RBF神经网络的行车路径代价函数建模

行车路线优化是城市智能交通系统的研究热点之一,对整个交通系统的优化起着重要作用.分析了影响行车时间的各种因素,结合图论中最短路径算法,建立了基于RBF神经网络的路径代价函数模型.基于该函数模型,可以计算出交通图中任意给定两地间的时间最优路径.将该模型应用于实际路况进行有效性验证,得到了有实用价值的结果,说明了该模型的正确性和有效性.     

基于遗传算法的最短路径的计算

交通系统中的最优路径算法等同于图论中的最短路径算法,根据不同的具体要求可以是长度最短或行驶时间最短。由于问题的特征、网络特性等的纷繁复杂最短路径算法表现出多样性。除了经典的方法外,近年来出现的模拟退火、Tabu搜索和遗传算法等在优化问题中获得了广泛的应用,本文主要讨论了用改进的遗传算法求解最短路径的方法。     

一种基于免疫遗传的多路搜索蚁群动态路径诱导算法

在交通路径诱导过程中,为了优化出行者的路径选择,提出一种用免疫遗传算法与蚁群系统算法相互融合的算法,主要利用了蚁群系统算法的动态性、正反馈性和分布式计算的优点;同时兼容了免疫遗传算法的全局搜索能力以及容易和其他算法相结合等特点.蚁群系统算法的动态性能够满足交通道路动态变化的各种因素,但是蚁群系统算法固有的缺点是容易陷入局部最优和进化速度缓慢,为了改善蚁群系统算法陷入局部最优的缺点,采用免疫遗传算法的全局搜索的思想来对蚁群系统算法进行改进,避免了蚁群系统算法陷入局部最优的缺点.为了提高算法的进化速度,本文提出了基于多路搜索的蚁群系统算法,能够更好地加快收敛速度,满足交通动态变化的需要,并且满足出行者的需要.在算法的研究过程中,进行了两部分实验对算法进行了论证,在eil51问题中,算法与其它算法相比证明可以得到更优的解;在MapX环境下模拟现实交通状况,运用算法寻找最佳路径,证明了本文提出的算法能够在实际的道路状况中找到满足出行者需求的道路.     

ATIS环境下动态多用户路径选择行为仿真研究

交通仿真模型在先进的交通系统管理、控制和优化中得到了广泛的应用,研究提出了先进的出行者信息系统ATIS的多用户路径选择仿真系统框架,根据ATIS环境下的不同出行者行为和信息属性,把出行者分为传统型TR、固定路径型PS、理性型BR、用户均衡型UE、系统最优型SO以及VMS型,运用基于仿真的DTA给出了各类出行者的路径诱导算法,开发了ATIS环境下的微观仿真系统TESS,并以杭州市中心区路网为例进行了仿真分析。精度分析表明,基于模拟的方法可以详细刻画ATIS环境下不同类型的出行者的路径选择行为;敏感性分析表明,当受导用户市场占有率为0.2左右时,整个交通系统的总效益最高。     

改进的智能蚁群算法在TSP问题中的应用

研究旅行商领域优化路径问题,解决目前蚁群算法易陷入局部最优、搜索时间长等问题.为加快算法的速度优化结果,提出了一种改进的求解TSP问题的智能蚁群优化算法.算法前期采用了一种最近节点选择策略对路径进行优化,提高了搜索效率,使之适应大规模问题求解;后期改进了基本蚁群算法中信息素、挥发因子的更新规则,通过改进使得每轮搜索后信息素的增量能更好地反映求解的质量,有效地避免陷入局部最优,加快了收敛.通过改进后的蚁群算法,对TSPLIB中部分问题的仿真结果表明,在避免陷入局部最优和缩短搜索时间方面都取得了很好的效果.证明采取的优化蚁群算法,是可行有效的.     

