基于改进蚁群算法的智能物流配送路径优化方法

针对交通日益拥堵情况下的物流配送路径的优化选择问题,提出了一种基于改进蚁群算法的智能物流配送路径优化方法.首先,对传统基于单一路径最短优化的思路进行了扩展,提出了基于多约束条件的最优路径质量评价函数,并推导分析了不同约束情况下的最优路径模型;然后,基于多约束条件对传统蚁群算法状态转移启发函数和信息素进行了改进,较好地改善了算法的动态优化性能.计算机仿真结果表明,本文方法很好地提升了复杂路况下最优路径的寻优精度和收敛速度,具有较好的应用前景.     

基于改进蚁群算法的移动机器人路径规划

针对蚁群算法应用于机器人路径规划存在的全局搜索能力差、初始化信息素少、收敛性差、寻优能力弱等问题,提出了一种多因素改进的蚁群算法。通过改变初始化信息素浓度分配、改变启发式函数、采取蚂蚁回退策略、引入蚂蚁优化排序等方法对蚁群算法进行优化。利用MATLAB软件对改进蚁群算法进行仿真和六足机器人实验,结果表明,改进后的算法在路径更优,迭代次数更少,提高了算法的鲁棒性和寻优能力。     

基于改进的启发式蚂蚁算法求解最短路径

针对复杂环境中机器人路径规划问题,为了提高蚁群算法的寻优能力和收敛速度,基于A~*算法的距离评价函数,对算法中的启发式函数进行改进,提出一种启发式的蚂蚁算法,并对新算法进行仿真测试.结果表明:改进后的启发函数可以有效改善蚂蚁算法搜索的盲目性,解决了传统蚁群算法收敛速度慢、易陷入局部最优解的问题.与传统蚂蚁算法相比,启发式蚂蚁算法在20×20网格下的相关系数提高了0.4722,40×40网格下的相关系数提高了0.226 5,说明改进算法的规划能力和收敛效率均有所提高,整体上优于传统蚂蚁算法.     

动态路径诱导交通阻抗优化方法与实现

基于实时交通采集数据,获取合理动态规划最优路径,提出了考虑驾驶员出行行为因素的交通阻抗优化方法.研究了基于实时交通状态因素的动态路网优先等级指数的确定方法,重构了动态路径诱导交通网络模型,大大降低了路网的复杂度;基于多源实时数据,研究了动态路径诱导交通阻抗优化的计算方法,实现了路网的动态路径诱导,并通过GIS平台进行了仿真分析.该方法更符合驾驶员行为习惯,对于改进Dijkstra算法在动态路径诱导中的应用具有操作优势和显著意义.     

基于蚁群算法的智能交通行车最优路径研究

本次研究介绍了蚁群算法的基本原理，基于单个蚂蚁路径搜索阐述了动态路网下行程时间的计算方法，建立了一套快速实现蚁群算法全局收敛的计算模型，并对智能交通行车最优路的搜索流程进行了详细的说明。     

基于改进贝叶斯优化算法的图像分割方法

图像分割是图像处理和计算机视觉的重要研究领域.在此将基于免疫机理的改进贝叶斯优化算法应用于图像分割,利用其较好的寻优能力搜索到图像的最佳阈值,达到较好的图像分割效果,并拓展了算法的应用领域.仿真结果表明,改进贝叶斯优化算法可以获得更好的图像分割效果及更低的计算量.     

随机需求下定制公交站点及路径动态优化模型

针对定制公交的站点及路径动态优化问题,分析定制公交特性,结合复杂网络理论与动态需求特征,对站点进行重要度评估,并按照重要度高低进行排序,筛选出前50%与前70%的站点作为路径寻优时考虑的停靠站点.以最大服务率和最小动态行程时间为综合目标,以最大载客量、运营成本、行程时间为约束,建立随机需求下的定制公交动态路径优化模型.对A~*算法进行改进,综合动态行程时间与乘客需求作为当前节点到达终点的估计代价求解目标函数.以福州市为例,检验模型和算法的有效性.结果表明,模型与算法能够在随机需求下对定制公交停靠站点按重要度进行动态筛选并优化动态路径,且按照站点重要度前50%进行筛选得到的路径结果优于前70%.     

