卫星时变网络中基于连接计划的最短路径优化算法

在卫星时变拓扑网络中,针对Dijkstra最短路径算法不能时刻保证路径最优的问题,结合卫星节点运动规律的确定性,研究分析了卫星网络拓扑动态变化的周期性特征,提出了一种基于连接计划(contact plan,CP)的最短路径算法(CP-Dijkstra).在低轨(low earth orbit,LEO)卫星系统中,首先根据不同时刻星间链路的时变连接情况形成动态CP,然后根据CP是否发生改变对信息进行不同的处理:当节点检查到CP未改变,则根据之前计算的最短路径进行转发;反之,则根据当前最新的CP重新计算到达目的节点的最短路径,直至信息成功转发到目的节点,从而确保信息经过的一系列路径序列为最短路径.仿真结果表明,与卫星时变网络中常用的动态虚拟拓扑路由(dynamic virtual topology routing,DVTR)算法相比,CP-Dijkstra算法不仅能够较好地提升网络吞吐量,而且可以有效地降低网络平均时延和丢包率.     

基于遗传算法的离散时间动态网络最短路径求解

采用遗传算法来求解不满足先进先出原则的动态网络中的最短路径问题,并采用所提出的随机A*算法解决了利用遗传算法求解最短路径问题时的最大障碍--初始种群的产生.最后以广州市电子地图为基础随机产生了一个不满足先进先出原则的动态网络(包括20000个节点,40000条边和144个时间间隔).来对所提出的算法进行验证.试验结果表明,遗传算法适合求解非常态且不满足先进先出原则的动态网络中的路径诱导问题.     

城市轨道交通网络时变路径搜索算法

为求解时变路径搜索问题,设计并实现了城市轨道交通大规模网络条件下的时变k短路径搜索算法.算法可分为两部分:首先基于深度优先的边删除法搜索网络的静态k短路径,然后将静态k短路径按照列车到发时刻进行扩展并排序获得时变k短路径.将算法应用于北京地铁网络路径搜索实例中,通过与既有算法对比,证明本文算法具有较优的效率,并能够获取基于列车时刻表的有效的时变k短路径集,为城市轨道交通网络路径搜索和管理提供辅助技术支持.     

动态网络最短路径射线追踪算法中向后追踪方法的改进

动态网络最短路径射线追踪算法中的向后追踪方法能够解决线性走时插值算法(LTI)向后追踪过程不稳定的问题,但是其计算效率较低.综合利用节点次级源的位置信息以及波的传播规律,提出了改进方法,排除了动态网络最短路径射线追踪算法向后追踪过程中存在的大量冗余计算.数值算例表明,改进的向后追踪方法具有较高的计算效率,是动态网络最短路径射线追踪算法中向后追踪方法的几倍至几十倍;若将改进后的向后追踪方法应用于动态网络最短路径射线追踪改进算法,则该算法的计算效率将提高一倍左右.     

基于蚁群算法的最短路径搜索方法研究

最短路径问题是在给定的网络图中寻找出一条从起始点到目标点之间的最短路径。蚁群算法是一种用于求解优化问题的新型模拟进化算法,该算法在许多相当困难的优化问题的求解中体现了极强的寻优能力和较好的性质。提出了一种利用蚁群算法来解决网络最短路径问题的新方法,并用Matlab语言编程进行算法的实现和仿真。结果表明,蚁群算法在寻求网络最短路方面的应用是可行的。     

公共交通系统最佳路径算法

在分析城市道路网络最短路径算法(SP算法)和公交网络的特点的基础上,提出公共交通系统最佳路径算法.首先引入直达矩阵(T矩阵)和最小换乘矩阵(Q矩阵),讨论公交网络节点间换乘问题,得出最少换乘算法.利用Q矩阵确定节点间最少换乘次数,评价公交网络方便可达性.其次结合最少换乘算法,对最短路径算法(Dijkstra算法)进行改进.在标号过程中,利用Q矩阵对待检验T标号点进行筛选,减少T标号计算量,得到一条综合考虑路径长度和换乘的最佳路径.最后用一个简单的算例进行验算,说明该算法适用于一般公交网络,特别是换乘代价较高的公交网络.     

三维最短路径算法在山间修路问题中的应用

针对交通工程中山间修路问题,建立了三维最短路径模型,并将三维最短路径问题转化为图论最短路径问题,提出了一种三维最短路径算法.结果表明,三维最短路径算法可有效地解决山间修路中出现的问题.     

用随机神经网络优化求解C-TSP

基于动态随机神经网络(DRNN:Dynamical Random Neural Network)求解典型旅行商优化问题TSP(Traveling Salesman Problem),通过简化方程参数的改进算法,针对解决大规模TSP的求解效果在时间以及路径寻优上所存在的问题,提出一种新的分区方案来解决中国31城市的旅行商问题.所获得的最优路径结果与目前公开文献中已有的其他神经网络所解的结果相比较,显示出采用随机神经网络解决多于10个变量TSP问题的优越性.实验结果表明,采用该方法解决31个城市TSP的优化,所得出的最短距离(15 112.7km)比已有5种算法的结果都要少.     

限制搜索区域的距离最短路径规划算法

提出一种时间复杂度为O(n)的限制搜索区域距离最短路径规划算法(n为路网节点数).算法设计的基础是,经典Dijkstra算法搜索时的无方向性及实际城市道路网络特有的空间分布特性.算法实现采用邻接表数据结构和限制搜索区域的搜索机制,即利用实际城市道路网络的空间分布特性,合理限制算法的搜索区域.结合路径规划算法在实时车辆导航系统中的实际应用,给出了该算法的应用实例,实验结果表明,该算法能将路网中任意两点间的最短路径解算时间控制在3 s以内.     

基于网络限制的最短路模型

带限制的网络是一类特殊的网络,如具有禁止通行限制信息的交通路网.由于此类网络的最短路径的求解是有后效性的,因此经典的Dijkstra算法等就无法用来解决此类问题.提出了一种路网带限制的交通网络最短路径建模方法.该方法将具有禁行限制的特殊网络转化成一个一般的网络模型,从而可用任一传统高效的算法完成对其最短路径的求解.