基于层次空间推理模型的交通网络最优路径算法

在交通地理信息系统(GIS-T)和智能交通系统(ITS)中，单源最短路径问题是一个研究热点。该文总结了已有的层次空间推理过程，针对交通网络，运用了限制搜索区域策略和比较策略，提出了新的层次空间推理过程，寻找更为可靠的入口，以便搜索到更可靠的最优路径，保证层内最优路径搜索的高效率，进一步提高了最优路径算法的可靠性，并对算法的效率进行了必要的分析。     

基于优化蚁群算法的机器人路径规划

研究机器人导航中的路径规划问题,运用栅格法和图论思想建立环境模型,在该模型中通过蚁群算法进行路径寻优,提出用遗传算法的思想改进已有蚁群算法,即GAA算法。仿真实验结果表明,该算法能有效地提高机器人的路径搜索速度及路径优化、路径平滑等方面的指标。     

改进型Dijkstra算法在最优路径选择中的应用研究

为了有效提高市民出行效率。减小城市资源消耗,优化城市环境,在改进型Dijkstra算法的基础上设计并实现城市公交线路查询系统。Dijkstra算法是图论中求解最短路径问题的一种优秀算法。在Dijkstra算法的基础上．进行对存储结构进行优化、对结点进行分类、对权值进行排序这三大改进．并将改进型Dijkstra算法作为最优公交线路查询算法的核心。以时间最小、费用最小、综合最优这三种需求作为评价标准分别建立数学模型,通过数学模型将搜索两点间的最优路线问题转化成求解两点间的最短路径问题．最后以南昌市的公交路网为例对算法和数学模型进行仿真测试。仿真结果验证算法和数据模型的有效性。     

基于A~*算法的复杂交通环境下出行者最优路径分析研究

传统的路径规划未充分考虑出行者行车习惯和复杂交通环境的影响,通常搜索到的路径不一定符合出行者预期,本文将影响出行者路径选择的多种因素进行分析,运用层次分析法(AHP)建立了行程时间最短的出行者道路综合权值模型,并结合交通规则及实际道路环境使用A~*算法进行最优路径分析,通过广州市天河区部分道路进行实例验证,结果证明了本文算法的有效性。     

方向性蚁群算法在交通路径诱导系统中的应用

城市交通路径诱导系统是智能交通系统的重要组成部分,而最优路径算法作为路径诱导系统的重要部分,一直是计算机科学、运筹学、地理信息科学等学科的一个研究热点.对最优路径算法的研究和改进一直是交通路径诱导系统研究的核心内容.通过实例对几种常用的最优路径算法进行了分析比较,并提出了一种基于蚁群算法的最优路径算法,该算法是在蚁群系统的转移函数基础上增加一种方向性因子来实现的.通过仿真实验以及对比其他最优路径算法,得到了更好的结果.表明该方向性蚁群算法完全可以应用在智能交通路径诱导系统中.     

基于双粒子群算法的矿井搜救机器人路径规划

针对在复杂地形中标准的粒子群算法用于矿井搜救机器人路径规划存在迭代速度慢和求解精度低的问题,提出了一种基于双粒子群算法的矿井搜救机器人路径规划方法。首先将障碍物膨胀化处理为规则化多边形,以此建立环境模型,再以改进双粒子群算法作为路径寻优算法,当传感器检测到搜救机器人正前方一定距离内有障碍物时,开始运行双改进粒子群算法:改进学习因子的粒子群算法(CPSO)粒子步长大,适用于相对开阔地带寻找路径,而添加动态速度权重的粒子群算法(PPSO)粒子步长小,擅长在障碍物形状复杂多变地带寻找路径;然后评估2种粒子群算法得到的路径是否符合避障条件,若均符合避障条件,则选取最短路径作为最终路径;最后得到矿井搜救机器人在整个路况模型中的最优行驶路径。仿真结果表明,通过改进学习因子和添加动态速度权重提高了粒子群算法的收敛速度,降低了最优解波动幅度,改进的双粒子群算法能够与路径规划模型有效结合,在复杂路段能够寻找到最优路径,提高了路径规划成功率,缩短了路径长度。     

蚁群算法在渤海内支线集装箱运输网络优化中的应用

为了解决集装箱海上运输网络系统的NP问题,采用智能仿生蚁群优化算法进行网络优化计算,寻找运输网络中的最短路径。以环渤海内支线集装箱运输网络系统为研究对象,通过构建蚁群优化模型,实验分析和计算,证明运用蚁群智能优化算法可以得到最优的航行路线,算法为合理进行集装箱运输网络的航线配置提供了一个参考依据。     

公交线路查询算法

公共交通不仅是衡量城市现代化程度的重要标志也是解决交通拥堵问题的途径. 而公交线路查询系统的关键技术是公交线路查询算法, 它对提高公交资源的利用率有着重要的意义. 总结了国内外城市公交最优路径算法并在此基础上分析了高效运行城市公交系统的条件和影响因素. 介绍了最短路径问题及Dijkstra算法及其在查询系统应用中的弊端. 然后提出了基于换乘最小的广度优先算法的数学模型, 给出了算法的实现, 并以银川市公共交通公司的公交部分数据为基础, 完成了公交信息查询系统的设计与开发.     

