交通网络设计的优化模型及算法

通过对交通网络设计的问题及其研究现状的分析．对离散型交通网络设计问题进行了深入的研究。采用双层规划模型描述问题．其中上层规划模型是从交通规划者的角度出发．在建设资金受到约束的前提下．设计合适的路网结构．使得公路网中的交通出行能达到系统最优；而下层优化模型则是从路网使用者的角度出发．使交通出行达到用户最优，针对该双层规划模型．本文对上层模型使用SA算法求解．而下层模型则采用了基于路径搜索的GP算法进行求解．以此为基础设计了SA—GP算法对其进行求解。算例计算的结果表明．模型和算法都是有效的，求取的结果能显著改善路网的交通情况．而且上下层算法的收敛速度快，从而能为路网规划决策提供支持。     

SDN驱动的网络流量负载均衡路由优化算法

在5G网络数据流量剧增的背景下，针对5G网络流量负载均衡问题提出并评估了两种基于软件定义网络驱动的路由搜索优化算法。首先，建立了软件定义网络多约束数据传输路径选择模型；然后，针对所提模型提出了一种流量负载均衡广度优先搜索(load balancing scheme with breadth-first-search, LBB)路径优化算法，在广度优先搜索的过程中，设定一个动态流量阈值对链路进行实时监测，旨在寻找源节点到目标节点的最优数据传输路径。为了减少甚至避免不必要的搜索所造成的空间开销，进一步提出了基于深度优先搜索的迭代深化搜索(iterative deepening search with depth first search, IDDFS)路径优化算法，该算法限制了数据传输路径的每次搜索深度，并在搜索过程中优先选择可用带宽最大的链路进行深度优先搜索迭代优化。仿真结果表明了所提算法在资源利用率和网络吞吐量这两项关键性能指标上的优越性能。     

一种新的路径生成式Logit交通分配算法

Logit方法是一种重要的非平衡交通分配方法，但由于需要路径枚举，限制了它在大型路网上的应用。本文提出了一种新的路径生成式Logit交通分配算法。每次迭代中，利用Logit方法在已产生的路径集上进行变通分配，并更新路段交通量度路段运行时间，然后在此基础上利用最短路算法求出新的最短路并更新路径集，如此变替进行．直至不再产生新的最短路，最后完成交通分配。由于不需进行路径枚举，从而使本算法适用于大型路网的交通分配。实际计算表明．该算法是有效和可行的。     

城市应急最优路径算法

提出一种应用于城市应急系统的改进的最优路径搜索算法。它利用道路等级的分层方法,建立优化的层次化路网模型;在此基础上,利用分级搜索技术,解决起始节点和目标节点由低层到高层的最优路径;同时,在高层路网上采用提出的结合道路状况的启发式A＊优化搜索算法进行搜索,得到完整的优化路径。最后通过实际路网的应用验证了提出方法的有效性。     

无人侦察机路径规划方法研究

将无人机的侦察任务分为点状,线形和区域三类典型侦察任务.综合考虑探测传感器的特性,针对线形侦察任务,提出侦察走廊的概念;改进启发函数,基于A*算法有效解决点状、线形侦察任务路径规划问题;考虑飞机转弯半径限制,提出解决探测盲区的方法;针对带禁飞区的复杂区域搜索侦察任务,将全区域分割成若干无禁飞区的子区域,采用深度优先遍历算法,获得子区域的搜索顺序,在保证侦察无遗漏的前提下,利用往复前进式搜索方式,就可对区域侦察任务进行全区域覆盖的路径规划.仿真结果证实了规划方法的合理性和有效性.     

控制输入跟踪算法和测试衍生算法

以组合电路的满足性测试生成算法为基础，提出了控制输入跟踪算法和测试衍生算法。控制输入跟踪算法从源输出开始，根据一定的指导策略，向源输入搜索，在搜索过程中生成一条临界路径，该路径中全部的故障可以用满足临界条件的输入向量来测试。测试衍生则利用一个测试的信息，通过临界路径变换衍生一系列新的测试。这两种算法嵌入测试生成的满足性算法中，大大减少了故障，压缩了CNF的构成时间和搜索空间。     

新型公交网络模型与最优出行路径算法

给出一种标号的二分图公交网络模型,在此模型基础上给出线路换乘与最优出行路径的算法,这种算法充分利用标号信息给出站点网络图的边权函数.基于站点网络图不仅能够搜索换乘线路而且能够找到最短路径.最后利用天津市部分公交系统验证了该模型及方法的有效性.     

