考虑乘客偏好的共享车辆动态共乘算法研究

现有的共乘路径算法大多只专注于最少的用时与最低的成本,而缺少对乘客共乘意愿比例以及可接受绕行偏差范围的界定,针对这一现象构建了一种考虑乘客偏好的动态共乘策略模型。对乘客和车辆分别进行查找模块处理和筛选模块分类,删除掉不满足要求的车辆以减少乘客和车辆的动态实时匹配时间,然后利用插入算法获得最优路径匹配。结果表明,所提算法可以快速高效地为乘客匹配到满足要求的最优车辆。相比常规算法,考虑乘客合共乘意愿以及绕行偏差的共乘算法,乘客的平均等待时间降低了7.0%;总社会收益提高了44.7%;动态共乘匹配效率提高了34.2%。另外,改变乘客的时间窗长度也可以显著提高共乘效果。     

基于动态蚁群算法的三维管路路径规划

针对蚁群算法应用于三维管路路径规划时运行时间长、搜索效率低等问题,提出一种动态蚁群算法.首先采用栅格法建立环境模型,建立了随建模空间和蚂蚁位置变化的动态启发信息;其次设置概率选择机制和动态步长机制.仿真试验结果表明,该算法有效减少了路径中直管弯头数量,管路铺设整齐,收敛速度提高,具有较强的全局寻优能力.     

基于公平性的出租车合乘算法研究

随着时代的发展与社会的进步,打车难问题一直困扰着城市公共交通的发展,因而出租车合乘现象逐渐出现,而且在我国江浙一带已经将合乘合理化并应用到实际生活中.但广大民众对出租车合乘依然存在抵触情绪.就出租车合乘所面临的问题进行分析,结合以往学者对出租车合乘的研究情况,就合乘费用问题提出一种基于公平性的改进计算方法,用于解决合乘中可能遇到的乱收费现象.     

基于改进蚁群算法的路径规划方法

针对城市道路交通中路径规划的特点,提出了一种基于改进蚁群算法的路径规划方法.该方法通过对交通约束的分析与转换,加强了对实际道路交通网络的描述,提高了路径规划的有效性;在引入方向启发的同时,保留了足够的初始搜索空间,提高了算法的路径规划效率.实验结果表明,该方法在规划效率与有效性上均有明显提高.     

动态环境下机器人路径规划的混合蚁群算法

为了实现动态环境下移动机器人的路径规划,将蚁群算法(作为一种全局路径规划算法)与人工势场算法(作为一种局部路径规划算法)相结合,并对蚁群算法做了一些改变,使之适应栅格环境。仿真结果表明,该混合蚁群算法路径性能较好,并能够满足实时要求。     

基于GIS与约束条件下的最优路径规划研究

根据无人地面车辆自主导航的需求,提出一种给定任务点的约束条件下的最优路径实现方法. 首先基于地理信息系统（GIS）平台构建为车辆行驶提供先验信息的GIS数据库,并设计研究基于计算几何的路段匹配算法,同时结合A*算法进行全局路径规划. 然后根据无人地面车辆的运动特性和对路口识别的需求提出了新的路口模型,同时为保证无人地面车辆行驶轨迹的平滑性和对路口识别的精确性,对路口轨迹和U-turn轨迹进行了算法设计. 最后提出了动态重规划的行驶策略. 实际跑车实验证明了该设计算法的有效性.      

出租车合乘路径选择与费率优化模型

在现有的出租车合乘研究工作中,对合乘者的费用分担与路径选择基本不进行同时优化,且较少考虑驾驶员的收益.以公平性为原则,综合考虑驾驶员与出行者利益,以出行者时间费用成本最小为目标函数,以保障驾驶员合理收益为约束,构建出租车合乘路径选择与费率优化模型.并针对模型特点,设计相应的遗传算法对其进行求解.算例分析表明,模型计算的...     

基于改进萤火虫算法与动态窗口法融合的移动机器人动态路径规划

针对传统萤火虫算法无法有效躲避未知障碍物、收敛速度慢、易陷入局部最优等问题,对其进行了改进,并将其与动态窗口法相结合,从而提出了一种移动机器人动态路径规划新算法。通过三种策略对萤火虫算法进行了改进：首先,采用Skew Tent混沌映射产生混沌序列对萤火虫种群进行初始化,提高萤火虫算法的全局收敛速度;其次,引入自适应步长平衡萤火虫算法全局和局部最优;最后采用差分进化算法通过变异、交叉和选择操作加强萤火虫算法的搜索能力。然后将改进萤火虫算法与动态窗口法相结合,使移动机器人在全局最优路径的基础上进行实时动态路径规划,在能保证全局最优路径的基础上有效躲避未知障碍物。本文基于MATLAB进行了仿真,仿真结果验证了所提算法的有效性。     

激励机制改进蚁群优化算法用于全局路径规划

为提高优化算法搜索能力,分析了基本蚁群优化算法和心理学家斯金纳的强化激励方法的基本原理,将正、负激励原理应用于改进基本蚁群优化算法,提出了基于激励机制的改进蚁群算法,并给出了其数学描述。将改进的算法应用于求解旅行商问题和避碰约束下的最短路径规划问题,并与基本算法进行比较。仿真试验显示,改进的蚁群算法有效搜索到最短路径,实现全局路径优化。由于采用了激励机制,使得种群中所有个体都能够积极向最优解移动,从而更快地找到最优解,其较之基本蚁群算法具有较快的收敛速度,整体性能优越,能够应用于求解路径规划等问题。     

