有利于提高交通效率。实际道路网络中交通限制信息的存在导致最优寻路的复杂性，本文先对具有动态的交通堵塞限制信息及静态禁止通行限制信息的实际交通路网进行描述，然后在对Dijkstra算法以及实际交通限制信息进行分析的基础上，提出一种考虑静态和动态交通限制信息的最优路径规划算法。应用表明，该地能满足实际道路网络寻路的需要。     

基于进化计算的多车场洒水车路径优化问题求解

在利用进化计算对多车场带有容量限制的弧路径规划问题 (multiple depot capacitated arc routing problem, MDCARP)进行研究的基础上,对其数学模型进行改进,以适应现实生活中洒水车路径优化问题的需要.针对此问题,将传统遗传算法的种群结构进行改进,采用有效的种群初始化策略并设计出新颖且高效的进化算子,通过进化计算对数据的求解,得到了满意的结果,从而证明了该算法能解决一定规模的MDCARP问题.     

一种基于并发奖赏蚁群系统的A*算法

为优化出行者在动态路径诱导系统中进行路径选择,提出一种基于并发奖赏蚁群系统的A*算法,利用A*算法的成熟性和蚁群算法的动态性,用蚁群算法对A*算法估价函数f(x)=g(x)+h(x)中的h(x)进行研究,考虑了交通路况中的各种动态因素,使A*算法具有动态性;为了提高算法的效率,基于在最优路径附近往往存在更优路径这一原理...     

一种多车场车辆路径问题的单亲遗传算法

提出了一种单亲遗传算法来求解多车场车辆路径问题（MDVRP）。在该算法中，对每个服务点按照其距离各个车场的远近归类到各个车场之中，通过构造染色体表达式，采用基因重组以及变异算子来进行常规遗传操作。在进化的同时，采用局部调整，使服务点在一定的范围内的不同车场中调换，保证其种群多样性，从而避免局部收敛，达到全局最优的效果。实验表明，本算法能有效解决一定规模的多车场车辆路径问题。     

动态规划在指路标志指引上的应用

复杂多元的城市路网以及数量繁多的指路标志,使得道路使用者的行驶路径多样,为了满足出行者能迅速、快捷地到达目的地,需找到一条综合权值最优的出行路径,再在其上设置指路标志对目的地进行指引。基于此,首先阐述了动态规划的基本概念和算法思想;然后以行驶路程作为出行者路径选择的因素,定义行驶路程最小的路径为最优路径;最后,以广州大学城路网为例,针对中山大学的指引,在明确起、终点的情况下,采用动态规划的方法找到前往中山大学的最优路径,验证了动态规划算法的有效性。     

基于需求划分的带软时间窗的路径优化方法

针对带有时间窗约束的车辆路径问题(Vehicle Routing Problem With Time Windows,VRPTW)的NP特征,以非完全连通配送网络为研究对象,用带有软时间窗约束的整体配送费用最小为目标,提出了一种基于需求的城市动态划分方法,有效的减少了路径的组合规模,并且用遗传算法将其实现,通过改进的Dijkstra算法求取其基于动态划分的最优配送路径集,最后计算示例验证了本文方法的有效性。     

满足时间约束的物流配送网络设计

提出了对物流配送网络在时间上的需求，将问题抽象为能够描述具体情景的加权网络，结合图论中最短路算怯和问题中结点数目不变的约束条件设计了遗传算法，对问题作出了解答。在此基础上，对一个具体场景进行了算法仿真，得到了配送中心数目与服务质量关系的一般性结论，并且通过对收敛特性进行定性和定量的分析，验证了算法的有效性。     

交通网络最短路径并行算法研究综述

首先回顾了最短路径并行算法的国内外研究进展,对当前的最短路径并行算法进行分类。接着讨论了交通网络分析中最短路径并行算法常用的两种实现策略以及各自的优缺点;分析了影响网络分割策略并行算法性能的3个主要因素:最短路径算法选择、网络分割及终止检测方法。最后就实际交通网络中最短路径并行算法需进一步研究的问题给出了建议。     