基于人工鱼群的交通诱导系统最优查询研究

与齐齐哈尔市公安交通警察支队交通控制中心合作开发,并以齐齐哈尔市路况为实际进行凋研,将改进的人工鱼群算法应用于交通路径诱导系统数据库优化查淘中,算法提高了最优路径查询的效率。对人工鱼群算法进行了改进,引入贝叶斯变异算子和十字交叉变异算子,避免了算法局部寻优能力差和收敛速度慢等弊端。仿真实验表明算法是正确有效性的。     

基于激光同步定位与建图的移动机器人路径寻优方法

针对未知场景下移动机器人路径寻优问题,提出一种基于改进蚁群算法的激光SLAM移动机器人路径寻优方法。该方法由场景重构和路径寻优组成,利用激光雷达传感器观测特征物信息对广义卡尔曼滤波估计值更新,建立场景理解信息点云构造二维栅格地图,根据场景重构地图信息结合改进的蚁群算法进行路径优化。在复杂场景下,通过激光SLAM移动机器人实验表明,改进蚁群算法的激光SLAM移动机器人在多种复杂场景路径寻优和运行消耗时间等方面取得了较好的效果。     

蚂蚁算法在导航系统中的应用研究

对导航系统中的最短路径问题做了进一步的研究,针对传统的Dijkstra最短路径算法的缺陷,提出了一种自适应式的动态最短路径算法———基于分布式路由选择的蚂蚁算法,对传统蚂蚁算法作了改进,可成功的应用于导航系统中的最短路径寻优算法.     

容量限制分配的蚁群优化算法

针对交通规划实践中广泛使用的用户出行行为假设与现实脱节的不足,提出了用蚁群优化算法获取网络流量加载路径的配流新思想.分析了网络中用户出行的行为特征并与蚁群算法执行机制进行了比较,提出利用人工蚂蚁模拟网络中用户出行的可行性和合理性.给出了基于Ant-Cycle模型的容量限制分配思路和流程.设计采用双层迭代机制完成整.个交通分配过程:使用内迭代构建完整的流量加载路径;使用外迭代对路段阻抗进行修正,体现网络的拥挤效应,使网络分配趋于平衡.仿真算例与对比分析表明:该方法可以模拟交通系统的平衡状态,分配结果趋近用户平衡;算法合理、有效.     

基于超网络的多模式交通的随机网络加载问题

基于超网络理论构建了城市多模式出行网络模型,同时考虑路径出行时间、换乘次数以及拥挤等影响因素,建立路径的广义费用函数。在此基础之上,重新定义了有效路径的含义。结合图论中深度优先遍历算法与回溯法的思想,提出有效路径的搜索算法,并通过改进的Dial算法实现对城市多模式出行网络上交通流的随机网络加载。最后,利用本文建立的多模式出行网络对算法的可行性和有效性进行验证。结果表明,该算法适用于求解城市多模式出行网络上交通流的随机网络加载问题,并且可以避免原始Dial算法在求解交通分配问题中可能出现的不合理结果。     

多用户动态交通流分配模型及算法研究

通过对动态交通网络中瞬时反应型和预测型出行者行为假设的分析,提出了将两者结合并增加固定路线出行行为假设的多用户动态交通流分配模型.同时通过对动态交通网络出行者行为的相互制约特性分析,给出了求解上述模型的迭代算法.本模型拓展了以往构建模型中出行者行为的单一性假设.本模型及算法也可直接应用于先进的出行者信息系统,并为路径导行系统中网络的效益分析提供理论依据.     

基于出行时间预算的多模式多类用户城市交通均衡分析

在道路交通与轨道交通组成的多模式城市交通网络中,考虑路径出行时间的不确定性,对用户的交通模式与路径的选择行为进行分析,建立基于出行时问预算的多模式多类用户均衡交通分配模型,设计基于路径配流的求解算法.研究结果表明:该算法适用于路径费用不具备可加性的交通均衡模型的求解;交通需求、路网降级及用户所需的可靠度水平对交通模式及路径选择均具有显著影响;随着交通需求水平的提高或路网降级加剧,用户选择轨道交通出行的份额增加,且可靠度需求较高的用户选择轨道交通的份额增幅更高.     