移动机器人全局动态路径规划融合算法

针对移动机器人全局动态路径规划效率较低的问题,提出一种基于安全A^*算法与双速度模型动态窗口法的全局动态路径规划融合算法.首先,通过安全A^*算法得到全局最优路径节点,将其作为临时目标节点,为动态规划提供全局信息,避免出现局部最优.然后,采用时间序列Bottom-Up算法减少路径节点数,从而减少迭代次数、计算代价和储存代价,提高算法效率.最后,采用双速度模型对动态窗口法进行改进,通过避障重规划机制,解决全局动态路径规划时移动机器人绕远甚至绕圈的问题,并通过MATLAB平台进行仿真实验.仿真结果表明：文中算法的规划效率可提高46.18%,保证了路径的安全性和移动机器人速度的平稳性,文中算法的路径质量和规划效率更佳.     

基于遗传算法的动态路径诱导

动态路径诱导（DRGS）是智能运输系统研究的一个重要方面，旨在通过向驾驶员提供基于实时交通信息的最佳行驶路径在来达到诱导出行行为，减少车辆在道路上的逗留时间，进而实现改善城市交通和避免交通拥挤、阻塞的目的。路径牵引算法是DGRS中的重要研究内容，它能计算出给定起讫对之间的的最优或准最优路径，路径牵引算法要考虑一全局准最优和实时性问题，而遗传算法具有全局寻优和潜在的并行性特点，将遗传算法应用于动态路径诱导系统中求解最佳路径，设计了特定的有序选择、交叉和遗传算子，并通过实例验证了算法的有效性。     

汽车导航系统的动态路径规划优化模型与算法研究

汽车的普及化增加了城市交通的内在压力,对汽车导航系统的动态路径规划优化可以给驾车人在有限的城市道路中找出一条最佳行车路径.本文介绍了一种实用的动态路径规划方法.采用一个实时的路线地图,地图包括交通信号,道路类别和行车道的数目.建议的解决方案是使用病毒感染的遗传算法.该方法是将公路干线的一部份视为病毒.通过交叉和感染确定近期病毒的最佳组合.在驾车的过程中,当交通挤塞经常变化时,使用病毒感染实时路线,将产生一个可供选择的行车路线.最后给出病毒遗传算法的试验仿真结果.     

利用改进蚁群算法的可规避威胁源最优航线规划

针对复杂环境中飞行器航线规划问题,在基本蚁群算法的基础上,提出一种可规避威胁源的航线规划方法。通过综合分析飞行器飞行环境中的地形信息和威胁信息,考虑航线距离、时耗、能耗、全程费用和威胁规避等因素,重构航线规划目标函数,加强了对飞行器实际飞行环境的描述,从而提高了航线规划的有效性;通过增加目标节点对下一节点的影响来改进状态转移概率,促使蚂蚁向目标方向前进,以节省计算时间,提高优化效率。仿真结果显示,与基本蚁群算法相比,改进算法可以节省10%的优化时间且缩短10多次迭代次数。     

基于改进遗传算法的接运公交线路生成优化模型

城市轨道交通接运公交线路布设效果直接影响到轨道交通线路的运营效率.为了探讨轨道交通接运公交线路的最优布设方案,以最少线路接运最大客流量为目标,建立了线路生成的优化模型,并给出了求解该模型的改进遗传算法.以北京地铁5号线宋家庄站和刘家窑站的接运公交线路布设方案为例进行分析,结果表明:两个轨道交通站点布设6条接运公交线路能够使接运公交线路的载运能力最大,为205人/(km/h).     

基于A*算法的远程导弹三维航迹规划算法

提出了一种基于A*算法的三维航迹规划方法.该方法将远程导弹的运动学模型离散化,利用导弹过载作为控制量,并结合约束条件,直接对三维空间进行最优航迹搜索.航迹规划过程不仅结合了导弹的本身机动特性,并且充分利用地形信息进行地形回避和威胁回避.仿真实验表明,该方法能够直接规划出三维空间中满足导弹过载约束的最优航迹.     

采用多重启发蚁群优化算法的无人机航迹规划

为解决复杂环境下的无人机航迹规划问题,提出了一种多重启发蚁群优化算法.该算法综合考虑无人机当前位置与待选位置之间的距离和威胁分布,以及待选位置与目标位置之间的距离和威胁分布,将这些已知信息构造为蚂蚁状态转移的多重启发信息,指导蚂蚁的搜索行为.文中对多重启发蚁群优化算法的收敛性进行了分析,并针对航迹不可行和任务区域内存在...     

基于Q学习的无人机三维航迹规划算法

针对现有的基于强化学习的无人机航迹规划方法因无法充分考虑无人机的航迹约束而使规划获得的航迹可用性较差的问题,提出一种更有效的无人机三维航迹规划算法.该算法利用无人机的航迹约束条件指导规划空间离散化,不仅降低了最终的离散规划问题的规模,而且也在一定程度上提高了规划获得的航迹的可用性,通过在回报函数中引入回报成型技术,使算法具有满意的收敛速度.无人机三维航迹规划的典型仿真结果表明了所提出算法的有效性.