包含禁行路线路网的最优路径HNN算法

为了解决包含禁行路线路网的最优路径快速求解问题,研究了不含禁行路线路网和包含禁行路线路网的特点,建立了相应的路网数学模型。通过路网转化法把包含禁行路线的路网转化为不含禁行路线的路网,降低了最优路径求解的难度。研究了霍普费尔特神经网络(Hopfield Neural Network,HNN)的特点,设计了适合求解路网最优路径的HNN算法,在算法中采用动态邻接矩阵,节省了计算机内存,减少了运算时间。将所研究的路网转化方法和设计的HNN算法应用于所研发的车辆诱导系统中,并进行了实际路网测试,结果表明应用该方法能够在包含禁行路线路网中求解最优路径,且比经典算法的运算效率高。     

遗传算法在选播路由中的应用

选播是一种新型的网络服务，它使用户通过选播地址就能访问到该地址所表示的一组服务器，而传输的实时性要求传输时延尽可能的小。文章针对这种有时延约束的选播QoS路由问题，提出了一种改进的遗传算法以求解该问题。仿真实验表明，该算法是可行且有效的。     

交通规划中基于遗传算法的最短路交通分配法应用研究

对交通分配中的最短路径和遗传算法进行分析,提出一种适合在不考虑各条出行路径路况和用户出行行驶速度情况下基于遗传来搜索最短路径的分配方法.介绍交通分配的最短路法原理以及遗传算法的概念和过程,给出基于遗传算法的搜索最短路算法过程设计,并用简例对其进行说明.     

城市道路网最短路径启发算法研究

从城市道路网络的实际特点出发,对城市电子地图的道路网进行网络分析,将最佳路径搜索问题转化为图论中的最短路径搜索问题,通过对最短路径搜索算法的分析,提出了一种求解城市道路网两点间最短路径的算法。该算法主要对Dijkistra算法的搜索方法进行改进,根据两点间直线距离最短这一原理,运用待扩展节点与终止节点间的直线距离这一启发信息,使搜索沿着某个最有希望的路径进行下去,大大减少了搜索范围,提高了路径搜索的速度,具有重要的实践意义。     

基于自适应神经模糊推理系统的平行泊车路径规划

针对常见的平行泊车场景,提出一种基于自适应神经模糊推理系统的平行泊车路径规划方法.以基于优化算法的泊车路径规划方法得出的泊车路径作为训练样本,利用Python脚本语言建立以自适应遗传算法和拟牛顿法为内核的自动化训练框架,使自动训练后的自适应神经模糊推理系统既可继承基于优化算法的泊车路径规划方法适用范围更广的优势,又有效...     

车用汽油机过渡工况进气流量预测研究

提出了一种基于混合遗传算法的径向基神经网络(HGARBF)的车用汽油机过渡工况进气流量预测模型。首先设计了一种新的混合遗传算法,利用梯度算法每次迭代得到的结果来改进遗传算法的群体,将遗传算法的最优个体与梯度算法的迭代解相比较,选择其中的最优点作为梯度算法下一步迭代的起始点,运用该混合遗传算法进行径向基神经网络参数的优化,改善径向基神经网络不同初始参数对其性能的影响;然后建立了基于HGARBF网络的过渡工况进气流量的预测模型。仿真结果表明,该预测模型优于经典的进气流量平均值模型,为精确及时测试汽油机进气流量提供了新的方法。     

多路径分配模型中合理路径的研究

Logit是一种重要的随机网络配流模型,常用于市域、省域的交通分配预测.但该模型的Stoch算法在确定"合理路径"的关键步骤时存在漏洞,明显存在交通分配结果不合理问题.文中通过比较以往各种合理路径的算法,提出了一种既合理,又经济的算法.解决了Stoch算法中对合理路径定义不合理的问题,使得分配结果更合理,通过建立相关路网的实例检验,取得较好的效果.     

基于GIS的城市公交路网最优路线算法研究

利用GIS地理分析的特性,提出了一种较为简单的公交路网的描述方法。同时,设计了合乎乘客心理的最优路线判断标准,并在此基础上,设计了基于公交路线的双向搜索最短路算法,该算法与现有的基于公交站点最短路算法相比,大大地减少了计算时间。