动态路网环境下的路径优化算法研究

为解决真实动态路网环境下,静态路径优化(static path optimization,SPO)方法和传统动态路径优化(dynamic path optimization,DPO)方法由于频繁实时优化计算,规划路径过程中容易出现绕路、折返、计算复杂度高等问题,提出基于涟漪扩散算法(ripple-spreading algorithm,RSA)的重启协同进化路径优化(restart co-evolutionary path optimization,RCEPO) 方法 。将路径优化过程与路网环境的动态变化过程相结合,提升了路径优化效果。仅当路网环境的动态变化超出预测范围时才进行路径的重新优化计算,降低了计算复杂度。实验结果表明：在动态路网环境下,该方法的实际行进轨迹长度和行进时间相较于传统DPO方法分别缩短了17%和12%。有效解决了真实动态路网环境下路径优化问题。并且通过机器狗实验,验证了该方法的实用性和有效性。