区域通行能力与出行时间可靠性综合仿真模型

在城市路网中,路段通行能力退化和交通需求随机波动都会增加路网的不确定性。为研究路网中单个区域的交通可靠性问题,通过采用区域备用能力作为综合性能指标,建立了度量区域交通服务水平的双层规划模型。基于此提出了区域通行能力和出行时间综合可靠度的概念及其Monte Carlo仿真算法。最后通过一个数值算例对模型和仿真算法进行验证,仿真结果说明了区域通行能力、服务水平与可靠性之间的相互替代关系。     

多元优化算法可达性分析

提出了一种多元化群智能优化算法-多元优化算法。多元优化算法充分利用了现代计算机多核处理器,大内存的特点,通过多元化的搜索个体(元)对优化问题解空间进行搜索,并对历史信息进行选择记忆。该算法因搜索群具有分工不同的多元化特点而得名。搜索元按照职责不同而分为全局元和局部元,全局元负责在整个搜索空间进行全局搜索并找到潜在解区域,局部元负责在各个潜在解区间进行局部搜索以期望找到该区域更好的解。本文从理论上证明了该算法的可达性。基于标准函数的对比实验也验证了该方法在可达性方面优于其他几个参与比较的算法。     

基于自适应混合算法的智能存取系统动态路径规划

研究了药房智能存取系统拣选路径的动态规划问题,提出了该问题的数学模型,并设计了一种新的自适应混合粒子群遗传算法(Adaptive hybrid particle swarm algorithm).该算法在粒子群遗传混合算法的基础上引入了动态调整和自适应进化的策略.在算法前期粒子群搜索阶段,建立了惯性权重系数、认知系数与收缩因子之间的联动关系,随着惯性权重的动态变化,认知系数与收缩因子也适时进行调整,提高了搜索效率和搜索精度.在算法的后期,采用了遗传算法的自适应交叉和变异的进化过程,对陷入局部最优的粒子群进行打散,使得每次迭代中都能最大限度的获取路径信息,使种群的搜索朝向解空间的不同区域发展.经过对某大型医院智能存取系统的路径规划仿真实验,验证了提出的算法相对于其他算法在求解速度和求解精度上都有较大的提高.     

城市路网的复杂网络特性及可靠性仿真分析

首先通过在路网中引进网络平均距离、节点度分布以及簇系数等概念,重点研究了城市路网映射后的复杂网络特征,以合肥市路网为例进行了实证研究。在此基础上,尝试运用复杂网络理论探讨城市路网可靠性,并以合肥市路网为例,进行了路网选择性攻击和随机失效条件下的可靠性仿真分析,其结果表明路网展现出完全不同的鲁棒性。将复杂网络理论应用到城市路网分析,进一步拓展了城市交通网络基础理论的研究思路和研究范围。     

不完全信息下交通网络最短路径关键边问题

因各种突发事件（交通事故、自然灾害等）造成道路中断的现象普遍存在，车辆在行驶的过程中并不具有道路中断的完全信息，只有行进到中断处时才获得道路中断的信息。本文就不完全信息（道路中断信息）下的变通网络最短路径关键边问题进行研究，首先定义了不完全信息下最短路径关键边的概念．其次给出了求解不完全信息下最短路径关键边的有效算法厦其时间复杂性分析，然后结合城市道路网络给出了实际算例，比较分析了最短路径关键边、最长绕行路关键边和不完全信息下的最短路径关键边问题，指出了不完全信息下的最短路径关键边问题更具有实际意义。     

两种策略下的最短路径并行算法研究与实现

随着智能交通运输系统的研究与应用,对在大规模交通网络上求解最短路径的实时性提出了更高的要求。为了找出适用于实际交通网络的高效最短路径并行算法,首先选取了3种最短路径标号串行算法,以此为基础分别实现了网络复制及网络分割两种策略下求解最短路径的并行算法。最后,从基于G IS的交通规划软件T ransCAD中提取了实际交通路网数据,同时还随机产生了不同规模的稀疏格网,在这些网络中对并行算法的性能进行了测试和分析。结果表明,在8台机器上求解含5 181个节点的实际交通网络中32个源点的最短路径时,基于网络分割的双队列标号修正并行算法的加速比可达到6.32,在其他网络中也表现出较好的加速比及可扩展性。     