基于节点可达度的公交多路径搜索算法

针对公交网络路径搜索问题,以复杂网络的角度进行了相关研究。根据出行者实际需求,提出一种基于节点可达度的公交多路径搜索算法。采用复杂二分网络模型来描述公交网络,将公交线路和公交站点分别看做一类节点,每条公交线路与它所经过的公交站点之间存在连边;在分析网络社团结构的基础上定义了节点可达度,算法根据节点可达度逐步搜索直至目的节点,搜索过程保留可能存在的多条最佳路径。实验结果表明,该方法能够得到最小换乘的多条有效路径。     

公交最佳多路径搜索算法的应用研究

城市公交网最佳多路径搜索算法在公交出行路径查询中有着实际应用需要。针对Bus行驶路线特征提出相应的建模方法,并结合上、下行相同的公交线路模型,给出基于背离路径思想搜索次短和次次短路径的算法,提出剔除环路的不同处理策略会导致不尽相同的最佳路径。在选取上海目前66条公交线路的模型上进行了实践,证明是可行和有效的。     

基于体液免疫的机器人路径规划免疫算法

依据生物免疫中体液免疫原理,提出一种新的移动机器人路径规划免疫算法。针对机器人在已知环境下的运行特性,对其设计路径光滑性指标及依据神经网络设计碰撞行为评价指标,将路径规划问题转化为非约束优化,进而结合体液免疫应答机制,获得路径规划新方法。该算法的特点是具有并行及快速搜索的能力,对机器人初始路径无任何约束。对各种难易不同的初始和目标位置,均能保证获无碰最优路径。仿真事例获知此算法的有效性。     

Dynamic route guidance algorithm based on artificial immune system

To improve the performance of the K-shortest paths search in intelligent traffic guidance systems, this paper proposes an optimal search algorithm based on the intelligent optimization search theory and the metaphor mechanism of vertebrate immune systems. This algorithm, applied to the urban traffic network model established by the node-expanding method, can expediently realize K-shortest paths search in the urban traffic guidance systems. Because of the immune memory and global parallel search ability from artificial immune systems, K-shortest paths can be found without any repeat, which indicates evidently the superiority of the algorithm to the conventional ones. Not only does it perform a better parallelism, the algorithm also prevents premature phenomenon that often occurs in genetic algorithms. Thus, it is especially suitable for real-time requirement of the traffic guidance system and other engineering optimal applications. A case study verifies the efficiency and the practicability of the algorithm aforementioned.     

Dynamic route guidance algorithm based algorithm based on artificial immune system

To improve the performance of the K-shortest paths search in intelligent traffic guidance systems,this paper proposes an optimal search algorithm based on the intelligent optimization search theory and the memphor mechanism of vertebrate immune systems.This algorithm,applied to the urban traffic network model established by the node-expanding method,can expediently realize K-shortest paths search in the urban traffic guidance systems.Because of the immune memory and global parallel search ability from artificial immune systems,K shortest paths can be found without any repeat,which indicates evidently the superiority of the algorithm to the conventional ones.Not only does it perform a better parallelism,the algorithm also prevents premature phenomenon that often occurs in genetic algorithms.Thus,it is especially suitable for real-time requirement of the traffic guidance system and other engineering optimal applications.A case study verifies the efficiency and the practicability of the algorithm aforementioned.     

Dynamic route guidance algorithm based on artificial immune system

To improve the performance of the K-shortest paths search in intelligent traffic guidance systems, this paper proposes an optimal search algorithm based on the intelligent optimization search theory and the metaphor mechanism of vertebrate immune systems. This algorithm, applied to the urban traffic network model established by the node-expanding method, can expediently realize K-shortest paths search in the urban traffic guidance systems. Because of the immune memory and global parallel search ability from artificial immune systems, K-shortest paths can be found without any repeat, which indicates evidently the superiority of the algorithm to the conventional ones. Not only does it perform a better parallelism, the algorithm also prevents premature phenomenon that often occurs in genetic algorithms. Thus, it is especially suitable for real-time requirement of the traffic guidance system and other engineering optimal applications. A case study verifies the efficiency and the practicability of the algorithm aforementioned.