Application of Lagrangian relaxation approach to α-reliable path finding in stochastic networks with correlated link travel times

This study investigates the important problem of determining a reliable path in a stochastic network with correlated link travel times. First, the distribution of path travel time is quantified by using trip records from GPS probe vehicles. Second, the spatial correlation of link travel time is explicitly considered by using a correlation coefficient matrix, which is incorporated into the α-reliable path problem by Cholesky decomposition. Third, the Lagrangian relaxation based framework is used to handle the α-reliable path problem, by which the intractable problem with a non-linear and non-additive structure can be decomposed into several easy-to-solve problems. Finally, the path-finding performance of this approach is tested on a real-world network. The results show that 15 iterations of calculation can yield a small relative gap between upper and lower bounds of the optimal solution and the average running time is about 5 s for most OD settings. The applicability of α-reliable path finding is validated by a case study.     

日常路径选择行为的模拟研究

假设司机只能根据自己的历史经验做出判断，本文据此设计了日常路径选择行为中的四种路径更新规则。应用基于多智能体的模拟环境-SeSAm，在简单网络上对四种规则进行模拟，比较和分析了模拟结果。     

理想AND/OR图搜索策略的推广

SUB和COM是专家系统推理网络图中常见的关系算子，AND和OR分别是SUB和COM算子的特例．建立在理想AND／OR图上的半景搜索法和最大优势搜索法可以推广到包含SUB和COM算子的理想非AND／OR图的搜索，而最大超越搜索法则可推广到包含回路结构的非理想AND／OR图的搜索．     

变权值加快收敛的路径寻优实时算法

为获得满意解为目标的最优路径选择问题，给出了一种加权的LRTA^*(Learning Real-TimeA^*)算法，通过改变估价函数值更新规则与解时间和解质量的相对折中，加快算法收敛速度。实例应用表明，该方法比LRTA^*算法更快地收敛于满意解，是一种求解大城市稠密路网两点间最优路径的有效方法。     

一种可伸缩的预测性快速运动向量搜索算法

基于钻石搜索的特点，提出了搜索距的概念．通过对不同搜索距的检测点特性的研究，并吸收了PMVFAST算法中“见好就收”的思想和初始预测候选运动向量集的概念，提出了一种新的可伸缩的预测性十字方块快速运动搜索算法，该算法以检测点的块失真特性统计为基础，制定出精确可控的可适应搜索准则．大量模型实验表明：该算法能获得更好的视频质量，同时，拥有良好的搜索速度伸缩性，在允许图象质量有0．05dB降低时，搜索速度能提高1．5-2．5倍．     

基于Fisk运量随机配流的交通信息最优发布水平确定研究

本文借助Fisk运量随机配流模型建立一个简单二层规划模型来研究交通信息的最优发布水平，通过模型分析得出一些重要结论。在非拥挤交通网络中，信息发布不产生外部效果，信息系统应发布全部信息；在严重拥挤的交通网络中，产生正的外部效果，信息系统应发布全部信息；在一般拥挤网络中，可能产生正的外部效果，也可能产生负的外部效果，应根据具体情况选择合适的信息发布水平。     

基于微粒群本质特征的混沌微粒群优化算法

在总结对微粒群优化(PSO)算法本质的主要研究成果的基础上,提出了基于微粒群本质特征的混沌微粒群优化(CPSO)算法.该算法用混沌搜索方法代替随机数产生器在较好的区域搜索最优解.为了提高粒子群的多样性,用由粒子邻域内若干个个体最优位置依其适应值加权平均得到的中心位置代替标准PSO算法的全局历史最优位置.然后,根据粒子个体最优位置与上述中心位置间的距离自适应地调整混沌搜索区域半径.用几个经典测试函数的仿真结果及与其它几种PSO算法的比较结果验证了新算法的有效性.     

固定容量设备选址问题的求解算法研究

由于大多数选址问题都已证明是NP-难问题,研究问题的近似算法成为其关键技术。本文就是基于大规模邻域搜索(VLSN)技术的迭代局域搜索(ILS)算法来解决资源固定容量设备选址问题(CFLP)。为了说明VLSN技术的有效性,本文又实现了多点下降算法,并且结合大规模算法和多点下降算法求得了质量更好的解。     

网络最短路径定界搜索算法

用Dijkstra算法求解大规模网络两顶点间最短路径时，需计算大量与最短路径无关的顶点，效率较低，双向定界搜索算法是首先对网络进行双向搜索，得到一条经任意点的最短路径，一般情况下，这条路径已非常接近、甚至等于最短路径。然后，以此路径的标号(即路径长)作为搜索计算的界，进行双向标号计算，对超过界的顶点不再计算，以提高计算效率．算法分析表明，用该算法可使计算效率提高约一倍。     

一种基于极坐标的快速邻域搜索算法

一般邻域搜索方法面临着邻域定义的难点：定义的邻域较小，搜索就可能很快陷入局部最优，相反，则搜索效率会显著下降．针对这一问题，提出了一种基于极坐标的快速邻域搜索算法．试验证明，该算法能有效地解决邻域定义问题，并能在一定程度上解决常用的优化方法还较难解决的非凸集问题，对于一般复杂度问题，有较小的时间和空间复杂度。