基于混合动态贝叶斯网络的无人机路径重规划

针对无人机航迹规划的实时重规划能力,研究了局部路径构图的基本原则并提出了一种突发威胁体下无人机局部路径重规划的算法。首先根据不同威胁体的分布情况构造无人机的可飞航路集,用“改进型Voronoi图”表示出来,采用Dijkstra算法求解初始粗略最短路径。在无人机飞行过程中,通过基于混合动态贝叶斯网络的切换线性动态系统模型感知环境,应用Viterbi应用解码算法确定突发威胁体的实时位置及威胁等级,后依据局部路径重规划原则进行寻优,最后应用三次平滑及序列二次规划方法获得实际可飞路径。用Matlab仿真验证,证明了算法有效性。     

新型公交网络模型与最优线路选择算法

针对公交线路的最优线路选择问题,给出了基于标号公交网络二分图模型,在此模型基础上给出了最小换乘条件下的可行线路的“纺锤-修剪”搜索算法,进而给出在最小换乘条件下的最短路径和换乘站点的数学规划方法.最后给出算例并验证了该方法的有效性．     

考虑交叉口延误和通行能力优化疏散救援路线的最小费用流模型

疏散交通路线的确定是应急计划的重要内容．以往有关最佳疏散交通路线的研究没有充分考虑交叉口延误和通行能力等因素，若疏散路线经过城市内拥挤路段，忽略交叉口的这些特性会导致结果不尽合理。将交叉口分方向延误和通行能力作为节点权重，用点权网络表示疏散涉及到的道路网，建立了点权交通网络中的最小费用流模型描述城市内事故地点至接收点的人群及其产生的车流的疏散路线问题；设计了求解这种最小费用流的最小费用路算法，通过求解点权交通网络中的最小费用流，得出事故地点至安全接收地点的最佳疏散交通路线及相应的疏散流量。最后以一个数值算例说明了模型和算法的具体应用。     

Integrated dynamic shared protection algorithm for GMPLS networks

The path protection approach is widely investigated as a survivability solution for GMPLS networks, which has the advantage of efficient capacity utilization. However, there is a problem of the path protection approach that searching a disjoint backup path for a primary path is often unsuccessful. In order to resolve this problem, an integrated dynamic shared protection （IDSP） algorithm is proposed. The main idea of the proposed algorithm is that the path protection approach is first used to establish a backup path for the primary path; if the establishment is unsuccessful, then the primary path is dynamically divided into segments whose hop count are not fixed but not more than the limitation calculated by the equations introduced. In this proposal, backup bandwidth sharing is allowed to improve the capacity utilization ratio, which makes the link cost function quite different from previous ones. Simulation experiments are presented to demonstrate the efficiency of the proposed method compared with previous methods. Numerical results show that IDSP can not only achieve low protection failure probability but can also gain a better tradeoff between the protection overbuild and the average recovery time.     

基于CDT空间剖分的虚拟角色全局路径规划

针对大范围复杂虚拟城市环境中虚拟角色的自主导航问题,研究了虚拟城市环境的环境建模以及基于层次道路图的改进A*算法。用自适应剪切平面切割三维地物几何模型,把三维城市空间投影到2D平面空间,利用约束Delauny三角化方法剖分城市自由空间,通过调整约束边的长度调整提取道路图的精度,并构建顾及地形起伏特征的层次道路拓扑图;为适应基于层次道路图的路径搜索,对传统A*算法进行了改进。实验结果表明:该方法可以快速完成虚拟角色在虚拟城市环境中的全局路径规划,且环境建模需求空间小,路径搜索效率高并顾及了地形环境的起伏特征。     

基于目标搜索任务的群机器人路径规划

微粒群算法具有搜索效率高,收敛速度快的特点,可应用于基于目标搜索任务的群体系统。人工势场法可用于移动机器人的避障导航,提出一种在环境未知情况下基于机器人多传感器结构的人工势场法MSAPF,和一种具有群机器人系统特征的SRPSO算法,将二者相结合,应用于群机器人系统的目标搜索任务,在搜索目标的同时实现避障导航路径规划,通过对多组不同数量机器人的仿真实验验证了此方法的有效性。

Abstract：

Particle Swarm Optimization algorithm has high searching efficiency and constringency speed,and can be used for the target-searching swarm intelligence system.The artificial potential field （APF） is an effective local path planning method for the mobile robot.The MSAPF （multi-sensor-based APF）,integrating with the SRPSO （Swarm-Robot PSO） algorithm was proposed,used for realizing the path planning of swarm robot system while searching the target.The efficiency has been proved by the simulation experiments with different individual quantity of swarm robot.