可替换路径选择的研究

动态路径诱导（DRGS）是智能运输系统ITS研究的一个重要方面，它的核心在于如何利用实时的交通信息，找出一条考虑司机路径选择行为的“最优道路”，减少车辆在道路上的逗留时间，进而改善城市交通。但这仅仅给出了一条基于单目标的“最优”路径供司机采用。采用改进后的K-最短路算法，提供多条具有不同属性的路径供司机选择，从而更符合实际情况。     

基于路段转移采样的最优路径集计算方法

为了不计算路段阻抗而获取起点到终点的多条最优路径，提出一种基于路段间转移概率并通过路段转移采样来计算最优路径集的方法(最优路径集路段转移概率法):首先，通过分时段、分区域来获取路段间转移概率，采用时段划分将交通状态随时间变化的影响纳入考虑，利用交通小区代替给定起点和终点，避免了路网中起点与终点数量巨大、特定点对之间数据量不足的问题; 然后，基于路段转移采样进行轨迹采样并获取最优路径集。该方法不需计算路段阻抗，对数据要求低，计算简便。案例分析表明:利用最优路径集路段转移概率法得到的计算路径与实际路径的涵盖程度高，区域划分大小对结果影响较小，时段划分可有效反应交通状况。     

基于随机松弛时间的行程时间可靠性计算模型*

提出了基于随机松弛时间的行程时间可靠性动态计算模型。研究了交通系统内部车辆间相互干扰作用对行程时间可靠性的影响。运用交通流动力学理论建立模型,证明了模型的各项异性,并基于蒙特卡洛和欧拉折现法设计相应的求解算法。模型能够较好地反映给定交通供需条件下的行程时间可靠性退化规律,量化交通流内部车辆间相互干扰对行程时间可靠性的影响。算例分析表明车辆间相互干扰程度的加剧会引起行程时间可靠性退化轨迹的明显改变,干扰越剧烈,动态行程时间可靠性的退化速度越快、达到稳定状态时的行程时间可靠性水平越低。拓展了传统行程时间可靠性计算模型仅考虑外部供需的局限性,探讨了交通流松弛时间的随机波动对行程时间可靠性的影响。所建模型和方法可以为高速公路、城市快速路、主干道等大型设施的动态行程时间可靠性预测提供理论依据和实践参考。     

基于停车换乘随机网络可靠性交通分配模型

针对目前大多数组合方式交通分配模型都没有考虑可靠性因素对出行行为的影响,提出了一个基于可靠性的组合方式交通分配模型.该模型考虑了组合方式出行下路网的随机波动因素,更好地反映了出行者方式、路径选择行为.基于K优路径和连续平均法,设计了模型的求解算法,并以上海北外滩实际路网为例,验证了模型的合理性和算法的有效性.与传统组合方式交通分配模型结果进行对比,分析了停车换乘措施的实施对减少交通拥堵、提高路段可靠性所起的作用,阐明了2种出行方式需求之间的比例与可靠性偏好因子和出行者需求效用因子的三维变化关系.     

基于灰色关联分析的路段行程时间卡尔曼滤波预测算法

为改善卡尔曼滤波用于时间序列预测时的自适应性能，提出基于灰色关联分析的路段行程时间实时预测算法．首先，利用灰色理论对行程时间序列的各影响因素进行灰色关联分析，根据灰色关联度的大小来选取路段行程时间的主要影响因素，由此建立相应的动态方程．在此动态方程基础上，通过卡尔曼滤波递推进行路段行程时间预测．文中利用深圳某交通干道上的实测行程时间进行仿真实验，结果表明该算法的综合预测性能优于常规卡尔曼滤波方法，可应用于正常交通流状况下的路段行程时间预测．     

考虑交叉口等待时间的最短路径算法研究

在甄别等待时间和延误的基础上,首先提出了信号交叉口处等待时间函数,并分析了信号交叉口处等待时间特性;其次,在假设路段行程时间固定的基础上重新定义路网的邻接矩阵,提出信号交叉口属性表,并结合重新定义的路网参数,将信号交叉口等待时间引入算法之中,提出了新的标号算法,即考虑信号交叉口等待时间的最短路径算法(CWTSI SP algorithm),用以求解本文网络最短路径问题.数值试验的结果表明,CWTSI SP算法考虑了信号交叉口的等待时间,并分析了最短路径和最短行程时间随开始时间的不同而变化的特性.算法具有较好的效率,并贴近交通现象本质,对于动态交通流分析具有良好的实用性.